Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

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

Condizioni

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

Luoghi di studio

  • Cina
    • 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

Shandong University

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

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 .

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Qatar

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

3
Sottoscrivi