Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Multimodális endoszkópos képfúzió a felületes nyelőcső laphámsejtes karcinóma infiltrációjának felmérésére

2024. május 10. frissítette: Changhai Hospital

Multimodális endoszkópián és gyengén felügyelt mély tanuláson – korai nyelőcső laphámsejtes karcinóma infiltrációs mélységű, precíz előrejelző vizsgálaton alapul

A projekt célja egy új protokoll úttörője a korai stádiumú nyelőcsőrák és annak rákmegelőző elváltozásainak kiegészítő szűrésének. A várható eredmények közé tartozik a felhasználók képzési folyamatának egyszerűsítése, a vizsgálatok időtartamának lerövidítése, valamint a nyelőcsőrák invázió mértékének pontosabb felmérése, mint ami az ultrahangos technológiával jelenleg lehetséges. Ez a kutatás arra törekszik, hogy kihasználja az endoszkópos ultrahang (EUS) és a nagyító endoszkópia szinergiáját, amelyet a mesterséges intelligencia (AI) mintázatfelismerő és korrelációs képességei egészítenek ki, a korai nyelőcső laphámsejtes karcinóma és annak invazivitásának, valamint a magas fokú intraepiteliális neoplasia kimutatására. . Az átfogó cél ennek a megközelítésnek a lehetőségeinek és jelentőségének megállapítása a nyelőcsőrák korai felismerésében.

A projekt elsődleges célja három különböző, mesterséges intelligencia által támogatott diagnosztikai rendszer kifejlesztése:

AI által vezérelt elektronikus endoszkópos diagnosztikai rendszer, amelyet a sérülések autonóm azonosítására terveztek.

AI-alapú EUS diagnosztikai rendszer, amely képes automatikusan behatárolni az érintett területeket.

Multimodális diagnosztikai keretrendszer, amely integrálja az elektronikus endoszkópiát az EUS-sel a diagnosztikai pontosság és hatékonyság növelése érdekében.

A tanulmány áttekintése

Részletes leírás

A vizsgálatot két különálló szakaszban végezték el. A kezdeti szakasz, amelyet modellezési fázisnak (1. fázis) jelöltek meg, az egészségügyi intézmények konzorciumából származó jogosult alanyok retrospektív elemzését foglalta magában, beleértve a Haditengerészeti Orvostudományi Egyetem első társkórházát, a Szecsuáni Egyetem Nyugat-Kínai Kórházát és a Shandonghoz kapcsolódó Tartományi Kórházat. Az Első Orvostudományi Egyetem, a Soochow Egyetem Első Társult Kórháza, a Henan Tudományos és Technológiai Egyetem Első Társult Kórháza és a Shihezi Egyetem Első Társult Kórháza, amelyeket 2024. január 1-je előtt választottak ki. A második fázis, az úgynevezett valós kiértékelési szakasz (2. fázis), előretekintően olyan egymást követő betegeket vontak be, akiket 2024 áprilisa és 2024 júniusa között magnometrikus endoszkópiára és EUS-re terveztek a fent említett kórházakban.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

450

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányi helyek

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

  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

N/A

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

A vizsgálat két szakaszban zajlott. A kezdeti szakasz a modellezési szakasz volt (az első szakasz), amelyben hat kórház betegei vettek részt, köztük a Tengerészeti Orvostudományi Egyetem First Affiliated Hospital, 2024. január 1. előtt. A második fázis, az úgynevezett valós kiértékelési fázis (2. fázis), leendő, egymást követő betegeket vontak be a fent említett kórházakban 2024 áprilisa és júniusa között nagyító endoszkópiára és EUS-re.

Leírás

Bevételi kritériumok:

Nagyító endoszkópiát és endoszkópos ultrahangot igénylő betegek. Bármelyik nemű, 18 éves vagy idősebb személyek.

Kizárási kritériumok:

Képtelenség a nyelőcső elektronikus endoszkópiájának befejezésére. Biopszia vagy műtét hiánya, ami elérhetetlen patológiás eredményeket eredményez. Azok a betegek, akik endoszkópos léziódestrukción vagy darabos reszekción estek át, megakadályozva az en bloc reszekciós minta beszerzését.

Előrehaladott nyelőcsőrák jelentős endoszkópos, képalkotó vagy patológiás bizonyítékaival rendelkező betegek.

Jelentős nyelőcsőszűkülettel vagy -tágulattal rendelkező betegek. Olyan személyek, akiknek a kórtörténetében más rosszindulatú daganatok szerepelnek. Neoadjuváns sugárterápiában részesült betegek. Azok a betegek, akik megtagadták a vizsgálatban való részvételt, és nem adtak beleegyező nyilatkozatot.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
A nyelőcső laphámjának alacsony fokú intraepiteliális neopláziája
A megszerzett nagyító endoszkópos és endoszkópos ultrahangos képeket megosztottuk a mesterséges intelligenciával gépi tanulás, diagnosztikai modellezés és optimalizálás céljából. A valós világban végzett értékelési szakaszban a korai nyelőcsőrák magas kockázatú populációját, akik nyelőcső elektronikus endoszkópiát terveztek, leendőleg bevonták. A mesterséges intelligencia által támogatott diagnosztikai rendszert a műtét előtti előrejelzésre, a posztoperatív patológiai eredményeket pedig aranystandardként használták a csoportosítással történő diagnosztizáláshoz.
A nyelőcső laphám magas fokú intraepiteliális neopláziája
A megszerzett nagyító endoszkópos és endoszkópos ultrahangos képeket megosztottuk a mesterséges intelligenciával gépi tanulás, diagnosztikai modellezés és optimalizálás céljából. A valós világban végzett értékelési szakaszban a korai nyelőcsőrák magas kockázatú populációját, akik nyelőcső elektronikus endoszkópiát terveztek, leendőleg bevonták. A mesterséges intelligencia által támogatott diagnosztikai rendszert a műtét előtti előrejelzésre, a posztoperatív patológiai eredményeket pedig aranystandardként használták a csoportosítással történő diagnosztizáláshoz.
T1a stádiumú nyelőcső laphámsejtes karcinóma
A megszerzett nagyító endoszkópos és endoszkópos ultrahangos képeket megosztottuk a mesterséges intelligenciával gépi tanulás, diagnosztikai modellezés és optimalizálás céljából. A valós világban végzett értékelési szakaszban a korai nyelőcsőrák magas kockázatú populációját, akik nyelőcső elektronikus endoszkópiát terveztek, leendőleg bevonták. A mesterséges intelligencia által támogatott diagnosztikai rendszert a műtét előtti előrejelzésre, a posztoperatív patológiai eredményeket pedig aranystandardként használták a csoportosítással történő diagnosztizáláshoz.
T1b stádiumú nyelőcső laphámsejtes karcinóma
A megszerzett nagyító endoszkópos és endoszkópos ultrahangos képeket megosztottuk a mesterséges intelligenciával gépi tanulás, diagnosztikai modellezés és optimalizálás céljából. A valós világban végzett értékelési szakaszban a korai nyelőcsőrák magas kockázatú populációját, akik nyelőcső elektronikus endoszkópiát terveztek, leendőleg bevonták. A mesterséges intelligencia által támogatott diagnosztikai rendszert a műtét előtti előrejelzésre, a posztoperatív patológiai eredményeket pedig aranystandardként használták a csoportosítással történő diagnosztizáláshoz.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Alacsony fokú intraepiteliális neoplázia, magas fokú intraepiteliális neoplázia és felületes nyelőcső laphámsugaras karcinóma diagnosztizálására szolgáló modellek teljesítménye
Időkeret: 2024.04.01-2024.10.30
Endoszkópos submucosalis dissection (ESD) az arany standard. Az érzékenység és a specificitás kiszámítása négy alapvető mérőszámot foglal magában: igaz pozitív (TP), valódi negatív (TN), hamis negatív (FN) és hamis pozitív (FP). Ezt követően a görbe alatti területet (AUC) használják a modell diagnosztikai hatékonyságának értékelésére.
2024.04.01-2024.10.30

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

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 (Becsült)

2024. május 15.

Elsődleges befejezés (Becsült)

2024. augusztus 30.

A tanulmány befejezése (Becsült)

2024. október 30.

Tanulmányi regisztráció dátumai

Először benyújtva

2024. május 6.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2024. május 10.

Első közzététel (Tényleges)

2024. május 14.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2024. május 14.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. május 10.

Utolsó ellenőrzés

2024. május 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

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. .

Iratkozz fel