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.

Ricerca e applicazione del sistema di diagnosi intelligente ad ultrasuoni per la massa ovarica

25 luglio 2024 aggiornato da: Zhejiang Provincial People's Hospital

Ricerca sul rilevamento automatico della massa ovarica e sul sistema di diagnosi ausiliaria intelligente basato su immagini ecografiche multimodali

Ricerca sul rilevamento automatico della massa ovarica e sistema diagnostico ausiliario intelligente basato su immagini ecografiche multimodali.

Panoramica dello studio

Stato

Non ancora reclutamento

Descrizione dettagliata

I ricercatori miravano a sviluppare un sistema di diagnosi intelligente a ultrasuoni per la massa ovarica basato su immagini ecografiche multimodali.

Tipo di studio

Osservativo

Iscrizione (Stimato)

100000

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

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

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Durante l'esame ecografico ginecologico è stata riscontrata almeno una paziente con tumore ovarico persistente. Il paziente è stato sottoposto al trattamento chirurgico ed ai risultati istopatologici.

Descrizione

Criterio di inclusione:

  1. Durante l'esame ecografico ginecologico è stata riscontrata almeno una paziente con tumore ovarico persistente.
  2. Il paziente è stato sottoposto al trattamento chirurgico ed ai risultati istopatologici.

Criteri di esclusione:

  1. L'analisi istopatologica conferma il tumore non ovarico;
  2. I risultati istopatologici non sono conclusivi;
  3. Problemi con la qualità dell'immagine: la massa ovarica è incompleta e non mostra alcuni tessuti circostanti (ma la massa è troppo grande per escluderla completamente); le immagini sono eccessivamente sfocate, rendendo difficile determinare le caratteristiche della massa ovarica (le possibili ragioni includono problemi di qualità dell'hardware dell'ecografo, motion blur, problemi di messa a fuoco, presenza di gas intestinale nella paziente); le impostazioni del guadagno rendono difficile giudicare le caratteristiche della massa ovarica (come basso contrasto, immagini eccessivamente scure o saturazione); la presenza di artefatti influenza la valutazione delle caratteristiche ecografiche della massa ovarica e deve essere esclusa.

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
Coorte di formazione
La coorte di addestramento viene utilizzata per addestrare il modello artificiale sulla base di immagini o video ecografici multimodello.
Gruppo di validazione
La coorte di validazione viene utilizzata per validare il modello artificiale.
Utilizzo del modello di intelligenza artificiale per diagnosticare masse ovariche benigne, borderline e maligne.
Gruppo di test interni
La coorte di test interni viene utilizzata per testare internamente il modello artificiale.
Utilizzo del modello di intelligenza artificiale per diagnosticare masse ovariche benigne, borderline e maligne.
Gruppo di test esterno
La coorte di test esterna viene utilizzata per testare internamente il modello artificiale.
Utilizzo del modello di intelligenza artificiale per diagnosticare masse ovariche benigne, borderline e maligne.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Area sotto la curva
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
L'AUC (Area sotto la curva) è un indice comune utilizzato per valutare le prestazioni del modello di classificazione binaria.
Fino al completamento degli studi, in media 1 anno

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Sensibilità
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
La sensibilità si riferisce alla capacità del test di identificare correttamente un risultato positivo in un individuo che ha effettivamente la malattia. Rappresenta la percentuale di casi in cui il test è in grado di rilevare un positivo alla malattia
Fino al completamento degli studi, in media 1 anno

Altre misure di risultato

Misura del risultato
Misura Descrizione
Lasso di tempo
Specificità
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
La specificità si riferisce alla capacità del test di identificare correttamente un risultato negativo in un individuo che in realtà non ha la malattia. Rappresenta la percentuale di casi in cui la malattia è negativa che il test è in grado di rilevare.
Fino al completamento degli studi, in media 1 anno
Precisione
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
L’accuratezza si riferisce al grado in cui i risultati del test diagnostico sono coerenti con la situazione reale
Fino al completamento degli studi, in media 1 anno
Valore predicativo positivo
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
Il valore predittivo positivo indica la probabilità che il risultato di un test sia vero se è positivo. In altre parole, rappresenta la percentuale di individui diagnosticati positivi quando il risultato del test è positivo che effettivamente hanno la malattia
Fino al completamento degli studi, in media 1 anno
Valore predittivo negativo
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
Il valore predittivo negativo si riferisce alla probabilità che se il risultato di un test è negativo, il risultato sarà vero negativo. Rappresenta la percentuale di individui a cui viene diagnosticata una negatività quando i risultati del test sono negativi e che sono veramente liberi dalla malattia
Fino al completamento degli studi, in media 1 anno

Collaboratori e investigatori

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

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 (Stimato)

30 luglio 2024

Completamento primario (Stimato)

30 luglio 2029

Completamento dello studio (Stimato)

30 luglio 2029

Date di iscrizione allo studio

Primo inviato

18 luglio 2024

Primo inviato che soddisfa i criteri di controllo qualità

25 luglio 2024

Primo Inserito (Effettivo)

30 luglio 2024

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

30 luglio 2024

Ultimo aggiornamento inviato che soddisfa i criteri QC

25 luglio 2024

Ultimo verificato

1 luglio 2024

Maggiori informazioni

Termini relativi a questo studio

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

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 .

Prove cliniche su Modello di intelligenza artificiale

Sottoscrivi