- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT05576506
Applicazione della tecnologia di analisi dell'imaging iperspettrale nella diagnosi del cancro colorettale basata sulla biopsia colonscopica
16 dicembre 2022 aggiornato da: Xiuli Zuo, Shandong University
Lo scopo di questo studio è sviluppare e convalidare un algoritmo di apprendimento profondo per la diagnosi del cancro del colon-retto altre malattie del colon-retto contrassegnando e analizzando le caratteristiche delle immagini iperspettrali basate sui risultati patologici della biopsia colonscopica, in modo da migliorare l'obiettività e l'intelligenza di diagnosi precoce del cancro colorettale.
Panoramica dello studio
Stato
Reclutamento
Descrizione dettagliata
Raccogliere in modo prospettico le informazioni sull'immagine iperspettrale del normale tessuto bioptico colonscopico.
Il tessuto della biopsia colonscopica proviene dal Centro di endoscopia dell'ospedale Qilu dell'Università di Shandong.
Le immagini iperspettrali sono contrassegnate in base ai risultati patologici della biopsia e viene utilizzato il modello di rete neurale convoluzionale profonda (DCNN).
Con la formazione e la verifica, sviluppare il sistema diagnostico di intelligenza artificiale per imaging iperspettrale (HSIAIDS). Una parte del tessuto bioptico colonscopico verrà raccolta come set di test prospettico per testare in modo prospettico le prestazioni diagnostiche dell'algoritmo HSIAIDS.
Tipo di studio
Osservativo
Iscrizione (Anticipato)
50
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: Xiuli Zuo, MD,PhD
- Numero di telefono: 15588818685
- Email: zuoxiuli@sina.com
Luoghi di studio
-
-
Shandong
-
Jinan, Shandong, Cina, 250012
- Reclutamento
- Qilu hosipital
-
-
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 75 anni (Adulto, Adulto più anziano)
Accetta volontari sani
No
Sessi ammissibili allo studio
Tutto
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
pazienti di età compresa tra 18 e 75 anni sottoposti a colonscopia e biopsia;
Descrizione
Criterio di inclusione:
- pazienti di età compresa tra 18 e 75 anni sottoposti a colonscopia e biopsia
Criteri di esclusione:
- pazienti con gravi disfunzioni cardiache, cerebrali, polmonari o renali o disturbi psichiatrici che non possono partecipare alla colonscopia
- pazienti con precedenti interventi chirurgici sul tratto gastrointestinale.
- pazienti con controindicazioni alla biopsia
- pazienti che si rifiutano di firmare il modulo di consenso informato
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
- Modelli osservazionali: Coorte
- Prospettive temporali: Prospettiva
Coorti e interventi
Gruppo / Coorte |
---|
Gruppo di algoritmi di deep learning
Dopo che il paziente ha superato lo screening, verrà eseguita una colonscopia di routine e verrà biopsiato il tessuto bersaglio con sospetta infiammazione o neoplasia.
Gli investigatori clinici utilizzano il microscopio iperspettrale per raccogliere informazioni sull'immagine del tessuto bioptico nella sala dell'endoscopia.
Dopo aver raccolto le informazioni, i campioni bioptici verranno elaborati di routine e inviati per la diagnosi patologica.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Precisione del modello di intelligenza artificiale HSI per identificare l'adenoma colorettale e il cancro
Lasso di tempo: 1 anno
|
Precisione del modello di intelligenza artificiale di imaging iperspettrale (HSI) per identificare polipo iperplastico del colon-retto, adenoma, SSL e cancro del colon-retto.
Precisione dei modelli di intelligenza artificiale Precisione = (veri positivi + veri negativi) / numero totale di soggetti * 100%
|
1 anno
|
Sensibilità
Lasso di tempo: 1 anno
|
Sensibilità del modello di intelligenza artificiale HSI Sensibilità = numero di veri positivi / (numero di veri positivi + numero di falsi negativi) * 100%.
|
1 anno
|
Specificità
Lasso di tempo: 1 anno
|
Specificità del modello di intelligenza artificiale HSI Specificità = numero di veri negativi / (numero di veri negativi + numero di falsi positivi))*100%
|
1 anno
|
Valori predittivi negativi (NPV)
Lasso di tempo: 1 anno
|
Valori predittivi negativi per il modello di intelligenza artificiale HSI = numero di veri negativi / (numero di veri negativi + numero di falsi negativi)*100%
|
1 anno
|
AUC (IC 95%)
Lasso di tempo: 1 anno
|
area sotto la curva caratteristica operativa del ricevitore (AUC)
|
1 anno
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Registrare e valutare eventuali rischi sconosciuti ed eventi avversi dell'imaging iperspettrale nell'acquisizione dell'immagine del campione
Lasso di tempo: 1 anno
|
Registrare e valutare eventuali rischi sconosciuti ed eventi avversi dell'imaging iperspettrale nell'acquisizione dell'immagine del campione
|
1 anno
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Investigatori
- Cattedra di studio: Xiuli Zuo, MD,PhD, Study Principal Investigator
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)
8 ottobre 2022
Completamento primario (Anticipato)
31 dicembre 2023
Completamento dello studio (Anticipato)
31 dicembre 2023
Date di iscrizione allo studio
Primo inviato
8 ottobre 2022
Primo inviato che soddisfa i criteri di controllo qualità
8 ottobre 2022
Primo Inserito (Effettivo)
12 ottobre 2022
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
21 dicembre 2022
Ultimo aggiornamento inviato che soddisfa i criteri QC
16 dicembre 2022
Ultimo verificato
1 ottobre 2022
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
- Malattie dell'apparato digerente
- Neoplasie per tipo istologico
- Neoplasie
- Neoplasie per sede
- Neoplasie, ghiandolari ed epiteliali
- Neoplasie gastrointestinali
- Neoplasie dell'apparato digerente
- Malattie gastrointestinali
- Malattie del colon
- Malattie intestinali
- Neoplasie intestinali
- Malattie del retto
- Neoplasie colorettali
- Adenoma
Altri numeri di identificazione dello studio
- 2022-SDU-QILU-G003
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 .