Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Tekoäly EUS:ssa haiman kiinteiden leesioiden diagnosointiin

tiistai 2. huhtikuuta 2024 päivittänyt: Bin Cheng, Huazhong University of Science and Technology

Tekoälyn hyödyntäminen EUS-konvoluutiohermoverkkomallin kehittämiseen, joka on koulutettu erottamaan haimasyövän muista haiman kiinteistä vaurioista

Pyrimme kehittämään EUS-AI-mallin, joka helpottaa kliinistä diagnoosia analysoimalla potilaiden EUS-kuvia ja kliinisiä parametreja.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

EUS:n katsotaan olevan CT:tä herkempi menetelmä haiman kiinteiden leesioiden havaitsemisessa sen korkean spatiaalisen resoluution vuoksi. Diagnostinen suorituskyky riippuu kuitenkin suurelta osin lääkäreiden kokemuksesta ja teknisistä kyvyistä. Siksi pyrimme kehittämään objektiivisen EUS-diagnostisen mallin, joka perustuu konvoluutiohermoverkkoon, tekoälytekniikkaan. Lisäksi tähän tekoälymalliin on lisätty kliinisiä parametreja, kuten riskitekijöitä, kasvainten biomarkkereita ja radiologisia löydöksiä, jotta voidaan jäljitellä varsinaisia ​​kliinisiä diagnoositoimenpiteitä ja parantaa tämän mallin suorituskykyä.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

130

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

  • Kiina
    • Hubei
      • Wuhan, Hubei, Kiina, 430030
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology

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

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Kohortti valitaan Tongjin sairaalasta, Tongji Medical Collegesta, HUSTista.

Kuvaus

Sisällyttämiskriteerit:

  • Potilaat, joille tehtiin EUS käyttämällä kaarevan linjan kaikuendoskooppia (GF-UCT260; Olympus Medical Systems) vuodesta 2014 lähtien.
  • Jokaisesta potilaasta on mukana kaikki saatavilla olevat alkuperäiset EUS-kuvat.
  • Potilaiden diagnoosi vahvistetaan kirurgisten tulosten tai FNA-löydösten perusteella, ja niiden kliininen kulku on yhteensopiva yli 6 kuukauden seurantajaksolla.

Poissulkemiskriteerit:

  • Kuva on huonolaatuinen.
  • Kuvissa on ainutlaatuisia merkkejä, jotka voivat mahdollisesti vääristää mallia, kuten biopsian neula.

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
Haima-EUS
Vuodesta 2014 lähtien olleet potilaat, joilla on EUS-kuvia normaalista haimasta tai haiman kiinteistä vaurioista, on sisällytetty tähän kohorttiin.
Diagnostinen testi: EUS-AI malli
Testiosajoukko (noin 20 % kaikista potilaista) on varattu EUS-AI-mallin lopullista arviointia varten. Jokaisen testialajoukon potilaan kliiniset parametrit ja EUS-kuvat syötetään koulutettuun EUS-AI-malliin, ja malli antaa parhaan mahdollisen diagnoosin.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Mallin kyky erottaa haimasyöpä muista haiman kiinteistä vaurioista
Aikaikkuna: EUS-AI-mallin koulutusprosessin jälkeen
Mallin tehokkuuden arvioinnissa käytetään vastaanottimen toimintaominaisuuksien (ROC) analyysejä, herkkyyttä, spesifisyyttä, tarkkuutta, positiivista ennustearvoa ja negatiivista ennustearvoa.
EUS-AI-mallin koulutusprosessin jälkeen

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Mallin kyky määrittää haiman kiinteät vauriot, kuten haimasyöpä, CP, AIP ja NET
Aikaikkuna: EUS-AI-mallin koulutusprosessin jälkeen
Mallin tehokkuuden arvioinnissa käytetään vastaanottimen toimintaominaisuuksien (ROC) analyysejä, herkkyyttä, spesifisyyttä, tarkkuutta, positiivista ennustearvoa ja negatiivista ennustearvoa.
EUS-AI-mallin koulutusprosessin jälkeen

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Huazhong University of Science and Technology

Yhteistyökumppanit

LanZhou University
The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School

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)

Perjantai 1. heinäkuuta 2022

Ensisijainen valmistuminen (Todellinen)

Perjantai 30. kesäkuuta 2023

Opintojen valmistuminen (Todellinen)

Keskiviikko 24. tammikuuta 2024

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 25. heinäkuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 25. heinäkuuta 2022

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 27. heinäkuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 3. huhtikuuta 2024

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 2. huhtikuuta 2024

Viimeksi vahvistettu

Maanantai 1. huhtikuuta 2024

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • EUS-AI 2022

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 .

Kliiniset tutkimukset Haiman kanavan adenokarsinooma

Kliiniset tutkimukset EUS-AI malli

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in Algeria

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

3
Tilaa