- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04425941
Étude sur l'intelligence artificielle des polypes
Prédiction de l'histologie des polypes colorectaux basée sur l'intelligence artificielle à l'aide de l'imagerie à bande étroite grossissant la coloscopie
Contexte Nous développons une méthode de prédiction de l'histologie des polypes basée sur l'intelligence artificielle (AIPHP) pour classer automatiquement les images de coloscopie grossissante d'imagerie à bande étroite (NBI) afin de prédire l'histologie non néoplasique ou néoplasique des polypes.
Objectif Notre objectif était d'analyser la précision des prédictions histologiques basées sur les classifications AIPHP et NICE et également de comparer les résultats des deux méthodes.
Méthodes Nous avons examiné les polypes colorectaux obtenus à partir de patients coloscopie qui avaient subi une polypectomie ou une mucosectomie endoscopique. Les polypes détectés par coloscopie en lumière blanche ont ensuite été observés en utilisant le NBI au maximum optique magnifique (60x). Les images agrandies NBI obtenues et stockées ont été analysées par la classification NICE et par la méthode AIPHP en parallèle. Les examens pathologiques ont également été effectués en aveugle du diagnostic NICE et AIPHP. Notre logiciel AIPHP est basé sur une méthode d'apprentissage automatique. Ce programme mesure cinq caractéristiques géométriques et de couleur sur l'image endoscopique.
Aperçu de l'étude
Statut
Intervention / Traitement
Type d'étude
Inscription (Réel)
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- diagnostic endoscopique du polype colorectal
Critère d'exclusion:
- résultat de la coloscopie sans polypes ni diagnostic de MICI
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 du logiciel de prédiction de l'histologie des polypes
Délai: 2014-2020
|
Diagnostic logiciel d'intelligence artificielle par rapport à l'histologie des polypes
|
2014-2020
|
Collaborateurs et enquêteurs
Parrainer
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
- PetzACTHospital
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 .
Essais cliniques sur diagnostic intelligence artificielle
-
Sansum Diabetes Research InstituteJuvenile Diabetes Research FoundationComplétéDiabète sucré de type 1États-Unis
-
Stefanie KnoppErasmus Medical Center; Leiden University Medical Center; Natural History Museum... et autres collaborateursComplétéSchistosoma HaematobiumTanzanie