Tekoäly auttoi haiman kiinteiden leesioiden diagnosoinnissa
lauantai 21. tammikuuta 2023 päivittänyt: Changhai Hospital
Tehostettu syväoppimismalli haiman kiinteiden leesioiden diagnosoimiseksi multimodaalisten kliinisten kuvien avulla
Kiinteät haiman leesiot sisältävät pääasiassa kasvainvaurioita ja ei-kasvainvaurioita.
Yli 90 % haiman kasvainvaurioista on haimasyöpää, jolle on ominaista korkea kuolleisuus ja huono ennuste ja joka vaatii kirurgista hoitoa; Haiman ei-kasvainvauriot ovat pääasiassa tulehduksellisia leesioita, jotka eivät yleensä vaadi kirurgista hoitoa, mutta joita voidaan hoitaa lääkkeillä.
Yleisimpiä ovat krooninen haimatulehdus ja autoimmuunihaimatulehdus, joiden ennuste on hyvä.
Kliinisesti niiden välinen erotusdiagnoosi on erittäin vaikeaa.
Monitieteinen MDT:n diagnosointi ja hoito tekee ymmärrystämme haimasairaudista entistä rikkaammaksi ja syvemmäksi.
Sairauden diagnosoinnista preoperatiiviseen arviointiin ja parantavan vaikutuksen arviointiin, non-invasiivinen kuvantaminen sisältää lähes kaikki linkit MDT-tilassa.
Tämän vuoksi haiman kiinteän tilaa miehittävien leesioiden erotusdiagnoosin parantaminen kuvantamisessa edistää paremmin MDT-moodin diagnosointia ja hoitoa, joten uusia teknologioita, kuten tekoälyä, tulisi harkita.
Tavoitteenamme on kehittää kliinisesti käyttökelpoinen tekoälyjärjestelmä, joka käyttää useita toimintatiloja simuloimaan rutiininomaista kliinistä työnkulkua ja auttamaan haiman hyvänlaatuisten ja pahanlaatuisten tilaa vievien leesioiden diagnosoinnissa.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Interventio / Hoito
Yksityiskohtainen kuvaus
Kiinteiden haimavaurioiden diagnosointi on haastavaa, MDT on erittäin tehokas menetelmä, mutta siinä on tietty virhediagnoosien määrä.
Tämä on monikeskus, prospektiivinen ja havainnollinen kliininen tutkimus.
Tavoitteenamme on kehittää kliinisesti käyttökelpoinen tekoälyjärjestelmä.
Toisaalta kliinisiin tietoihin + TT-kuvauskuviin perustuva tekoälymme voi auttaa MDT-lääkäreitä diagnosoimaan haiman tilaa vievien leesioiden luonteen ja vähentämään virhediagnooseja; Toisaalta, jos potilas tarvitsee EUS-FNA-punktion, meidän kehittämämme kliiniseen dataan+CT+EUS perustuva multimodaalinen tekoälyjärjestelmä voi auttaa MDT-lääkäreitä ymmärtämään haiman tilaa miehittävien leesioiden luonnetta ja vähentämään virhediagnoosin tai virhediagnoosin todennäköisyyttä. toissijainen puhkeaminen.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
200
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Shanghai
-
Shanghai, Shanghai, Kiina, 200433
- Rekrytointi
- CT and EUS
-
Ottaa yhteyttä:
- Zhaoshen Li
- Puhelinnumero: 86-21-31162338
- Sähköposti: changhaiec@126.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 - 75 vuotta (AIKUINEN, OLDER_ADULT)
Hyväksyy terveitä vapaaehtoisia
Ei käytössä
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Potilaat, joilla oli haiman kiinteää massaa, otetaan mukaan tutkimukseemme.
Kuvaus
Sisällyttämiskriteerit:
- haiman kiinteä massa CT:ssä ja EUS:ssä
Poissulkemiskriteerit:
- CT:n tai EUS:n riittämätön kuvanlaatu
- endoskooppiset ultraäänivauriot, joihin ei päästä käsiksi
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 |
|---|---|
|
potilailla, joilla on kiinteitä haimavaurioita
|
Ei ole väliintuloa.
Kliinikot tarkistavat hypoteettisen tekoälyn ehdotukset
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tutkijat käyttävät tekoälyn (AI) tukijärjestelmää auttaakseen diagnosoimaan haiman kiinteää tilaa miehittävien leesioiden
Aikaikkuna: 2 kuukautta
|
Monikerroksinen syväkonvoluutioverkkoon perustuva seulontaverkko kehitettiin tarkkailemaan sen tarkkuutta, herkkyyttä ja spesifisyyttä auttamalla MDT-lääkäreitä tunnistamaan hyvänlaatuisia ja pahanlaatuisia haiman tilaa miehittäviä vaurioita.
|
2 kuukautta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
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 (ODOTETTU)
Lauantai 21. tammikuuta 2023
Ensisijainen valmistuminen (ODOTETTU)
Tiistai 21. helmikuuta 2023
Opintojen valmistuminen (ODOTETTU)
Tiistai 21. helmikuuta 2023
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Lauantai 21. tammikuuta 2023
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Lauantai 21. tammikuuta 2023
Ensimmäinen Lähetetty (TODELLINEN)
Tiistai 31. tammikuuta 2023
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (TODELLINEN)
Tiistai 31. tammikuuta 2023
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Lauantai 21. tammikuuta 2023
Viimeksi vahvistettu
Sunnuntai 1. tammikuuta 2023
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2022-AI and MDT
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 .