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.

Intelligenza artificiale per la determinazione degli intervalli di sorveglianza della gastroscopia

19 novembre 2022 aggiornato da: Xiuli Zuo

Sviluppo e convalida di raccomandazioni per la sorveglianza della gastroscopia basate sull'elaborazione del linguaggio naturale per i pazienti con cancro gastrico e malattie precancerose

Lo scopo di questo studio è sviluppare e convalidare un sistema di supporto alle decisioni cliniche basato su algoritmi automatizzati. Questo sistema può utilizzare l'elaborazione del linguaggio naturale per estrarre dati dai referti endoscopici e dai referti patologici dei pazienti, identificare i tipi e i gradi di malattia dei pazienti e generare raccomandazioni di follow-up o terapeutiche basate su linee guida

Panoramica dello studio

Stato

Attivo, non reclutante

Condizioni

Intervento / Trattamento

Tipo di studio

Osservativo

Iscrizione (Anticipato)

2000

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

  • Cina
    • Shandong
      • Jinan, Shandong, Cina, 250012
        • Qilu Hospital, Shandong University

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 80 anni (Adulto, Adulto più anziano)

Accetta volontari sani

N/A

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

pazienti che sono venuti al Qilu Hospital dell'Università di Shandong e hanno ricevuto un esame endoscopico ma non un'endoscopia terapeutica

Descrizione

Criterio di inclusione:

  • Pazienti di età compresa tra 18 e 80 anni
  • I pazienti sono stati sottoposti a esame endoscopico

Criteri di esclusione:

  • Pazienti con controindicazioni all'esame endoscopico
  • Pazienti con informazioni sull'esame incomplete
  • I pazienti vengono sottoposti a endoscopia per la terapia
  • I pazienti hanno una storia di chirurgia gastrointestinale superiore
  • Pazienti con neoplasie duodenali o laringee
  • Pazienti con tumore della sottomucosa gastrointestinale

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: Altro
  • Prospettive temporali: Retrospettiva

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
Gruppo decisionale di supporto all'Intelligenza Artificiale
In base ai rapporti endoscopici e ai rapporti patologici, il sistema di supporto decisionale riconosce i tipi e i gradi di malattia dei pazienti e genera raccomandazioni sulla sopravvivenza o sul trattamento basate su linee guida.
Altro: L'intelligenza artificiale riconosce le malattie e genera raccomandazioni
In base ai rapporti endoscopici e ai rapporti patologici, il sistema di supporto decisionale riconosce i tipi e i gradi di malattia dei pazienti e genera raccomandazioni sulla sopravvivenza o sul trattamento basate su linee guida.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
L'accuratezza diagnostica delle malattie gastriche con algoritmo di deep learning
Lasso di tempo: 12 mesi
L'accuratezza diagnostica delle malattie gastriche con algoritmo di deep learning
12 mesi
L'accuratezza delle raccomandazioni per diverse malattie con l'algoritmo di deep learning
Lasso di tempo: 12 mesi
L'accuratezza delle raccomandazioni per diverse malattie con l'algoritmo di deep learning
12 mesi

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
La sensibilità diagnostica delle patologie gastriche con algoritmo di deep learning
Lasso di tempo: 12 mesi
La sensibilità diagnostica delle patologie gastriche con algoritmo di deep learning
12 mesi
La specificità diagnostica delle patologie gastriche con algoritmo di deep learning
Lasso di tempo: 12 mesi
La specificità diagnostica delle patologie gastriche con algoritmo di deep learning
12 mesi
Il valore diagnostico predittivo positivo delle malattie gastriche con algoritmo di deep learning
Lasso di tempo: 12 mesi
Il valore predittivo positivo diagnostico delle malattie gastriche con algoritmo di deep learning
12 mesi
Il valore diagnostico predittivo negativo delle patologie gastriche con algoritmo di deep learning
Lasso di tempo: 12 mesi
Il valore diagnostico predittivo negativo delle patologie gastriche con algoritmo di deep learning
12 mesi
Il punteggio F delle malattie gastriche con algoritmo di deep learning
Lasso di tempo: 12 mesi
Il punteggio F delle malattie gastriche con algoritmo di deep learning
12 mesi

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Xiuli Zuo

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 2012

Completamento primario (Effettivo)

31 ottobre 2022

Completamento dello studio (Anticipato)

31 dicembre 2023

Date di iscrizione allo studio

Primo inviato

19 novembre 2022

Primo inviato che soddisfa i criteri di controllo qualità

19 novembre 2022

Primo Inserito (Effettivo)

30 novembre 2022

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

30 novembre 2022

Ultimo aggiornamento inviato che soddisfa i criteri QC

19 novembre 2022

Ultimo verificato

1 novembre 2022

Maggiori informazioni

Termini relativi a questo studio

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • 2022-SDU-QILU-G008

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 .

Sottoscrivi