表在性食道扁平上皮癌の浸潤を評価するためのマルチモーダル内視鏡画像融合
マルチモーダル内視鏡と弱教師あり深層学習に基づく早期食道扁平上皮癌浸潤深さの正確な予測研究
このプロジェクトの目的は、早期食道がんおよびその前がん病変の補助スクリーニングのための新しいプロトコルを開拓することです。 期待される成果には、ユーザーのトレーニングプロセスの簡素化、検査時間の短縮、現在超音波技術で可能なものよりも食道がん浸潤範囲のより正確な評価の達成などが含まれます。 この研究は、超音波内視鏡（EUS）と拡大内視鏡の相乗効果を活用し、人工知能（AI）のパターン認識および相関機能によって強化され、早期の食道扁平上皮癌とその浸潤性、および高度な上皮内腫瘍を検出することを目指しています。 。 最も重要な目標は、食道がんの早期発見におけるこのアプローチの可能性と重要性を確認することです。
このプロジェクトの主な目標は、次の 3 つの異なる AI 支援診断システムを開発することです。
AIを活用して自律的に病変を識別する電子内視鏡診断システム。
患部の輪郭を自動的に描写できるAIベースのEUS診断システム。
電子内視鏡検査と EUS を統合して診断の精度と効率を向上させるマルチモーダル診断フレームワーク。
調査の概要
詳細な説明
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Luowei Wang
- 電話番号：86-21-31161337
- メール：wangluoweimd@smmu.edu.cn
研究場所
-
-
-
Shanghai、中国
- Changhai Hospital
-
コンタクト：
- Han Lin
- メール：babyhan831@aliyun.com
-
-
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:
拡大内視鏡検査や超音波内視鏡検査が必要な患者さん。 性別を問わず、18歳以上の個人。
除外基準:
食道電子内視鏡検査を完了できない。 生検や手術が行われないため、病理学的結果が得られない。 内視鏡による病変破壊または部分的切除を受けており、一括切除サンプルの取得が妨げられている患者。
進行性食道癌の内視鏡検査、画像検査、または病理学的証拠が顕著に見られる患者。
顕著な食道の狭窄または拡張を呈する患者。 他の悪性腫瘍の既往歴のある人。 術前放射線療法を受けた患者。 研究への参加を拒否し、インフォームドコンセントを提供しなかった患者。
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 |
|---|---|
|
食道扁平上皮の低悪性度上皮内腫瘍
|
取得された拡大内視鏡画像と内視鏡超音波画像は、機械学習、診断モデリング、最適化のために人工知能と共有されました。
実際の評価段階では、食道電子内視鏡検査を受ける予定の早期食道がんの高リスク集団が前向きに登録されました。
人工知能支援診断システムは術前の予測に使用され、術後の病理学的結果はグループ分けによる診断のゴールドスタンダードとして使用されました。
|
|
食道扁平上皮の高度な上皮内腫瘍
|
取得された拡大内視鏡画像と内視鏡超音波画像は、機械学習、診断モデリング、最適化のために人工知能と共有されました。
実際の評価段階では、食道電子内視鏡検査を受ける予定の早期食道がんの高リスク集団が前向きに登録されました。
人工知能支援診断システムは術前の予測に使用され、術後の病理学的結果はグループ分けによる診断のゴールドスタンダードとして使用されました。
|
|
T1a期食道扁平上皮癌
|
取得された拡大内視鏡画像と内視鏡超音波画像は、機械学習、診断モデリング、最適化のために人工知能と共有されました。
実際の評価段階では、食道電子内視鏡検査を受ける予定の早期食道がんの高リスク集団が前向きに登録されました。
人工知能支援診断システムは術前の予測に使用され、術後の病理学的結果はグループ分けによる診断のゴールドスタンダードとして使用されました。
|
|
T1b期食道扁平上皮癌
|
取得された拡大内視鏡画像と内視鏡超音波画像は、機械学習、診断モデリング、最適化のために人工知能と共有されました。
実際の評価段階では、食道電子内視鏡検査を受ける予定の早期食道がんの高リスク集団が前向きに登録されました。
人工知能支援診断システムは術前の予測に使用され、術後の病理学的結果はグループ分けによる診断のゴールドスタンダードとして使用されました。
|
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 |
|---|---|---|
|
低悪性度上皮内腫瘍、高悪性度上皮内腫瘍、および表在性食道扁平上皮癌を診断するためのモデルのパフォーマンス
時間枠：2024.04.01-2024.10.30
|
ゴールドスタンダードとして機能する内視鏡的粘膜下層剥離術（ESD）。
感度と特異度の計算には、真陽性 (TP)、真陰性 (TN)、偽陰性 (FN)、および偽陽性 (FP) という 4 つの基本的な指標の使用が含まれます。
その後、曲線下面積 (AUC) を利用してモデルの診断有効性を評価します。
|
2024.04.01-2024.10.30
|
協力者と研究者
研究記録日
主要日程の研究
研究開始 (推定)
一次修了 (推定)
研究の完了 (推定)
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。