Punteggio Mayo della colite ulcerosa con l'intelligenza artificiale
14 aprile 2022 aggiornato da: Yanling Wei, Third Military Medical University
Ricerca sul sistema di riconoscimento del punteggio Mayo basato sull'intelligenza artificiale per il grado di attività della malattia della colite ulcerosa sotto endoscopia digestiva
Questo progetto utilizzerà il deep learning per classificare le immagini colonscopiche di diversa gravità della colite ulcerosa, in modo da assistere i medici nella diagnosi accurata della colite ulcerosa.
Panoramica dello studio
Stato
Non ancora reclutamento
Condizioni
Descrizione dettagliata
In questo progetto, l'intelligenza artificiale è stata utilizzata per ottenere immagini colonscopiche di pazienti con colite ulcerosa con diversi livelli di attività della malattia e classificarle in base al punteggio Mayo standard di valutazione per assistere gli endoscopisti nell'identificazione dei livelli di attività della malattia dei pazienti con colite ulcerosa durante la colonscopia.
Può aiutare gli endoscopisti clinici a identificare con precisione e la tecnologia di visualizzazione della mappa di risposta della categoria di intelligenza artificiale può visualizzare in modo completo le aree con elevata importanza per i risultati della classificazione della rete profonda e visualizzare i siti delle lesioni sperimentali, verificando così efficacemente l'affidabilità e l'interpretabilità della rete profonda .
Questo studio può fornire un forte supporto per l'identificazione accurata dell'attività della malattia nella colite ulcerosa clinica, ridurre efficacemente il carico di lavoro dei medici e fornire uno strumento di insegnamento clinico conveniente, efficace e pratico.
Tipo di studio
Osservativo
Iscrizione (Anticipato)
500
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Contatto studio
- Nome: Yanling Wei, professor
- Numero di telefono: +8615310354666
- Email: lingzi016@tmmu.edu.cn
Luoghi di studio
-
-
Chongqing
-
Chongqing, Chongqing, Cina, 400042
- Third Military Medical University
-
Contatto:
- Yanling Wei, Professor
- Numero di telefono: 15310354666
- Email: lingzi016@126.com
-
-
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
Da 18 anni a 72 anni (ADULTO, ANZIANO_ADULTO)
Accetta volontari sani
Sì
Sessi ammissibili allo studio
Tutto
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
Le immagini sono state recuperate dal database endoscopico dell'Army Medical Center of PLA e ottenute dalla colonscopia di pazienti con colite ulcerosa che soddisfacevano i criteri di inclusione.
Le immagini dei dati sono state utilizzate per stabilire e verificare il modello del sistema di riconoscimento assistito.
Descrizione
Criterio di inclusione:
- I soggetti avevano 18-72 anni, maschi e femmine;
- Diagnosi clinica di colite ulcerosa;
- I soggetti sono stati sottoposti a colonscopia e il referto della colonscopia era completo.
Criteri di esclusione:
- I soggetti hanno meno di 18 anni o più di 72 anni;
- I soggetti sono stati sottoposti a colectomia, ileostomia, colostomia, ileostomia o altra resezione intestinale;
- soggetti con diagnosi ambigua.
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
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
L'accuratezza del modello di deep learning nella valutazione dei set di dati di addestramento e convalida del punteggio Mayo nei pazienti con colite ulcerosa.
Lasso di tempo: Attraverso il completamento degli studi, una media di 1 anno.
|
Nei set di dati di addestramento e convalida, abbiamo tracciato l'AUC (area sotto la curva) per Mayo 0, Mayo 1, Mayo 2 e Mayo 3 per valutare oggettivamente il nostro modello.
|
Attraverso il completamento degli studi, una media di 1 anno.
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
L'accuratezza e l'efficienza temporale della valutazione degli endoscopisti del punteggio Mayo nei pazienti con colite ulcerosa.
Lasso di tempo: Attraverso il completamento degli studi, una media di 1 anno.
|
I set di dati sono stati assegnati in modo casuale agli endoscopisti.
Tutti gli endoscopisti sono stati formati in studi diagnostici, hanno terminato la formazione endoscopica sia clinica che specifica e non sono stati coinvolti nell'arruolamento e nell'etichettatura dei pazienti e delle immagini.
Durante il test di confronto, tutti i dati sono stati randomizzati e deidentificati in anticipo.
Sono stati analizzati il tempo medio trascorso da 10 endoscopisti nella diagnosi del set di dati di test nel modello di deep learning e il numero di casi corretti.
|
Attraverso il completamento degli studi, una media di 1 anno.
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Investigatori
- Direttore dello studio: Yanling Wei, Professor, Third Military Medical University
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 (ANTICIPATO)
1 aprile 2022
Completamento primario (ANTICIPATO)
1 dicembre 2022
Completamento dello studio (ANTICIPATO)
1 giugno 2023
Date di iscrizione allo studio
Primo inviato
27 febbraio 2022
Primo inviato che soddisfa i criteri di controllo qualità
14 aprile 2022
Primo Inserito (EFFETTIVO)
20 aprile 2022
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (EFFETTIVO)
20 aprile 2022
Ultimo aggiornamento inviato che soddisfa i criteri QC
14 aprile 2022
Ultimo verificato
1 aprile 2022
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- TMMU-DP--002
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
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 .