Endoscopia a luce bianca assistita da intelligenza artificiale per identificare la classificazione Kimura-Takemoto della gastrite atrofica
10 aprile 2024 aggiornato da: Yanqing Li, Shandong University
Endoscopia a luce bianca assistita da intelligenza artificiale per identificare la classificazione Kimura-Takemoto della gastrite atrofica per ottenere una valutazione del rischio di cancro gastrico
La classificazione dell'atrofia endoscopica secondo la classificazione Kimura-Takemoto può valutare il rischio di sviluppo di neoplasia gastrica.
Tuttavia, il tasso di falsi negativi della gastrite atrofica cronica è elevato a causa della diversa standardizzazione diagnostica, dell'esperienza diagnostica e dei livelli degli endoscopisti.
Pertanto, questo studio mira a sviluppare un modello AI per identificare la classificazione Kimura-Takemoto.
Panoramica dello studio
Stato
Reclutamento
Condizioni
Intervento / Trattamento
Descrizione dettagliata
La classificazione dell'atrofia endoscopica secondo la classificazione Kimura-Takemoto può valutare il rischio di sviluppo di neoplasia gastrica.
Più alto è il punteggio, più grave è il grado di gastrite atrofica.
Tuttavia, il tasso di falsi negativi della gastrite atrofica cronica è elevato a causa della diversa standardizzazione diagnostica, dell'esperienza diagnostica e dei livelli degli endoscopisti.
Pertanto, questo studio mira a sviluppare un modello AI per identificare la classificazione Kimura-Takemoto della gastrite atrofica per ottenere una valutazione del rischio di cancro gastrico.
Tipo di studio
Osservativo
Iscrizione (Stimato)
1500
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: yanqing Li, MD, PHD
- Numero di telefono: 0531182169385
- Email: liyanqing@sdu.edu.cn
Luoghi di studio
-
-
Shandong
-
Shangdong, Shandong, Cina, 250012
- Reclutamento
- Department of Gastrology, QiLu Hospital, Shandong University
-
Contatto:
- yanqing Li, MD, PHD
- Numero di telefono: 0531182169385
- Email: liyanqing@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
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
Saranno arruolati nello studio pazienti consecutivi che ricevono l'esame di endoscopia gastrointestinale e sottoposti a screening che soddisfano i criteri di ammissibilità presso l'ospedale di Qilu, Università di Shandong
Descrizione
Criterio di inclusione:
Pazienti di età compresa tra 18 e 80 anni che si sottopongono all'esame endoscopico a luce bianca Modulo di consenso informato fornito dal paziente.
Criteri di esclusione:
- pazienti con gravi disfunzioni cardiache, cerebrali, polmonari o renali o psichiatrici;
- disturbi che non possono partecipare alla gastroscopia;
- Pazienti con carcinoma gastrico progressivo;
- immagini di bassa qualità;
- pazienti con precedenti interventi chirurgici allo stomaco o all'esofago;
- 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
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Gastrite atrofica cronica osservata dall'endoscopio a luce bianca
Ottieni immagini da antro gastrico, angolo gastrico, minore curvatura del corpo gastrico, cardias, fondo gastrico, maggiore curvatura del corpo gastrico mediante endoscopio a luce bianca
|
Endosopisti e AI valuteranno la classificazione Kimura-Takemoto in modo indipendente quando i pazienti saranno idonei.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Accuratezza del modello AI per diagnosticare la classificazione Kimura-Takemoto
Lasso di tempo: 2 anni
|
Accuratezza del modello AI per diagnosticare la classificazione Kimura-Takemoto
|
2 anni
|
|
Sensibilità del modello AI per diagnosticare la classificazione Kimura-Takemoto
Lasso di tempo: 2 anni
|
Sensibilità del modello AI per diagnosticare la classificazione Kimura-Takemoto
|
2 anni
|
|
Specificità del modello AI per diagnosticare la classificazione Kimura-Takemoto
Lasso di tempo: 2 anni
|
Specificità del modello AI per diagnosticare la classificazione Kimura-Takemoto
|
2 anni
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Il valore MIOU del modello AI nella segmentazione semantica dell'immagine dell'atrofia endoscopica
Lasso di tempo: 2 anni
|
Il valore MIOU del modello AI nella segmentazione semantica dell'immagine dell'atrofia endoscopica
|
2 anni
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Collaboratori
Investigatori
- Cattedra di studio: yanqing li, MD,PHD, Qilu Hospital, Shandong 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 (Effettivo)
1 giugno 2023
Completamento primario (Stimato)
31 dicembre 2024
Completamento dello studio (Stimato)
31 dicembre 2024
Date di iscrizione allo studio
Primo inviato
14 giugno 2023
Primo inviato che soddisfa i criteri di controllo qualità
14 giugno 2023
Primo Inserito (Effettivo)
23 giugno 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
12 aprile 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
10 aprile 2024
Ultimo verificato
1 aprile 2024
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 2022SDU-QILU-123
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 .