Algoritmo di Deep Learning per la Diagnosi delle Malattie Gastrointestinali
14 febbraio 2020 aggiornato da: Xiuli Zuo, Shandong University
Sviluppo e validazione di un algoritmo di deep learning per la diagnosi delle malattie gastrointestinali
Lo scopo di questo studio è sviluppare e convalidare un algoritmo di deep learning per la diagnosi delle malattie gastrointestinali.
Quindi, valutare l'accuratezza di questo nuovo sistema di riconoscimento assistito da intelligenza artificiale (AI) nella pratica clinica.
Panoramica dello studio
Stato
Sconosciuto
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Recentemente, l'algoritmo di deep learning basato su reti neurali centrali (CNN) ha mostrato molteplici potenzialità nel rilevamento assistito da computer e nella diagnosi assistita da computer delle lesioni gastrointestinali.
Tuttavia, c'è ancora un vuoto nel riconoscimento di tutte le malattie gastrointestinali.
Questo studio mira a sviluppare e validare un algoritmo di deep learning per la diagnosi delle malattie gastrointestinali.
Quindi, valutare l'accuratezza di questo nuovo sistema di riconoscimento assistito da intelligenza artificiale (AI) nella pratica clinica.
Tipo di studio
Interventistico
Iscrizione (Anticipato)
100000
Fase
- Non applicabile
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Shandong
-
Jinan, Shandong, Cina, 250012
- Reclutamento
- Qilu Hospital, Shandong University
-
Contatto:
- Xiuli Zuo, PhD
- Numero di telefono: 053188369277 15588818685
- Email: zuoxiuli@sdu.edu.cn
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
18 anni e precedenti (Adulto, Adulto più anziano)
Accetta volontari sani
No
Sessi ammissibili allo studio
Tutto
Descrizione
Criterio di inclusione:
- I partecipanti, di età pari o superiore a 18 anni, che non avevano avuto una precedente endoscopia sono stati recuperati da tutti gli ospedali partecipanti.
Criteri di esclusione:
-
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Diagnostico
- Assegnazione: N / A
- Modello interventistico: Assegnazione di gruppo singolo
- Mascheramento: Nessuno (etichetta aperta)
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Sperimentale: AI monitoraggio dell'endoscopia gastrointestinale
Dopo aver ricevuto il regime di preparazione standard, i pazienti vengono sottoposti a colonscopia o gastroscopia sotto il dispositivo di monitoraggio AI.
L'intera procedura è monitorata dal sistema di riconoscimento associato AI.
Le malattie gastrointestinali saranno rilevate e diagnosticate in cui il dispositivo AI catturerà automaticamente le immagini pertinenti e riporterà il sito di ciascun segmento sullo schermo.
L'analisi istologica è impostata come standard aureo.
Quindi tutte le immagini catturate dall'intelligenza artificiale verranno esaminate da un gruppo umano, composto da tre a cinque medici endoscopici esperti.
|
Dopo aver ricevuto il regime di preparazione standard, i pazienti vengono sottoposti a colonscopia o gastroscopia sotto il dispositivo di monitoraggio AI.
L'intera procedura è monitorata dal sistema di riconoscimento associato AI.
Le malattie gastrointestinali saranno rilevate e diagnosticate in cui il dispositivo AI catturerà automaticamente le immagini pertinenti e riporterà il sito di ciascun segmento sullo schermo.
L'analisi istologica è impostata come standard aureo.
Quindi tutte le immagini catturate dall'intelligenza artificiale verranno esaminate da un gruppo umano, composto da tre a cinque medici endoscopici esperti.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
L'accuratezza diagnostica delle malattie gastrointestinali con algoritmo di deep learning.
Lasso di tempo: 1 mese
|
L'accuratezza diagnostica delle malattie gastrointestinali con algoritmo di deep learning.
|
1 mese
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
La sensibilità diagnostica delle malattie gastrointestinali con algoritmo di deep learning.
Lasso di tempo: 1 mese
|
La sensibilità diagnostica delle malattie gastrointestinali con algoritmo di deep learning.
|
1 mese
|
|
La specificità diagnostica delle malattie gastrointestinali con algoritmo di deep learning.
Lasso di tempo: 1 mese
|
La specificità diagnostica delle malattie gastrointestinali con algoritmo di deep learning.
|
1 mese
|
|
Il valore predittivo positivo diagnostico delle malattie gastrointestinali con algoritmo di deep learning.
Lasso di tempo: 1 mese
|
La specificità diagnostica delle malattie gastrointestinali con algoritmo di deep learning.
|
1 mese
|
|
Il valore diagnostico predittivo negativo delle malattie gastrointestinali con algoritmo di deep learning.
Lasso di tempo: 1 mese
|
La specificità diagnostica delle malattie gastrointestinali con algoritmo di deep learning.
|
1 mese
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
1 gennaio 2020
Completamento primario (Anticipato)
1 febbraio 2020
Completamento dello studio (Anticipato)
1 febbraio 2020
Date di iscrizione allo studio
Primo inviato
7 gennaio 2020
Primo inviato che soddisfa i criteri di controllo qualità
7 gennaio 2020
Primo Inserito (Effettivo)
10 gennaio 2020
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
18 febbraio 2020
Ultimo aggiornamento inviato che soddisfa i criteri QC
14 febbraio 2020
Ultimo verificato
1 febbraio 2020
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 2019-SDU-QILU-G710
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
prodotto fabbricato ed esportato dagli Stati Uniti
No
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .