Étude sur l'efficacité du contrôle de la qualité du fonctionnement des gastroscopes basée sur la technologie de l'intelligence artificielle
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
La gastroscopie joue un rôle important dans la détection et le diagnostic des maladies gastro-intestinales supérieures. Il est nécessaire que les endoscopistes opèrent le gastroscope selon le processus standardisé, afin d'éviter de manquer des lésions précoces. Cependant, avec l'augmentation rapide du nombre d'endoscopies, la charge de travail des endoscopistes augmente encore. Une charge de travail élevée réduit la qualité de l'endoscopie, ce qui entraîne une observation incomplète de parties anatomiques faciles à manquer lors du processus de gastroscopie. Il existe des différences significatives dans le niveau de fonctionnement des différents endoscopistes. Par conséquent, la mise en œuvre de méthodes d'intelligence artificielle a une bonne recherche académique et une valeur pratique pour améliorer la qualité du diagnostic et du traitement endoscopiques.
Les dispositifs d'intelligence artificielle doivent utiliser un grand nombre d'images endoscopiques, sur cette base, nous avons l'intention de collecter des données d'images endoscopiques de nos hôpitaux pour la formation et la validation du modèle.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
Haidian
-
Beijing, Haidian, Chine, 100142
- Beijing Cancer Hospital
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Patients âgés de 18 ans ou plus subissant une gastroscopie ;
- Être capable de lire, comprendre et signer un consentement éclairé；
Critère d'exclusion:
- Patients présentant des contre-indications absolues à l'examen endoscopique ;
- femmes enceintes;
- antécédents de chirurgie gastrique ;
- le chercheur considère que le sujet ne se prête pas à un essai clinique.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision
Délai: 2020.2.22-2020.7.1
|
Calculer la précision du jugement de l'IA sur les images
|
2020.2.22-2020.7.1
|
|
Sensibilité
Délai: 2020.2.22-2020.7.1
|
nombre d'images dans lesquelles l'IA a correctement diagnostiqué un résultat positif/toutes les images avec un résultat positif
|
2020.2.22-2020.7.1
|
|
Spécificité
Délai: 2020.2.22-2020.7.1
|
nombre d'images dans lesquelles l'IA a correctement diagnostiqué négatif/toutes les images négatives
|
2020.2.22-2020.7.1
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chaise d'étude: Qi Wu, MD., Peking University Cancer Hospital & Institute
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- PX2020047
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .