胃内視鏡検査用の統合ニューラルネットワークを介した高度な知識 (HillKING)
人工知能を使用した胃内視鏡検査中のヒルグレードのリアルタイム決定
調査の概要
詳細な説明
客観的:
この研究の主な目的は、人工知能 (AI) ベースのシステムと検査を行う医師の間で、胃内視鏡検査中のヒル分類の決定精度を比較することです。 副次的結果には、クラスごとの精度の評価や、精度、再現率、f1 スコアなどのその他の統計的尺度が含まれます。
研究デザイン:
単一施設の内視鏡医による盲検試験。 以前の研究で検討されたモデルは、平均精度 88% を達成しました。 参加者全員は最初に、ヒル分類に関する復習を目的とした講義に参加しました。 その後、医師は、さまざまなヒルグレードを示す検査画像の専門家による注釈付き画像のヒル分類を提供するよう依頼され、平均精度 72% を達成しました。 したがって、127 個のペアの測定が必要です。 患者の脱落を考慮すると、少なくとも 159 人の患者を採用する必要があります。 内視鏡検査中にフラップ弁を検査する際、医師は後屈時のフラップ弁の画像を保存する必要があります。これは標準的な手順の一部であり、それに基づいてヒル分類を決定します。 この画像上の AI モデルの予測はモデルの出力とみなされ、モデルの出力とみなされます。 3 人の専門の内視鏡医からなるグループが、多数決に基づいて各画像のヒル分類を決定します。これはゴールド スタンダードとして扱われます。
AI のセットアップと制限事項:
AIによる制限はありません。 この方法では、記録のフレームごとの分析が実行されます。 これらの画像は、予測を取得するために AI ベースのシステムから解析されます。 この方法で必要な操作は、検査記録プロセスを開始するボタンを押すことと、記録を終了するために 2 回目のボタンを押すことだけです。 これは試験の開始時と終了時にそれぞれ実行されます。 この研究で使用されるモデルは、予備研究で報告されたモデルの更新バージョンであり、ヒル分類が表示された画像に関連するかどうかを予測するための補助出力とともに、より多くのデータを使用してトレーニングされています。
調査対象母集団:
除外基準に合致しない胃カメラ検査のために指名されたすべての成人患者には、インフォームドコンセントが求められます。 除外基準には、フラップ弁の適切な検査を妨げる過去の外科的介入や解剖学的構造の変化、フラップ弁が検査されない検査、専門委員会が過半数の票を獲得できない検査が含まれます。
介入:
医師は通常通り診察を行っております。 フラップ バルブの検査時に、医師は通常どおり検査の画像を撮影し、ヒル グレードの評価を行います。 同じ画像のモデルの出力は、モデル予測とみなされます。 医師はモデルの予測を理解できません。
研究の種類
入学 (実際)
連絡先と場所
研究場所
-
-
Bayern
-
Würzburg、Bayern、ドイツ、97080
- Universitätsklinikum Würzburg
-
-
参加基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
- 成人患者(18歳以上)
- 定期胃カメラ検査
除外基準:
試験レベル
- フラップ弁の適切な検査を妨げる過去の外科的介入または解剖学的構造の変化
- フラップバルブは未検査
データレベル:
- フラップバルブ検査時の画像が保存されていない
- 専門委員会は過半数の投票に至らなかった
研究計画
研究はどのように設計されていますか?
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
実験的: 介入アーム
研究内のすべての患者は介入群に含まれます。ヒル分類は医師と AI 手法によって決定されます。
|
EndoMind システムには、胃カメラ検査中にヒルグレードを予測するための AI モデルが装備されています。
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
医師向けのヒル分類と AI 手法の評価の精度。
時間枠:学習完了までに平均5か月
|
医師と AI の正しい予測と誤った予測の二値評価。
|
学習完了までに平均5か月
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
医師および AI 手法の各ヒル グレードの評価の精度。
時間枠:学習完了までに平均5か月
|
説明: 特定のヒル クラスごとの正しい予測と誤った予測。
|
学習完了までに平均5か月
|
|
内視鏡医と AI 手法による各ヒルの評価の精度と再現率。
時間枠:学習完了までに平均5か月
|
4 つの異なる Hill クラスにわたる各クラス (1v0) の精度と再現率の統計。
|
学習完了までに平均5か月
|
|
ゴールドスタンダードラベルからのラベル評価の距離。
時間枠:学習完了までに平均5か月
|
ゴールドスタンダードラベルと医師およびAI手法によって割り当てられたラベルとの距離の比較。
|
学習完了までに平均5か月
|
協力者と研究者
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (実際)
研究の完了 (実際)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。