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

Prospective Collection and Registry Study of Multicenter, Multidisciplinary Surgical Minimally Invasive Videos (VISION)

keskiviikko 5. elokuuta 2026 päivittänyt: Zeyu Zhang, PHD, Chinese Academy of Sciences

Prospective Observational Cohort Study on the Construction of Standardized Video Datasets for Multicenter, Multidisciplinary Minimally Invasive Laparoscopic and Robotic Surgery and Their Application in the Development of Surgical AI Large Models

This is a prospective multicenter patient registry study. We continuously collect full-length intraoperative surgical videos from thoracoscope, laparoscope, hysteroscope, transcervical resectoscope, cystoscope, prostate resectoscope, arthroscope, intervertebral foramen endoscope, otorhinolaryngology endoscope and endoscopic surgical robots, accompanied by inpatient medical records, preoperative imaging data and 5-year postoperative follow-up data. All imaging data will be standardized and de-identified to construct a large-scale standardized surgical video dataset. The dataset will be applied for training, verification and optimization of surgical video foundation large model, serving for surgical teaching, intraoperative operation quality control and basic medical AI research. We will also explore the correlation between intraoperative surgical details and postoperative prognosis to improve the standard specifications of minimally invasive surgery. No clinical intervention will be imposed on participants throughout the whole research.

Tutkimuksen yleiskatsaus

Tila

Ei vielä rekrytointia

Ehdot

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

2000

Yhteystiedot ja paikat

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

Opiskeluyhteys

Nimi: KUNSHAN HE
Puhelinnumero: +86 18500535530
Sähköposti: hekunshan@buaa.edu.cn

Opiskelupaikat

Kiina
- - Beijing, Kiina
    - Institute of Automation, Chinese Academy of Sciences

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

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

This prospective multicenter observational cohort study will enroll a total of 2,000 inpatients undergoing minimally invasive endoscopic, laparoscopic, or robotic surgery across multiple departments and participating medical centers.

Kuvaus

Inclusion Criteria:

Patients aged ≥ 18 years old hospitalized to receive minimally invasive endoscopic, laparoscopic or robotic surgical treatment for diseases of various body systems;
Complete full-length intraoperative surgical videos can be recorded during operation, with complete medical records and preoperative imaging data;
Participants fully understand the study, voluntarily sign written informed consent, and agree that their de-identified intraoperative images and clinical data can be used for scientific research.

Exclusion Criteria:

Minors under 18 years of age;
Patients with incomplete intraoperative videos or missing clinical imaging documents;
Patients with consciousness disturbance or mental disorders who cannot sign informed consent independently;
Subjects who refuse to participate in the study and disapprove the use of their medical data for research;
Patients who are predicted to be unavailable for long-term postoperative follow-up.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus	Aikaikkuna
Completion rate of qualified intraoperative surgical imaging data Aikaikkuna: Immediately after each surgery	Immediately after each surgery

Toissijaiset tulostoimenpiteet

Tulosmittaus	Toimenpiteen kuvaus	Aikaikkuna
Completeness rate of long-term postoperative clinical follow-up Aikaikkuna: 3 months, 1 year, 3 years and 5 years after surgery		3 months, 1 year, 3 years and 5 years after surgery
Reusability rate of annotated key anatomical structures in videos Aikaikkuna: From completion of data warehousing and annotation, the reusability rate will be analyzed within 3 months, assessed up to 3 months after annotation completion.		From completion of data warehousing and annotation, the reusability rate will be analyzed within 3 months, assessed up to 3 months after annotation completion.
Feasibility rate (%) of surgical video dataset applied in different clinical AI research scenarios Aikaikkuna: After full construction of the surgical video dataset, scenario feasibility assessment will be finished within 6 months, assessed up to 6 months after dataset construction.	Three core application scenarios are predefined: 1) training of surgical computer vision AI models; 2) validation of intraoperative surgical recognition algorithms; 3) surgical skill assessment and teaching research. An expert review panel consisting of at least 3 attending surgeons and 2 medical AI researchers independently evaluates whether the dataset has sufficient sample size, annotation completeness and video quality to support each scenario. Feasibility proportion is calculated as: (Number of scenarios the dataset is suitable for / Total predefined scenarios) × 100%.	After full construction of the surgical video dataset, scenario feasibility assessment will be finished within 6 months, assessed up to 6 months after dataset construction.
Accuracy percentage (%) of AI-based surgical procedure identification on annotated surgical videos Aikaikkuna: After completion of data warehousing and annotation, AI surgical procedure identification accuracy testing will be conducted within 3 months, assessed up to 3 months post annotation completion.	After all surgical videos are imported into the data warehouse and manually annotated by experienced surgeons to generate gold-standard procedure labels, the surgical video analysis AI model automatically outputs predicted surgical procedure categories for each video clip. Each AI-predicted label is compared against the manual gold-standard annotation label. Identification accuracy is calculated by the formula: (Number of video clips with correctly predicted surgical procedures / Total number of tested video clips) × 100%.	After completion of data warehousing and annotation, AI surgical procedure identification accuracy testing will be conducted within 3 months, assessed up to 3 months post annotation completion.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Chinese Academy of Sciences

Yhteistyökumppanit

Beihang University

Beijing Digital Precision Medicine Technology Co., Ltd.

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 (Arvioitu)

Lauantai 1. elokuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Torstai 31. heinäkuuta 2031

Opintojen valmistuminen (Arvioitu)

Lauantai 31. heinäkuuta 2032

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 31. heinäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 5. elokuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Perjantai 7. elokuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)