- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT05459610
A bélmetaplasia mértékének automatikus értékelése mesterséges intelligenciával
2022. július 14. frissítette: Yanqing Li, Shandong University
Mesterséges intelligencia rendszer kifejlesztése és validálása a bélmetaplasia mértékének automatikus értékelésére
A gyomor-bél metaplázia (GIM) a gyomorrák (GC) fontos szakasza.
A kép-javított endoszkópia (IEE) technikai fejlődésével a vizsgálatok kimutatták, hogy az IEE nagy pontossággal rendelkezik a GIM diagnózisában.
Az endoszkópos osztályozási rendszer (EGGIM), egy új endoszkópos kockázatpontozási rendszer a GC-hez, kimutatták, hogy pontosan azonosítja a GIM-ben szenvedő betegek széles körét.
Azonban a GIM nagy diagnosztikai pontossága az IEE- és az EGGIM-értékelések segítségével, mind sok tapasztalatot igényel, ami korlátozza az EGGIM alkalmazását.
A kutatók célja egy számítógépes diagnosztikai program tervezése mély neurális hálózat segítségével, amely automatikusan értékeli az IM kiterjedését és kiszámítja az EGGIM pontszámokat.
A tanulmány áttekintése
Állapot
Toborzás
Részletes leírás
Világszerte a gyomorrák az ötödik legelterjedtebb rosszindulatú daganat és a rákos halálozás harmadik vezető oka.
A gyomor-bél metaplázia (GIM) a gyomorrák-kaszkád köztes rákmegelőző gyomorkárosodása.
Tanulmányok kimutatták, hogy a gyomorrák 5 éves kumulatív incidenciája IM betegeknél 5,3% és 9,8% között mozog.
A kép-javított endoszkópia (IEE) technikai fejlődésével a vizsgálatok kimutatták, hogy az IEE nagy pontossággal rendelkezik a GIM diagnózisában.
Az endoszkópos osztályozási rendszer (EGGIM), egy új endoszkópos kockázatpontozási rendszer a GC-hez, kimutatták, hogy pontosan azonosítja a GIM-ben szenvedő betegek széles körét.
Azonban a GIM nagy diagnosztikai pontossága az IEE- és EGGIM-értékelések segítségével, mind sok tapasztalatot igényel, ami korlátozza az EGGIM alkalmazását.
A kutatók célja egy számítógépes diagnosztikai program tervezése mély neurális hálózat segítségével, amely automatikusan értékeli az IM kiterjedését és kiszámítja az EGGIM pontszámokat.
Tanulmány típusa
Megfigyelő
Beiratkozás (Várható)
600
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Shandong
-
Jinan, Shandong, Kína, 250012
- Toborzás
- Department of Gastrology, QiLu Hospital, Shandong 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 (Felnőtt, Idősebb felnőtt)
Egészséges önkénteseket fogad
Nem
Tanulmányozható nemek
Összes
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
A Shandong Egyetem Qilu Kórházában az IEE vizsgálaton átesett és szűrésen átesett, egymást követő betegeket bevonják a vizsgálatba.
Leírás
Bevételi kritériumok:
- IEE vizsgálaton átesett 18-80 éves betegek
Kizárási kritériumok:
- súlyos szív-, agy-, tüdő- vagy veseműködési zavarban vagy pszichiátriai rendellenességben szenvedő betegek, akik nem vehetnek részt gasztroszkópiában
- olyan betegek, akik korábban gyomorsebészeti beavatkozást végeztek
- betegek, akik megtagadják a beleegyező nyilatkozat aláírását
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
- Megfigyelési modellek: Egyéb
- Időperspektívák: Visszatekintő
Kohorszok és beavatkozások
Csoport / Kohorsz |
---|
csoport az algoritmus betanításához
Ez a képcsoport a mesterséges intelligencia algoritmusának képzésére szolgál
|
csoport az algoritmus tesztelésére
Ez a képcsoport a mesterséges intelligencia algoritmusának tesztelésére szolgál
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
---|---|---|
Az AI-modell specifitása az intestinalis metaplasia mértékének felmérésére endoszkópos képen
Időkeret: 2 év
|
Az AI-modell specifitása az intestinalis metaplasia mértékének felmérésére endoszkópos képen
|
2 év
|
Az AI modell pontossága az intestinalis metaplasia mértékének felmérésére endoszkópos képen
Időkeret: 2 év
|
Az AI modell pontossága az intestinalis metaplasia mértékének felmérésére endoszkópos képen
|
2 év
|
Az AI modell érzékenysége az intestinalis metaplasia mértékének felmérésére endoszkópos képen
Időkeret: 2 év
|
Az AI modell érzékenysége az intestinalis metaplasia mértékének felmérésére egy
|
2 év
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
---|---|---|
A tapasztalt endoszkóposok pontossága az intestinalis metaplasia mértékének felmérésére
Időkeret: 2 év
|
A tapasztalt endoszkóposok pontossága az intestinalis metaplasia mértékének felmérésére endoszkópos képen
|
2 év
|
A tapasztalatlan endoszkóposok pontossága az intestinalis metaplasia mértékének felmérésére
Időkeret: 2 év
|
A tapasztalatlan endoszkóposok pontossága az intestinalis metaplasia mértékének endoszkópos képen történő felmérésére
|
2 év
|
Megfigyelők közötti egyetértés tapasztalt endoszkóposok között az intestinalis metaplasia mértékének meghatározásában
Időkeret: 2 év
|
Megfigyelők közötti egyetértés tapasztalt endoszkóposok között az intestinalis metaplasia mértékének meghatározásában endoszkópos képen
|
2 év
|
Megfigyelők közötti egyetértés a tapasztalatlan endoszkóposok között az intestinalis metaplasia mértékének meghatározásában
Időkeret: 2 év
|
Megfigyelők közötti egyetértés a tapasztalatlan endoszkóposok között a bél metaplázia mértékének endoszkópos képen történő azonosításában
|
2 év
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
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)
2022. július 1.
Elsődleges befejezés (Várható)
2023. december 30.
A tanulmány befejezése (Várható)
2023. december 30.
Tanulmányi regisztráció dátumai
Először benyújtva
2022. július 8.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2022. július 14.
Első közzététel (Tényleges)
2022. július 15.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2022. július 15.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2022. július 14.
Utolsó ellenőrzés
2022. július 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- 2022SDU-QILU-109
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. .