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

Pancreaattisten kystisten muutosten hallinta tekoälyyn perustuen EUS- ja multimodaalisiin tietoihin

torstai 5. maaliskuuta 2026 päivittänyt: Bin Cheng, Huazhong University of Science and Technology

Monimuotoinen tekoälymalli haimakystisten muutosten alatyyppidiagnostiikkaan ja kliiniseen hoitoon perustuen endoskooppiseen ultraäänitutkimukseen ja kliiniseen tietoon

Ensisijainen tavoite on rakentaa monimuotoinen tekoälymalli (Cyst-AI) perustuen EUS-kuviin ja kliinisiin tietoihin, kuten kuvantamislöydöksiin (CT tai MRI) ja laboratoriotesteihin, auttaakseen endoskooppeja haiman kystisten muutosten (PCL) diagnosoinnissa, erityisesti erotellessa limaisia ja ei-limaisia muutoksia.

Toissijainen tavoite on arvioida mallin tehokkuutta riskiluokittelussa ja kliinisessä hoidossa potilaille, joilla on haiman kystisiä muutoksia.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Lääketieteellisen kuvantamisteknologian kehittymisen myötä haimakystisten muutosten (PCL) havaitsemisaste on kasvanut huomattavasti. Vaikka useimmat kystit ovat hyvänlaatuisia, merkittävä osa niistä voi muuttua pahanlaatuisiksi. Kliininen hoito perustuu diagnoosiin ja riskien arviointiin. PCL:lle erilaiset diagnoosit ja riskien arvioinnit johtavat täysin erilaisiin kliinisiin strategioihin ja tuloksiin, jotka liittyvät läheisesti potilaiden elämänlaatuun, taloudelliseen taakkaan ja psyykkiseen stressiin. Endoskooppinen ultraäänitutkimus (EUS) on toiminut ratkaisevassa roolissa PCL:ien jatkotutkimuksessa ja erotusdiagnostiikassa. Tekoäly (AI) on myös osoittanut suurta potentiaalia kliinisessä diagnostiikassa ja hoidossa. Siksi aiomme kerätä takautuvasti potilaiden EUS-kuvantamisdataa, radiologisia ja laboratoriotutkimuksia sekä muita kliinistä tietoa rakentaaksemme Cyst-AI-nimisen mallin, joka yhdistää diagnostiikan ja kliinisen hoidon toiminnot, kliinisen päätöksenteon tukemiseksi.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

500

Yhteystiedot ja paikat

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

Opiskeluyhteys

Opiskelupaikat

  • Kiina
    • Hubei
      • Wuhan, Hubei, Kiina, 430030
        • Rekrytointi
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Ottaa yhteyttä:
      • Wuhan, Hubei, Kiina, 430030
        • Ei vielä rekrytointia
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Ottaa yhteyttä:

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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Kohortti valitaan useista sairaaloista Kiinassa, mukaan lukien Tongji Hospital, Tongji Medical College, HUST.

Kuvaus

Osallistumiskriteerit:

  • Potilaat, joiden EUS-tulokset osoittavat haimakystisiä tai kystoidisia muutoksia;
  • Mukinootiset muutokset: mukaan lukien mukinoosi kystinen neoplasma (MCN), intraduktaalinen papillaarinen mukinoosi neoplasma (IPMN);
  • Ei-mukinootiset muutokset: mukaan lukien haimavalekysti, seroosi kystinen neoplasma (SCN), kystinen neuroendokriini kasvain (cNET).

Poissulkemiskriteerit:

  • Potilaat, joiden ikä on alle 18 vuotta;
  • Potilaat, joille on tehty haimaoperaatio ennen EUS-tutkimusta;
  • Potilaat, jotka ovat saaneet kemoterapiaa ja sädehoitoa haimakasvaimiin ennen EUS-tutkimusta;
  • Patologiset tulokset osoittavat, että haiman muutokset ovat etäpesäkkeitä muilta alueilta;
  • Potilaat, joiden EUS-kuvat tai raportit puuttuvat;
  • EUS-kuvan laatu ei täytä arviointivaatimuksia, kuten epäselvät kuvat tai artefaktit, biopsianeulat, mittakaavat tai muut lisämerkinnät, jotka eivät kuulu alkuperäiseen EUS-kuvaan;
  • Potilaat, joiden lopullinen diagnoosi on epäselvä.

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
Kysta-EUS
Potilaat ennen vuotta 2026, joilla on EUS-kuvia haiman kystisistä muutoksista tai kystamaisista materiaalimuutoksista, on sisällytetty tähän kohorttiin.
Diagnostinen testi: Cyst-AI-malli
Monikeskuksessa kerätty data jaetaan koulutusjoukkoon, validointijoukkoon ja testijoukkoon cyst-AI-mallin kehittämistä ja testaamista varten.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnostisen mallin suorituskyky erottelussa limaisia ei-limaisista PCL:istä
Aikaikkuna: Diagnostisen mallin koulutuksen valmistumisesta 3 kuukauden kuluessa.
Cyst-AI-diagnostiikkamallin suorituskykyä arvioidaan käyttäen vastaanottajan toimintakäyrän alapuolella olevaa pinta-alaa (AUC-ROC), ja mallin ennusteista riippumattomalla validointiaineistolla lasketaan herkkyys, spesifisyys, tarkkuus, positiivinen ennusteellinen arvo (PPV) ja negatiivinen ennusteellinen arvo (NPV). PCL:t: haimasyystiset muutokset.
Diagnostisen mallin koulutuksen valmistumisesta 3 kuukauden kuluessa.
Kliinisen hoitomallin riskistratifiointikyky limaisille PCL:lle
Aikaikkuna: Kolmen kuukauden kuluessa riskinarviointimallin koulutuksen päättymisestä.
Cyst-AI-riskinluokitusmallin suorituskykyä luokitella muutokset oikein "matalan riskin", "keskitasoisen riskin" ja "korkean riskin" ryhmiin arvioidaan käyttäen vastaanottajan toimintakäyrän alapuolella olevaa pinta-alaa (AUC-ROC). Mallin ennusteista riippumattomalla validointiaineistolla lasketaan herkkyys, spesifisyys, tarkkuus, positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV). PCLs: haimasyystiset muutokset.
Kolmen kuukauden kuluessa riskinarviointimallin koulutuksen päättymisestä.

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnostisen mallin suorituskyky erityisten PCL-tyyppien erottelussa
Aikaikkuna: Kolmen kuukauden kuluessa diagnoosimallin koulutuksen päätyttyä.
Cyst-AI-diagnostiikkamallin suorituskykyä arvioidaan käyttämällä vastaanottajan toimintokäyrän (AUC-ROC) alapuolista aluetta, ja herkkyys, spesifisyys, tarkkuus, positiivinen ennustearvo (PPV) sekä negatiivinen ennustearvo (NPV) lasketaan mallin ennusteista riippumattomalla validointidatasetilla. PCLs: haimasyystiset muutokset.
Kolmen kuukauden kuluessa diagnoosimallin koulutuksen päätyttyä.
Mukinoisten PCL:ien kliinisen hallintamallin kliininen hallinnan suorituskyky
Aikaikkuna: Kolmen kuukauden kuluessa kliinisen hallintamallin koulutuksen suorittamisesta.
Cyst-AI:n kliinisen hoidon mallin suorituskykyä tarkkojen kliinisten suositusten antamisessa arvioidaan käyttäen receiver operating characteristic -käyrän alla olevaa aluetta (AUC-ROC), mukaan lukien herkkyys, spesifisyys, tarkkuus, positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV), jotka lasketaan mallin ennusteista riippumattomassa validointiaineistossa.
PCLs: haimasyystiset muutokset.
Kolmen kuukauden kuluessa kliinisen hallintamallin koulutuksen suorittamisesta.
Mallin suorituskyky eri tasoisen endoskopistin diagnosoidessa ja hoidettaessa PCL:itä
Aikaikkuna: Ihmisen ja koneen konfrontaatioryhmittäistutkimuksen valmistumisesta 1 kuukauden kuluessa
Cyst-AI-mallin suorituskykyä endoskooppien avustamisessa arvioidaan käyttäen receiver operating characteristic -käyrän alla olevaa pinta-alaa (AUC-ROC), ja mallin ennusteista riippumattomalla validointiaineistolla lasketaan herkkyys, spesifisyys, tarkkuus, positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV). PCLs: haiman kystiset muutokset.
Ihmisen ja koneen konfrontaatioryhmittäistutkimuksen valmistumisesta 1 kuukauden kuluessa
Mallin vaikutus endoskooppien päätöksentekoprosessiin
Aikaikkuna: Ihmisen ja koneen vastakkainasetun ristiin tutkimuksen valmistumisen jälkeen 1 kuukauden sisällä.
Endoskooppien arvioinnin jälkeinen kyselylomake käytetään vaikutuksen asteen arviointiin.
Ihmisen ja koneen vastakkainasetun ristiin tutkimuksen valmistumisen jälkeen 1 kuukauden sisällä.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Huazhong University of Science and Technology

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)

Keskiviikko 1. tammikuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 1. huhtikuuta 2026

Opintojen valmistuminen (Arvioitu)

Maanantai 1. kesäkuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 9. joulukuuta 2025

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 5. maaliskuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 11. maaliskuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 11. maaliskuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Torstai 5. maaliskuuta 2026

Viimeksi vahvistettu

Sunnuntai 1. maaliskuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • Cyst-AI 2024

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 .

Tilaa