膵臓固形病変の診断における Joint-AI の検証
2024年12月22日 更新者：Bin Cheng、Huazhong University of Science and Technology
膵固形病変の診断におけるマルチモーダル人工知能モデルの検証: 前向き、多施設、ランダム化、対照試験
この臨床試験は、マルチモーダル人工知能 (AI) モデルが膵臓固形病変の診断を強化できるかどうかを調べることを目的としています。 回答することを目的とした主な質問は次のとおりです。
- AI モデルは、膵臓固形病変を診断する内視鏡医の診断能力を向上させますか?
- 解釈可能性分析を追加すると、補助内視鏡医の診断能力はさらに向上しますか? 研究者は、AI モデルの支援の有無にかかわらず、内視鏡医の診断パフォーマンスを比較します。
参加者は次のことを行います:
- 彼らの臨床データは前向きに収集される予定です。
- AI支援グループと従来の診断グループにランダムに振り分けられる。
調査の概要
状態
まだ募集していません
詳細な説明
研究者らはこれまでに、膵臓固形病変を診断するための内視鏡超音波画像と臨床データに基づいたマルチモーダル AI モデル (Joint-AI) を開発しました。
この研究は、前向きに収集されたデータセットを使用して Joint-AI モデルのパフォーマンスを向上させ、ランダム化比較臨床試験を通じて検証することを目的としています。
研究の種類
介入
入学 (推定)
716
段階
- 適用できない
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。
研究連絡先
- 名前：Bin Cheng
- 電話番号：86-13986097542
- メール：b.cheng@tjh.tjmu.edu.cn
研究場所
-
-
Hubei
-
Wuhan、Hubei、中国、430030
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
コンタクト：
- Bin Cheng
- 電話番号：86-13986097542
- メール：b.cheng@tjh.tjmu.edu.cn
-
-
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
いいえ
説明
包含基準:
- 画像検査（MRI、CT、B超音波）では、膵臓に固形腫瘤が認められ、患者の病変の性質を明らかにするには、超音波内視鏡下細針吸引/生検（EUS-FNA/B）が必要です。
- 書面による同意が提供されている
除外基準:
- 18歳未満の年齢
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
- 主な目的：診断
- 割り当て：ランダム化
- 介入モデル：並列代入
- マスキング：ダブル
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
介入なし：従来の診断
内視鏡医は、内視鏡超音波画像と臨床データに基づいて膵臓固形病変を診断します。
|
|
|
実験的：関節AI支援診断
内視鏡医は、内視鏡超音波画像、臨床データ、Joint-AI モデルによる予測に基づいて膵臓固形病変を診断します。
|
Joint-AI モデルによる予測は、内視鏡医の診断中に提供されます。
|
|
実験的：解釈可能な関節 AI 支援診断
内視鏡医は、内視鏡超音波画像、臨床データ、Joint-AI による予測、および Joint-AI モデルの意思決定プロセスの透明性を向上させるために使用される解釈可能性分析の結果に基づいて膵臓固形病変を診断します。
|
Joint-AI モデルによって得られる予測と解釈可能性分析の結果は、診断中に内視鏡医に提供されます。
|
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 |
|---|---|---|
|
Joint-AI モデルの支援による正しい診断分類率
時間枠：学習完了までに平均1年
|
膵臓がんと他の非がん病変を区別する際の正診断率。Joint-AI モデルを利用した内視鏡診断と最終的な組織病理学的診断 (参照標準) を比較することによって決定されます。
|
学習完了までに平均1年
|
|
解釈可能な共同 AI モデルの支援による正しい診断分類率
時間枠：学習完了までに平均1年
|
膵臓癌と他の非癌病変を区別する際の正診断率。Interpretable Joint-AI モデルを活用した内視鏡医の評価と最終的な組織病理学的診断 (参照標準) を比較することによって決定されます。
|
学習完了までに平均1年
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
Joint-AI モデルと解釈可能な Joint-AI モデルの正しい診断分類率
時間枠：学習完了までに平均1年
|
この前向きに収集されたデータセットにおける AI モデルの診断精度。
|
学習完了までに平均1年
|
|
内視鏡医が報告した AI 支援による診断の信頼度スコア (スコアは 0% ～ 100% のスケールで、0 は「まったく自信がない」を表し、100 は「完全に自信がある」を表します)
時間枠：学習完了までに平均1年
|
内視鏡医が報告する診断の信頼度は、0 から 100 の範囲のスケールで測定されます。0 は「まったく自信がない」を表し、100 は「完全に自信がある」を表します。
スコアが高いほど、診断の信頼度が高いことを示します。
信頼度スコアは、Joint-AI モデルと解釈可能な Joint-AI モデルを使用して行われた診断に対して個別に評価されます。
|
学習完了までに平均1年
|
|
AI 支援なしの内視鏡医の正しい診断分類率
時間枠：学習完了までに平均1年
|
学習完了までに平均1年
|
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。
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 (推定)
2025年1月1日
一次修了 (推定)
2026年1月1日
研究の完了 (推定)
2026年1月1日
試験登録日
最初に提出
2024年12月17日
QC基準を満たした最初の提出物
2024年12月22日
最初の投稿 (実際)
2025年3月25日
学習記録の更新
投稿された最後の更新 (実際)
2025年3月25日
QC基準を満たした最後の更新が送信されました
2024年12月22日
最終確認日
2024年12月1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。