Intelligence artificielle dans l'EUS pour diagnostiquer les lésions pancréatiques solides
2 avril 2024 mis à jour par: Bin Cheng, Huazhong University of Science and Technology
Utilisation de l'intelligence artificielle pour le développement d'un modèle de réseau de neurones à convolution EUS formé pour différencier le cancer du pancréas des autres lésions pancréatiques solides
Notre objectif est de développer un modèle EUS-AI qui peut faciliter le diagnostic clinique en analysant les images EUS et les paramètres cliniques des patients.
Aperçu de l'étude
Statut
Complété
Les conditions
Intervention / Traitement
Description détaillée
L'EUS est considérée comme une modalité plus sensible que la TDM dans la détection des lésions pancréatiques solides en raison de sa haute résolution spatiale.
Cependant, la performance diagnostique est largement dépendante de l'expérience et des capacités techniques des praticiens.
Par conséquent, nous visons à développer un modèle de diagnostic objectif EUS basé sur le réseau neuronal convolutif, une technique d'intelligence artificielle.
De plus, des paramètres cliniques tels que les facteurs de risque, les biomarqueurs tumoraux et les résultats radiologiques sont également ajoutés à ce modèle d'intelligence artificielle afin d'imiter les procédures de diagnostic clinique réelles et d'augmenter les performances de ce modèle.
Type d'étude
Observationnel
Inscription (Réel)
130
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
Hubei
-
Wuhan, Hubei, Chine, 430030
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
18 ans et plus (Adulte, Adulte plus âgé)
Accepte les volontaires sains
Non
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
La cohorte sera sélectionnée à partir de l'hôpital Tongji, Tongji Medical College, HUST.
La description
Critère d'intégration:
- Patients ayant subi une EUS à l'aide d'un échoendoscope à ligne courbe (GF-UCT260 ; Olympus Medical Systems) depuis 2014 dans notre affiliation.
- Pour chaque patient, toutes les images EUS natives disponibles sont incluses.
- Les diagnostics des patients sont validés par les résultats chirurgicaux ou les résultats de la ponction à l'aiguille fine (FNA) et ont une évolution clinique compatible avec une période de suivi de plus de 6 mois.
Critère d'exclusion:
- L'image est de mauvaise qualité.
- Les images contiennent des marques uniques qui peuvent potentiellement biaiser le modèle, comme l'aiguille de biopsie.
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Pancréas-EUS
Les patients depuis 2014 avec des images EUS de pancréas normaux ou de lésions pancréatiques solides ont été inclus dans cette cohorte.
|
Le sous-ensemble de test (environ 20 % du nombre total de patients) est réservé à l'évaluation finale du modèle EUS-AI.
Les paramètres cliniques et les images EUS de chaque patient du sous-ensemble de test seront entrés dans le modèle EUS-AI formé, et le diagnostic le plus possible sera donné par le modèle.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
La capacité du modèle à différencier le cancer du pancréas des autres lésions pancréatiques solides
Délai: Une fois le processus de formation du modèle EUS-AI terminé
|
Les analyses des caractéristiques de fonctionnement du récepteur (ROC), la sensibilité, la spécificité, la précision, la valeur prédictive positive et la valeur prédictive négative seront utilisées pour évaluer l'efficacité du modèle.
|
Une fois le processus de formation du modèle EUS-AI terminé
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
La capacité du modèle à spécifier les lésions pancréatiques solides telles que le cancer du pancréas, le CP, l'AIP et le NET
Délai: Une fois le processus de formation du modèle EUS-AI terminé
|
Les analyses des caractéristiques de fonctionnement du récepteur (ROC), la sensibilité, la spécificité, la précision, la valeur prédictive positive et la valeur prédictive négative seront utilisées pour évaluer l'efficacité du modèle.
|
Une fois le processus de formation du modèle EUS-AI terminé
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
1 juillet 2022
Achèvement primaire (Réel)
30 juin 2023
Achèvement de l'étude (Réel)
24 janvier 2024
Dates d'inscription aux études
Première soumission
25 juillet 2022
Première soumission répondant aux critères de contrôle qualité
25 juillet 2022
Première publication (Réel)
27 juillet 2022
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
3 avril 2024
Dernière mise à jour soumise répondant aux critères de contrôle qualité
2 avril 2024
Dernière vérification
1 avril 2024
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
- Maladies du système digestif
- Processus pathologiques
- Maladies du système immunitaire
- Tumeurs par type histologique
- Tumeurs
- Maladies auto-immunes
- Attributs de la maladie
- Tumeurs neuroectodermiques
- Tumeurs, cellules germinales et embryonnaires
- Tumeurs, tissu nerveux
- Maladies pancréatiques
- Maladie chronique
- Pancréatite
- Pancréatite chronique
- Tumeurs neuroendocrines
- Pancréatite auto-immune
Autres numéros d'identification d'étude
- EUS-AI 2022
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
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 .