Satunnaistettu kontrolloitu monikeskustutkimus tekoälyavusteisesta ruoansulatuskanavan endoskopiasta
sunnuntai 20. lokakuuta 2019 päivittänyt: Second Affiliated Hospital, School of Medicine, Zhejiang University
Ruoansulatuskanavan endoskopiakeskus Zhejiangin yliopiston lääketieteellisen korkeakoulun toiseksi sidoksissa olevaan sairaalaan ja Naki Medical Co., Ltd:n insinööreihin. Hongkongissa kehitettiin itsenäisesti AI-avusteinen diagnostinen ruoansulatuskanavan endoskopian varhaisessa vaiheessa, nimittäin syväoppimismalli. Syväoppimismallilla pystytään tunnistamaan ruoansulatuskanavan vaurioita tutkimuksen alkuvaiheessa. joidenkin sairauksien, kuten paksusuolen polyyppien, diagnoosi on 99 %.
Toisaalta tämä diagnostinen apumalli voi ohjata endoskooppista tutkimusta aloittelijoille; toisaalta se voi parantaa leesioiden havaitsemisnopeutta ja vähentää epäonnistuneiden diagnoosien määrää; toisaalta endoskooppisen keskuksen kokonaistoimintatehokkuus paranee, mikä edistää endoskooppisen tutkimuksen laadunvalvontaa.
Nyt tekoälyavusteista diagnostiikkamallia on parannettu entisestään ja kliinistä verifiointia suunnitellaan jatkossakin sairaalamme ruoansulatuskanavan endoskopiakeskuksessa.
Se on yhdistetty sairaalamme endoskooppiseen järjestelmään ja sitä käytetään samanaikaisesti olemassa olevan endoskopian kuva-tekstijärjestelmän kanssa vertailemaan tekoälyavusteisen diagnoosimallin käytännöllisyyttä, herkkyyttä ja spesifisyyttä ruoansulatuskanavan sairauksien diagnosoinnissa ja keskittymään laadunvalvontaan. endoskooppisesta tutkimuksesta.
Tutkimuksen yleiskatsaus
Tila
Tuntematon
Ehdot
Yksityiskohtainen kuvaus
Ruoansulatuskanavan endoskopiakeskus Zhejiangin yliopiston lääketieteellisen korkeakoulun toiseksi sidoksissa olevaan sairaalaan ja Naki Medical Co., Ltd:n insinööreihin. Hongkongissa kehitettiin itsenäisesti AI-avusteinen diagnostinen malli ruoansulatuskanavan endoskopialle varhaisessa vaiheessa, nimittäin syväoppimismalli. Syväoppimismalli tutkimuksen alkuvaiheessa pystyy tunnistamaan paksusuolen polyyppien, paksusuolensyövän, paksusuolen ja peräsuolen vaurioita. apofyysivauriot, paksusuolen divertikulaari, haavainen paksusuolitulehdus, mahahaava, mahapolyypit, submukosaalinen kohoaminen, refluksiesofagiitti, ruokatorven haavauma, ruokatorven polyyppi, ruokatorven eroosio, ruokatorven kohdunulkoinen mahalaukun limakalvon ja syövän herkkyys, ruokatorven esophageaalisuus, ruokatorven esophageaalisuus jne. varten joidenkin sairauksien, kuten paksusuolen polyyppien, diagnoosi on 99 %.
Toisaalta tämä diagnostinen apumalli voi ohjata endoskooppista tutkimusta aloittelijoille; toisaalta se voi parantaa leesioiden havaitsemisnopeutta ja vähentää epäonnistuneiden diagnoosien määrää; toisaalta endoskooppisen keskuksen kokonaistoimintatehokkuus paranee, mikä edistää endoskooppisen tutkimuksen laadunvalvontaa.
Nyt tekoälyavusteista diagnostiikkamallia on parannettu entisestään ja kliinistä verifiointia suunnitellaan jatkossakin sairaalamme ruoansulatuskanavan endoskopiakeskuksessa.
Se on yhdistetty sairaalamme endoskooppiseen järjestelmään ja sitä käytetään samanaikaisesti olemassa olevan endoskopian kuva-tekstijärjestelmän kanssa vertailemaan tekoälyavusteisen diagnoosimallin käytännöllisyyttä, herkkyyttä ja spesifisyyttä ruoansulatuskanavan sairauksien diagnosoinnissa ja keskittymään laadunvalvontaan. endoskooppisesta tutkimuksesta.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
3600
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Zhejiang
-
Hangzhou, Zhejiang, Kiina, 310000
- Rekrytointi
- Cai J Ting
-
Ottaa yhteyttä:
- Cai J Ting
- Puhelinnumero: 15267019902 15267019902
- Sähköposti: 1173920428@qq.com
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Ei
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Todennäköisyysnäyte
Tutkimusväestö
Potilaat, joille tehtiin kivuton gastroenteroskopia endoskopiakeskuksessa syyskuusta 2019 elokuuhun 2021
Kuvaus
Sisällyttämiskriteerit:
- Allekirjoita vapaaehtoisesti tietoinen suostumus tälle tutkimukselle
- Vakaat elintoiminnot
- Yli 18 vuotta vanha
- Potilaat, jotka tarvitsevat kivutonta gastroenteroskopiaa eri syistä
Poissulkemiskriteerit:
- Ei pysty tai halua allekirjoittaa suostumuslomaketta tai ei pysty noudattamaan tutkimusmenettelyjä
- heillä on vasta-aiheita kivuttomaan gastroenteroskopiaan
- Elintoiminnot ovat epävakaita
- Leesiot on tunnistettu gastroenteroskopialla muissa sairaaloissa, joiden tarkoituksena on edelleen vahvistaa potilaita, jotka tulevat sairaalaan endoskooppiseen tutkimukseen
- Endoskooppinen hoito, kuten polypektomia, pyloruksen kapea laajentuminen ja niin edelleen
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
V: Malli A
Tila A oli hiljainen tila, peräkkäin endoskooppisten lääkäreiden kanssa samanaikaisesti endoskooppisten kuvien näyttämiseksi ja videon tallentamiseksi, mutta se ei häirinnyt endoskooppisten lääkäreiden toimintaa. Leikkauksen jälkeen tekoälymalli luo automaattisesti endoskopiaraportin, jota verrataan endoskopiajärjestelmän endoskopialääkärin antaman virallisen raportin kanssa.
Jos ero on suuri, videovarmennus toistetaan välittömästi tai endoskooppinen tutkimus tehdään uudelleen ennen potilaan heräämistä
|
Kun tekoälymalli hälyttää, tarkista vaurio huolellisesti
|
|
B: Malli B
Tila B on viivästetty muistutustila.
Jos leesio löydetään leikkauksen aikana, se on siirrettävä näkökentän keskelle 5 sekunnin sisällä.
Jos tekoälymalli on havainnut leesion (leesio on ympyröity kuvassa), mutta lääkäri ei siirrä vauriota näkökentän keskelle 5 sekunnin kuluessa, AI-järjestelmä antaa hälytyskehotteen.
|
Kun tekoälymalli hälyttää, tarkista vaurio huolellisesti
|
|
C: Malli C
Mode C on reaaliaikainen muistutustila, joka antaa hälytyskehotteen, kun tarkennus taltioituu näkökenttään.
|
Kun tekoälymalli hälyttää, tarkista vaurio huolellisesti
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Ruoansulatuskanavan vaurioiden havaitsemisnopeuden muutokset tekoälyn gastroenteroskopian avulla
Aikaikkuna: 2 vuotta
|
Endoskooppisella tutkimuksella on suuri riippuvuus endoskooppilääkärin kliinisestä kokemuksesta ja asemasta, ja endoskooppisen tähystyksen laatua voidaan heikentää raskaalla työllä ja ongelmilla, kuten tutkimuspaikan epätäydellinen peitto, leesioiden epätäydellinen havaitseminen ja epätäydellinen kuvanotto. ovat helppoja ilmaantua.
Tekoälyllä ei ole tätä heikkoutta.
Se ei heikennä sen kykyä työskennellä pitkällä aikavälillä, ja sen avun odotetaan parantavan leesioiden havaitsemisnopeutta
|
2 vuotta
|
|
Tekoälyavusteisen diagnostisen mallin tarkkuus, joka arvioi suoliston valmiuspisteitä
Aikaikkuna: 2 vuotta
|
Suoliston valmistelun laatu määrää kolonoskopian laadun, jonka endoskooppilääkärit arvioivat Bostonin pistemäärän avulla.
Ai-avusteinen diagnostinen malli voidaan myös luokitella automaattisesti. Bostonin suolen pistemäärää käytetään määrittämään, onko suolisto riittävästi valmistettu.
Bostonin suolen pisteet on jaettu 4 arvosanaan (0–3 pistettä) pahimmasta puhtaimpaan.
Mitä korkeampi pistemäärä on, sitä paremmin suolisto on valmisteltu ja se on suotuisampi kolonoskopialle.
|
2 vuotta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Opintojohtaja: Cai J Ting, Dr, Second affiliated hospital of school of medicine, zhejiang university
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Torstai 1. elokuuta 2019
Ensisijainen valmistuminen (Odotettu)
Sunnuntai 1. elokuuta 2021
Opintojen valmistuminen (Odotettu)
Torstai 30. joulukuuta 2021
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 26. elokuuta 2019
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Maanantai 26. elokuuta 2019
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 28. elokuuta 2019
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 22. lokakuuta 2019
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Sunnuntai 20. lokakuuta 2019
Viimeksi vahvistettu
Torstai 1. elokuuta 2019
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muut tutkimustunnusnumerot
- 研2019-262
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
IPD-suunnitelman kuvaus
IPD ei jaa muille
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .