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。

EndoStyle: 大腸内視鏡検査用の人工知能画像変換ツール (EndoStyle)

2025年8月25日 更新者:Wuerzburg University Hospital

EndoStyle: 内視鏡画像スタイル転送に関する医師の調査。

この研究は、消化器内視鏡検査における現在の AI システムの限界に対処するもので、AI システムは通常、単一タイプの内視鏡プロセッサからのデータでトレーニングされ、専門家による注釈付き画像が限られています。 研究者らは、単一の参照画像からさまざまなプロセッサのスタイルで画像を生成できる AI システムである EndoStyle の開発と検証を目指しています。 EndoStyle は、内視鏡医にさまざまな画像タイプの結腸内視鏡検査シーケンスを表示して、AI 変換された画像を区別できるかどうかをテストします。 成功すれば、多様な臨床現場向けの AI トレーニングが強化されるでしょう。

調査の概要

詳細な説明

消化器内視鏡検査における人工知能(AI)の活用が普及している。 ただし、これらのシステムは単一タイプの内視鏡プロセッサからのデータのみでトレーニングされることが多く、その適用性が制限されます。 さらに、専門家によって注釈が付けられた画像の入手可能性は限られており、これがデータの変動性に影響を与え、ひいては AI システムのパフォーマンスに影響を与えます。

この研究の目的は、新しい人工知能 (AI) ベースのシステム (EndoStyle) を開発し、医師間の調査によってその信頼性を検証することです。このシステムは、さまざまなプロセッサ タイプ (オリンパス、 Pentax と Storz) からの 1 つの内視鏡参照画像。

研究者の仮説は、AI システムがビデオ プロセッサの画像スタイルを変更することに成功し、その違いは内視鏡医の目には知覚できないというものです。

この方法論は、複数の内視鏡医にそれぞれ 10 秒間の 28 回の結腸内視鏡検査シーケンスを示すことから構成されます。 それらのそれぞれに、ポジティブ コントロール、ネガティブ コントロール、および Endostyle (介入グループ) に属する画像の可能なすべての組み合わせとなる 3 つの画像が表示されます。 各グループの選択された画像の割合を統計的に比較することで、研究者は参加者が AI によって変換された画像を区別できるかどうかを確認できます。

結果が私たちの仮説を裏付けるものであれば、私たちのシステムは、臨床設定ごとに AI システムのトレーニングをよりカスタマイズできる画像を生成できる可能性があります。

研究の種類

観察的

入学 (実際)

40

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

    • Bavaria
      • Würzburg、Bavaria、ドイツ、97080
        • University Clinic of Würzburg

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

  • 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

調査の参加者は結腸内視鏡検査の経験を持つ医師となります。

説明

包含基準:

  • 大腸内視鏡検査の経験豊富な医師。

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
ポジティブコントロール
参加者に表示される画像は、10 秒のビデオ シーケンスで表示されたものと同じ結腸内視鏡検査に属します。
ネガティブコントロール
参加者に表示される画像は、10 秒のビデオ シーケンスで表示されたものと同じ結腸内視鏡検査に属します。
EndoStyle(介入グループ)
参加者に表示される画像は、10 秒間の結腸内視鏡ビデオ シーケンスに属していませんが、ビデオのスタイルをシミュレートするために AI で変換されています。
EndoStyle システムは、さまざまなビデオプロセッサ画像のスタイルを変換できます。

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
AI変換された内視鏡画像の知覚的識別不能性
時間枠:5ヶ月
各研究グループの精度の比較。
5ヶ月

二次結果の測定

結果測定
メジャーの説明
時間枠
画像識別にかかる時間
時間枠:5ヶ月
各研究グループに応じてさまざまなタスクを評価するのにかかる時間。
5ヶ月
通常使用するプロセッサの影響
時間枠:5ヶ月
臨床業務中に定期的に使用される内視鏡プロセッサーが、定義されたプロセッサークラスを使用して AI 変換された内視鏡画像の知覚的区別がつかないことへの影響
5ヶ月
内視鏡検査経験の影響
時間枠:5ヶ月
AI変換された内視鏡画像の知覚的識別不能性に及ぼす大腸内視鏡検査の生涯内で測定された内視鏡検査の経験の影響
5ヶ月

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。

捜査官

  • 主任研究者:Alexander Hann, MD、University hospital of Würzburg

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)

2024年8月15日

一次修了 (実際)

2025年8月22日

研究の完了 (実際)

2025年8月22日

試験登録日

最初に提出

2024年8月8日

QC基準を満たした最初の提出物

2024年8月13日

最初の投稿 (実際)

2024年8月14日

学習記録の更新

投稿された最後の更新 (推定)

2025年9月2日

QC基準を満たした最後の更新が送信されました

2025年8月25日

最終確認日

2025年8月1日

詳しくは

本研究に関する用語

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?

未定

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