Multicentrikus validációs tanulmány a mesterséges intelligencia által támogatott rendszer pontosságáról az emésztő endoszkópia klinikai alkalmazásában
2021. január 7. frissítette: Renmin Hospital of Wuhan University
Ez egy mesterséges intelligencia alapú optikai mesterséges intelligencia által támogatott rendszer, amely segítheti az endoszkóposokat az endoszkópia minőségének javításában.
A tanulmány áttekintése
Állapot
Aktív, nem toborzó
Beavatkozás / kezelés
Részletes leírás
Az endoszkópos diagnosztika és kezelés fontos szerepet játszik a gyomor-bélrendszeri betegségek feltárásában és kezelésében.Az endoszkópos vizsgálatok számának rohamos növekedésével az endoszkóposok leterheltsége tovább növekszik.A nagy munkaterhelés csökkenti az endoszkópia minőségét, ami hiányos lefedettséghez és hiányos kimutatáshoz vezet. Az elváltozások számának rohamos növekedésével az endoszkóposok leterheltsége tovább növekszik.A nagy munkaterhelés rontja az endoszkópia minőségét, ami hiányos lefedettséghez és az elváltozások hiányos kimutatásához vezet.Ezért mély tanulási és egyéb mesterséges intelligencia módszerek végrehajtása jó tudományos kutatásokkal és gyakorlati értékkel rendelkezik az endoszkópos diagnosztika és kezelés minőségének javításában. A mesterséges intelligencia eszközök kutatása és fejlesztése, tesztelése és funkcionális értékelése nagyszámú endoszkópos képet kell, hogy használjon, és ezzel egyidejűleg a hatékonyság és a biztonság A mesterséges intelligencia eszközöket különböző kórházakban és környezetben kell igazolni. Kutatócsoportunk ennek alapján kíván endoszkópos képadatokat gyűjteni különböző kórházakból a modell betanítása és validálása céljából.
Tanulmány típusa
Megfigyelő
Beiratkozás (Várható)
10000
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Hubei
-
Wuhan, Hubei, Kína, 430000
- Renmin Hospital of Wuhan University
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
18 év és régebbi (FELNŐTT, OLDER_ADULT)
Egészséges önkénteseket fogad
N/A
Tanulmányozható nemek
Összes
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
Azok a betegek, akik megfelelnek az endoszkópos vizsgálat felvételi feltételeinek.
Leírás
Bevételi kritériumok:
- 18 éves vagy idősebb férfi vagy nő;
- az emésztőrendszeri betegségek jellemzőinek további tisztázása érdekében endoszkópiát és kapcsolódó vizsgálatokat kell végezni;
- el tudja olvasni, megérteni és aláírni a tájékozott hozzájárulást;
- a kutató úgy véli, hogy az alany megérti a klinikai vizsgálat folyamatát, hajlandó és képes az összes vizsgálati eljárást és utólagos látogatást elvégezni, és együttműködni a vizsgálati eljárásokban;
Kizárási kritériumok:
- részt vett más klinikai vizsgálatokban, aláírta a beleegyező nyilatkozatot, és részt vett más klinikai vizsgálatok nyomon követési időszakában;
- kábítószerrel vagy alkohollal való visszaélés vagy pszichés zavar az elmúlt 5 évben;
- terhes vagy szoptató nők;
- olyan alanyok, akiknek a kórtörténetében gyomor-bélrendszeri műtét szerepel;
- a kutató úgy ítéli meg, hogy az alany nem alkalmas endoszkópiára és kapcsolódó vizsgálatra;
- magas kockázatú betegségek vagy egyéb különleges állapotok, amelyeket a vizsgáló nem tart megfelelőnek ahhoz, hogy az alany részt vegyen a klinikai vizsgálatban.
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Pontosság
Időkeret: 2020.1.12-2023.12.31
|
Számítsa ki az AI képekkel és videókkal kapcsolatos megítélésének pontosságát.
A pontosság a következő:
|
2020.1.12-2023.12.31
|
|
Érzékenység
Időkeret: 2020.1.12-2023.12.31
|
Számítsa ki a mesterséges intelligencia megítélésének érzékenységét a képekre és videókra vonatkozóan.
Az érzékenység: a ténylegesen pozitív mintában az az arány, amelyet pozitívnak ítél (például a valóban beteg személynél azt az arányt ítéli meg, akit a kórház betegnek ítél meg), számítási mód az az arány, igaz pozitív osztja igaz pozitív hozzá hamis negatív (légy valójában pozitív, de a bíró negatív).
|
2020.1.12-2023.12.31
|
|
Specificitás
Időkeret: 2020.1.12-2023.12.31
|
Számítsa ki az AI képekkel és videókkal kapcsolatos megítélésének specifikusságát.
Specifikusság: a ténylegesen negatív mintákban a negatívnak ítéltek arányát (például a ténylegesen nem betegek arányát, akiket nem betegnek ítél meg a kórház) a igaz negatív osztva a valódi negatív + hamis pozitív (valójában negatív, de pozitívnak ítélve).
|
2020.1.12-2023.12.31
|
|
Pozitív prediktív érték (PPV)
Időkeret: 2020.1.12-2023.12.31
|
A pozitív teszteredményekben a valódi pozitív emberek százalékos aránya azt jelzi, hogy a pozitív teszteredmények milyen valószínűséggel tartoznak a valódi esetekhez.
|
2020.1.12-2023.12.31
|
|
Negatív prediktív érték (NPV)
Időkeret: 2020.1.12-2023.12.31
|
A valódi negatív és negatív teszteredmények százalékos aránya jelzi annak valószínűségét, hogy a negatív teszteredmények nem esetek.
|
2020.1.12-2023.12.31
|
|
Vevő működési jellemzői (ROC) görbe
Időkeret: 2020.1.12-2023.12.31
|
1. definíció: Az alany működési jelleggörbéje egy koordináta-gráf, amely vízszintes tengelyként hamis pozitív arányból és függőleges tengelyként a valódi pozitív arányból, valamint az alany által meghatározott ingerkörülmények között a különböző megítélési kritériumok miatt rajzolt görbéből áll. A 2. definíció:ROC görbéket úgy hoztuk létre, hogy a valódi pozitív esetek (érzékenység) arányát a hamis pozitív esetek arányával (1-specifikusság) ábrázoltuk, a prediktív valószínűségi küszöb változtatásával. |
2020.1.12-2023.12.31
|
|
Görbe alatti terület (AUC)
Időkeret: 2020.1.12-2023.12.31
|
Számítsa ki az AI vevő működési karakterisztika (ROC) görbéje alatti területet.
|
2020.1.12-2023.12.31
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
átlagos átlagos pontosság (mAP)
Időkeret: 2020.1.12-2023.12.31
|
A mAP az átlagos pontosság küszöbértékét állítja be, és 1-et vagy 0-t vesz, majd az átlagos pontosság összegének átlagát osztja el az értékek számával.
|
2020.1.12-2023.12.31
|
|
Sørensen-Dice együttható (F1 pontszám)
Időkeret: 2020.1.12-2023.12.31
|
A Sørensen-Dice együttható két minta hasonlóságának mérésére szolgáló statisztika.
Az F1 pontszám a modell pontosságának és felidézésének súlyozott átlaga.
|
2020.1.12-2023.12.31
|
|
Visszahívási arány
Időkeret: 2020.1.12-2023.12.31
|
Az előre jelzett párok pozitív példáinak százalékos aránya az előre jelzett párok összes mintájában (beleértve a helyes előre jelzett pozitív példákat és a helyes előre jelzett negatív példákat).
|
2020.1.12-2023.12.31
|
|
Pozitív valószínűségi arány
Időkeret: 2020.1.12-2023.12.31
|
2020.1.12-2023.12.31
|
|
|
Negatív valószínűségi arány
Időkeret: 2020.1.12-2023.12.31
|
2020.1.12-2023.12.31
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Nyomozók
- Tanulmányi igazgató: Yu Honggang, MD, Wuhan University Renmin Hospital
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (TÉNYLEGES)
2020. január 1.
Elsődleges befejezés (VÁRHATÓ)
2025. december 31.
A tanulmány befejezése (VÁRHATÓ)
2025. december 31.
Tanulmányi regisztráció dátumai
Először benyújtva
2020. január 14.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2020. január 14.
Első közzététel (TÉNYLEGES)
2020. január 18.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (TÉNYLEGES)
2021. január 8.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2021. január 7.
Utolsó ellenőrzés
2021. január 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- EA-19-006
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .