このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

潜在拡散モデルを使用した現実的な HEp-2 細胞画像の生成: 多中心視覚チューリング テスト

2026年9月4日 更新者：Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

潜在拡散モデルを使用して合成された ANA HEp-2 細胞画像の現実性の評価: 多施設視覚チューリング テスト

この前向き観察研究の目的は、抗核抗体 (ANA) Hep-2 細胞免疫蛍光画像のデータ増強に潜在拡散モデルを利用する実現可能性と有効性を厳密に検討することです。 答えようとしている主な質問は次のとおりです。

このようなモデルを適用すると、ANA 関連画像と併用した場合に、データ品質の向上、サンプルの多様性の向上、または後続の分析プロセス (疾患の診断や分類など) の精度と効率の向上が可能になるでしょうか?

調査の概要

状態

積極的、募集していない

条件

介入・治療

詳細な説明

生物医学研究における根本的な問題は、入手可能な生体サンプルの不足、法外なコスト、または倫理的な理由が主な原因で、利用可能な観察数が少ないことです。 生成された in silico サンプルを使用して実際のいくつかの観察を強化すると、より堅牢な分析結果とより高い再現率が得られる可能性があります。 ここで、研究者らは、ANA-IIF 画像データを現実的に生成するために、潜在拡散モデルを使用した教師なし学習を使用することを提案しています。

研究者らは、ANA-IIF 画像 (偽) と本物 (真) を区別するのが難しい場合、生成された ANA-IIF 画像が現実的になるのではないかと仮説を立てています。 この仮説を検証するために、研究者らは、生成された (偽の) 画像の品質を評価するために、多施設視覚チューリング テスト (https://turing.rednoble.net/) を提示しました。

この実験設定により、研究者は生成された ANA-IIF 画像の全体的な品質を検証することができ、その後、(1) 教育目的で細胞病理医を訓練する、(2) ビッグデータを使用して深いネットワークを訓練するための現実的なサンプルを生成するために使用できます。

研究の種類

観察的

入学 (推定)

300

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究場所

  • 中国
    • Shanghai Municipality
      • Shanghai、Shanghai Municipality、中国、200092
        • Department of Clinical Laboratory, Xinhua Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

  • 子
  • 大人
  • 高齢者

健康ボランティアの受け入れ

はい

サンプリング方法

非確率サンプル

調査対象母集団

当社では、世界中の複数の医療機関の臨床検査室から、抗核抗体 (ANA) パターンの解釈を専門とする細胞病理医を募集しており、視覚的チューリング テストに参加していただいています。

説明

包含基準:

  • 信頼できる医療機関からの発信
  • 関連する資格や資格を保有していること
  • 研究室環境における抗核抗体 (ANA) パターンの解釈に 1 年以上の経験がある

除外基準:

  • 関連する専門的な認定資格や資格が不足している
  • ANAパターン通訳の経験なし
  • 視覚的チューリングテストのルールとインフォームドコンセントを受け入れたくない

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

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
専門家
ANA-IIFの読み取りにおいて20年以上の経験を持つ
行動：AIモデルの出力結果を参照
AIモデルの出力結果を参照して、または参照せずにANAパターンのタイプを決定します。
若手細胞病理学者
5年未満の医学的学業経験
行動：AIモデルの出力結果を参照
AIモデルの出力結果を参照して、または参照せずにANAパターンのタイプを決定します。

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
拡散モデルにより合成された画像のリアルさ
時間枠：ベースライン

研究者らは、視覚チューリングテスト法を用いた調査を実施し、アンケート形式で測定し、測定結果を5段階リッカートスケールで評価した。

5 段階リッカート スケールは、5 つの回答オプションを通じて画像の品質に関する参加者の意見を評価します: 本物、かなり似ている、不確実、あまり似ていない、偽物。 これらのオプションに数値 (例: 5 から 1) を割り当ててスコアを計算し、各参加者のスコアを合計します。 結果は、平均スコアを含むスコアの分布を分析し、その信頼性と妥当性を評価することによって評価されます。

さらに、研究者は、精度、再現率、F1 スコア、平均平均精度 (mAP) など、内部モデルの評価に利用される一連のパラメーターを計算しました。
ベースライン

二次結果の測定

結果測定
メジャーの説明
時間枠
AI モデルの出力が参加者に与える影響
時間枠：ベースライン
研究者は、AI モデルによる支援の前後で参加者の解釈の正解率の変化を評価し、比較分析を行います。 さらに、研究者は人間の解釈とモデルの間のカッパ一致係数を計算し、AI の支援を受けた場合にさまざまな経験レベルの細胞病理医の間で精度に差があるかどうかを評価します。
ベースライン
ANAパターン解釈にかかった時間
時間枠：ベースライン
研究者は、AI モデルの介入前後で参加者が通訳を完了するのに要した時間を比較し、AI 支援前の X 分から AI 支援後の Y 分まで、症例あたりの平均通訳時間が短縮されたかどうかを評価しました。
ベースライン

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

捜査官

  • スタディディレクター：Guangyu Chen, PhD、Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

出版物と役立つリンク

研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。

一般刊行物

便利なリンク

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2025年5月10日

一次修了 (推定)

2028年12月30日

研究の完了 (推定)

2029年1月30日

試験登録日

最初に提出

2024年7月23日

QC基準を満たした最初の提出物

2024年8月2日

最初の投稿 (実際)

2024年8月7日

学習記録の更新

投稿された最後の更新 (実際)

2026年9月10日

QC基準を満たした最後の更新が送信されました

2026年9月4日

最終確認日

2026年7月1日

詳しくは

本研究に関する用語

キーワード

追加の関連 MeSH 用語

その他の研究ID番号

  • XH-24-007

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

いいえ

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

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。

購読する