Intelligenza artificiale basata sul deep learning per la diagnosi dell'ostruzione del piccolo intestino
Studio sull'uso dell'intelligenza artificiale basata sul deep learning per la diagnosi dell'ostruzione del piccolo intestino
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
DESIGN: Questo è uno studio diagnostico. IMPOSTAZIONE: Abbiamo sviluppato una tecnologia AI basata sul deep learning per estrarre automaticamente il tratto intestinale dalle immagini TC utilizzando 5.200 immagini TC di 158 pazienti. Le immagini TC dei pazienti che si sono recati al pronto soccorso e sospettati di ostruzione dell'intestino tenue tra il 6 giugno e il 26 luglio 2018, sono state ottenute da due centri di riferimento terziari, che sono stati utilizzati come campioni di test. L’analisi dei dati è stata completata nel dicembre 2023.
PARTECIPANTI: Allo studio hanno partecipato specializzandi e chirurghi. INTERVENTI: specializzandi e chirurghi sono stati divisi in due gruppi: un gruppo ha letto utilizzando la tecnologia AI e l'altro gruppo ha letto senza la tecnologia AI.
RISULTATI E MISURE PRINCIPALI: I partecipanti hanno indicato se o meno l'ostruzione dell'intestino tenue e la sede dell'ostruzione. È stato raccolto anche il tempo per la diagnosi. Abbiamo applicato un modello bayesiano gerarchico.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
Aichi
-
Nagoya, Aichi, Giappone, 4668560
- Nagoya University Graduate School of Medicine
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Persone con consenso documentato
Criteri di esclusione:
- Persone senza consenso documentato
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Gruppo AI
I partecipanti leggono le immagini CT con l'intelligenza artificiale.
|
L'intelligenza artificiale estrae la regione intestinale e la ricostruisce in un'immagine 3D.
|
|
Gruppo manuale
I partecipanti leggono le immagini CT senza intelligenza artificiale
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
La diagnosi del sito di ostruzione
Lasso di tempo: Settembre 2024
|
Accuratezza della diagnosi del sito di ostruzione
|
Settembre 2024
|
Collaboratori e investigatori
Sponsor
Investigatori
- Cattedra di studio: Hieoo Uchida, PhD., Nagoya University Graduate School of Medicine, Pediatric Surgery
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Effettivo)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 2022-0188
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
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 .