Automaattinen mahalaukun suoliston metaplasian vakavuuden arviointi patologian tekoälyn diagnoosijärjestelmällä
Automaattinen mahalaukun suoliston metaplasian vakavuuden arviointi patologian tekoälyn diagnoosijärjestelmällä: diagnostinen testi
OLGIM-vaihejärjestelmä on erittäin suositeltavaa GIM-vakavuuden kattavaan arviointiin potilaiden mahasyövän riskin arvioimiseksi. Sen tarve ottaa vähintään 4 biopsiaa ei kuitenkaan ole kliinisesti mahdollista, koska patologista on vakava pula verrattuna mahasyövän seulontapopulaatioiden suureen määrään.
Suunnittelemme digitaalisen patologian tekoälydiagnoosijärjestelmän (DPAIDS) kehittämistä, joka tunnistaa automaattisesti kasvainalueet kokonaisista diakuvista (WSI) ja määrittää nopeasti ja tarkasti suolen metaplasian vakavuuden suoliston metaplasia-alueiden osuuden mukaan.
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Mahasyöpä on viidenneksi yleisin pahanlaatuinen syöpä ja kolmanneksi tappavin maailmanlaajuisesti, ja suolen metaplasia (IM) on yleinen syöpää edeltävä tila, joka liittyy läheisesti mahalaukun karsinogeneesiin. OLGIM-vaihejärjestelmä on erittäin suositeltavaa GIM-vakavuuden kattavaan arviointiin. potilaiden mahasyövän riskiä. Sen tarve ottaa vähintään neljä biopsiaa ei kuitenkaan ole kliinisesti mahdollista, koska patologista on vakava pula verrattuna mahasyövän seulontapopulaatioiden suureen määrään. Automaattisten seulontamenetelmien kehittäminen voi vähentää raskasta diagnostista työtaakkaa. Digitaalisten patologian skannauslaitteiden ja syväoppimistekniikoiden edistymisen myötä koko diakuvia (WSI) on käytetty automatisoitujen syövän diagnostiikkajärjestelmien kehittämiseen.
Suunnittelemme digitaalisen patologian tekoälydiagnoosijärjestelmän (DPAIDS) kehittämistä, joka tunnistaa automaattisesti kasvainalueet kokonaisista diakuvista (WSI) ja määrittää nopeasti ja tarkasti suolen metaplasian vakavuuden suoliston metaplasia-alueiden osuuden mukaan. Sitten biopsiat kerätään ja valmistetaan WSI:nä mallin validointia varten.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: yanqing Li, MD, PHD
- Puhelinnumero: 0531182169385
- Sähköposti: liyanqing@sdu.edu.cn
Opiskelupaikat
-
-
Shandong
-
Jinan, Shandong, Kiina, 250012
- Rekrytointi
- Department of Gastroenterology, Qilu Hospital, Shandong University
-
Ottaa yhteyttä:
- Yanqing Li, PhD. MD.
- Puhelinnumero: 18678827666
- Sähköposti: liyanqing@sdu.edu.cn
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- 40–75-vuotiaat potilaat, joille tehdään gastroskopiatutkimus ja biopsia
Poissulkemiskriteerit:
- potilaat, joilla on vaikea sydämen, aivojen, keuhkojen tai munuaisten vajaatoiminta tai psykiatriset häiriöt, jotka eivät voi osallistua gastroskopiaan
- potilaille, joilla on aiemmin ollut vatsaleikkauksia
- potilaat, joilla on vasta-aiheinen biopsia
- potilaat, jotka kieltäytyvät allekirjoittamasta tietoon perustuvaa suostumuslomaketta
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Kokonaisia diakuvia mahalaukun biopsianäytteistä
|
Patologit ja tekoäly arvioivat suoliston metaplasian vakavuuden ja arvioivat mahalaukun biopsianäytteiden kokonaisten diakuvien kasvainalueen itsenäisesti.
Lisäksi patologit eivät näe AI:n diagnoosia.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tekoälymallin diagnostinen suorituskyky suoliston metaplasian vakavuuden arvioimiseksi
Aikaikkuna: 2 vuotta
|
Tekoälymallin diagnostinen suorituskyky suoliston metaplasian vakavuuden arvioimiseksi yhdessä biopsiakudoslevyssä: tarkkuus, herkkyys ja spesifisyys
|
2 vuotta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Digitaalisen patologisen AI-mallin tarkkuus kasvainalueiden tunnistamiseksi
Aikaikkuna: 2 vuotta
|
Digitaalisen patologisen AI-mallin tarkkuus kasvainalueiden tunnistamisessa koko diakuvista
|
2 vuotta
|
|
Digitaalisten patologisten tekoälymallien tarkkuus rauhasten, limakalvon epiteelin ja suoliston metaplasian tunnistamiseksi ei-neoplastisilla alueilla
Aikaikkuna: 2 vuotta
|
Digitaalisten patologisten tekoälymallien tarkkuus rauhasten, limakalvon epiteelin ja suoliston metaplasian tunnistamiseksi ei-neoplastisilla alueilla
|
2 vuotta
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Opintojen puheenjohtaja: yanqing Li, MD, PHD, Qilu Hospital, Shandong University
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2022-SDU-QILU-110
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .