이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

인공지능 보조 소화기 내시경의 무작위 통제 다기관 연구

절강대학교 의과대학 제2부속병원 소화내시경센터 및 naki Medical co., ltd. 홍콩에서 AI 지원 소화 내시경 진단 모델, 즉 딥 러닝 모델을 초기 단계에서 독립적으로 개발했습니다. 연구 초기 단계를 통한 딥 러닝 모델은 소화관의 병변을 식별할 수 있습니다. 결장 폴립과 같은 일부 질병의 진단은 99%입니다. 한편으로, 이 보조 진단 모델은 초보자를 위한 내시경 검사를 안내할 수 있습니다. 반면에 병변의 발견률을 높이고 진단을 놓친 비율을 줄일 수 있습니다. 한편, 내시경 센터의 전반적인 운영 효율성이 향상되어 내시경 검사의 품질 관리에 도움이 됩니다. 이제 AI를 이용한 진단 모델을 더욱 개선하여 우리 병원 소화기내시경센터에서 추가 임상검증을 진행할 예정입니다. 소화기 질환 진단에서 AI 지원 진단 모델의 실용성, 민감도, 특이도를 비교하고 품질 관리에 중점을 두기 위해 저희 병원의 내시경 시스템과 연결하여 기존 내시경의 이미지-텍스트 시스템과 동시에 사용합니다. 내시경 검사의.

연구 개요

상세 설명

절강대학교 의과대학 제2부속병원 소화내시경센터 및 naki Medical co., ltd. 홍콩에서는 초기 단계에서 소화 내시경의 AI 지원 진단 모델, 즉 딥 러닝 모델을 독자적으로 개발했습니다. 연구 초기 단계를 통한 딥 러닝 모델은 결장 용종, 결장 직장암, 결장 직장의 병변을 식별할 수 있습니다. 골단 병변, 결장 게실, 궤양성 대장염, 위궤양, 위 폴립, 점막하 융기, 역류성 식도염, 식도 궤양, 식도 폴립, 식도 미란, 식도 이소성 위점막 및 식도 정맥류, 식도암, 식도 유두종 등 결장 폴립과 같은 일부 질병의 진단은 99%입니다. 한편으로, 이 보조 진단 모델은 초보자를 위한 내시경 검사를 안내할 수 있습니다. 반면에 병변의 발견률을 높이고 진단을 놓친 비율을 줄일 수 있습니다. 한편, 내시경 센터의 전반적인 운영 효율성이 향상되어 내시경 검사의 품질 관리에 도움이 됩니다. 이제 AI를 이용한 진단 모델을 더욱 개선하여 우리 병원 소화기내시경센터에서 추가 임상검증을 진행할 예정입니다. 소화기 질환 진단에서 AI 지원 진단 모델의 실용성, 민감도, 특이도를 비교하고 품질 관리에 중점을 두기 위해 저희 병원의 내시경 시스템과 연결하여 기존 내시경의 이미지-텍스트 시스템과 동시에 사용합니다. 내시경 검사의.

연구 유형

관찰

등록 (예상)

3600

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

  • 이름: Wang J An, Dr
  • 전화번호: 057187783759 057187783759
  • 이메일: HREC2013@126.com

연구 연락처 백업

  • 이름: Cai J Ting, Dr
  • 전화번호: 15267019902 15267019902
  • 이메일: 1173920428@qq.com

연구 장소

    • Zhejiang
      • Hangzhou, Zhejiang, 중국, 310000
        • 모병
        • Cai J Ting
        • 연락하다:

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

18년 이상 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

샘플링 방법

확률 샘플

연구 인구

2019년 9월부터 2021년 8월까지 내시경센터에서 무통 위장내시경을 시행한 환자

설명

포함 기준:

  • 이 연구에 대한 정보에 입각한 동의서에 자발적으로 서명하십시오.
  • 안정적인 활력 징후
  • 18세 이상
  • 다양한 이유로 통증 없는 위장관 내시경이 필요한 환자

제외 기준:

  • 동의서에 서명할 수 없거나 서명할 의사가 없거나 연구 절차를 따를 수 없는 경우
  • 무통 위장경 검사에 대한 금기 사항이 있습니다.
  • 활력징후가 불안정하다
  • 내시경 검사를 위해 우리 병원에 오는 환자를 추가로 확인하기 위해 다른 병원에서 위장 내시경으로 병변이 확인되었습니다.
  • 용종절제술, 유문 협대확장술 등의 내시경적 치료

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
개입 / 치료
A: 모델 A
모드 A는 무음 모드로 내시경 의사와 연속적으로 내시경 영상과 영상을 동시에 보여주면서도 내시경 의사의 수술에 방해가 되지 않았다. 수술 후 AI 모델이 자동으로 내시경 보고서를 생성해 비교 내시경 시스템에서 내시경 의사가 제공하는 공식 보고서와 함께. 차이가 크면 영상확인을 즉시 재생하거나 환자가 일어나기 전에 다시 내시경 검사를 시행한다.
AI 모델이 알람을 울리면 병변을 확인하기 위해 신중하게 확인하십시오.
B: 모델 B
모드 B는 지연 알림 모드입니다. 수술 중 병변이 발견되면 5초 이내에 시야 중앙으로 옮겨야 한다. AI 모델에 의해 병변이 감지되었지만(병변은 그림에서 원으로 표시됨) 의사가 5초 이내에 병변을 시야 중앙으로 이동하지 않으면 AI 시스템이 알람 프롬프트를 제공합니다.
AI 모델이 알람을 울리면 병변을 확인하기 위해 신중하게 확인하십시오.
C: 모델 C
모드 C는 시야에 초점이 포착되면 알람 프롬프트인 실시간 알림 모드입니다.
AI 모델이 알람을 울리면 병변을 확인하기 위해 신중하게 확인하십시오.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
인공지능 위장내시경의 도움을 받은 소화관 병변의 발견율 변화
기간: 2 년
내시경 검사는 내시경 전문의의 임상 경험과 상태에 대한 의존도가 높으며, 고부하 업무로 인해 내시경 전문의의 내시경 검사 질이 저하될 수 있으며, 검사 부위 커버리지의 불완전, 병변의 불완전한 검출, 불완전한 영상 수집 등의 문제점이 있다. 발생하기 쉽습니다. 인공 지능에는 이러한 약점이 없습니다. 장기간에 걸쳐 작업 능력을 저하시키지 않으며, 이를 보조함으로써 병변의 발견률을 높일 수 있을 것으로 기대된다.
2 년
장 준비 점수를 평가하는 AI 지원 진단 모델의 정확도
기간: 2 년
장 준비의 질은 대장내시경 검사의 질을 결정하며, 보스턴 점수를 통해 내시경 전문의가 평가합니다. AI 지원 진단 모델도 자동으로 등급이 매겨질 수 있습니다. 보스턴 장 점수는 장이 적절하게 준비되었는지 여부를 결정하는 데 사용됩니다. 보스턴 장 점수는 가장 나쁜 것부터 가장 깨끗한 것까지 4등급(0~3점)으로 나뉩니다. 점수가 높을수록 장이 더 잘 준비되고 대장내시경 검사에 더 도움이 됩니다.
2 년

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 연구 책임자: Cai J Ting, Dr, Second affiliated hospital of school of medicine, zhejiang university

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2019년 8월 1일

기본 완료 (예상)

2021년 8월 1일

연구 완료 (예상)

2021년 12월 30일

연구 등록 날짜

최초 제출

2019년 8월 26일

QC 기준을 충족하는 최초 제출

2019년 8월 26일

처음 게시됨 (실제)

2019년 8월 28일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2019년 10월 22일

QC 기준을 충족하는 마지막 업데이트 제출

2019년 10월 20일

마지막으로 확인됨

2019년 8월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • 研2019-262

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

IPD 계획 설명

IPD는 다른 사람과 공유하지 않습니다.

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

3
구독하다