염증성 장 질환 연구 및 훈련을 발전시키기 위한 내시경 중증도 이미지 인식(EVEREST - IBD)
2023년 7월 26일 업데이트: Hull University Teaching Hospitals NHS Trust
EVEREST - IBD: 염증성 장 질환에 대한 연구 및 훈련을 발전시키기 위한 내시경 중증도 이미지 인식
내시경 검사 중 염증성 장 질환의 질병 중증도를 감지하고 특성화하기 위한 컨볼루션 신경망을 개발하고 훈련합니다.
연구 개요
상태
모병
정황
상세 설명
내시경 검사 중 염증성 장 질환의 질병 중증도를 감지하고 특성화하기 위해 Convolutional Neural Network를 개발하고 훈련합니다.
이 이니셔티브는 필연적으로 고품질의 대용량 이미지 데이터베이스를 구축할 것입니다.
따라서 우리의 2차 연구 목표는 우리가 수집한 이미지를 사용하여 이미지 데이터베이스를 구축하여 염증성 장 질환의 딥 러닝 및 컴퓨터 지원 진단 분야를 발전시키는 것입니다.
여기에는 딥 러닝과 컴퓨터 비전 알고리즘을 결합한 프레임워크 개발이 포함됩니다.
궁극적인 목표는 이미지 데이터베이스를 사용하여 수행된 내시경 검사의 품질을 개선하고, 질병 평가에서 관찰자 간 가변성을 줄이고, 결장암 발생률 및 관련 사망률을 감소시키는 영향력 있는 연구 결과 및 교육 리소스를 생성하는 것입니다.
연구 유형
관찰
등록 (추정된)
4000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Shaji Sebastian
- 전화번호: 01482 816764
- 이메일: shaji.sebastian@hey.nhs.uk
연구 연락처 백업
- 이름: Laurence Lovat
- 전화번호: 02076799606
- 이메일: l.lovat@ucl.ac.uk
연구 장소
-
-
East Yorkshire
-
Hull, East Yorkshire, 영국, HU3 2JZ
- 모병
- Hull Royal Infirmary
-
-
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
16년 (어린이, 성인, 고령자)
건강한 자원 봉사자를 받아들입니다
예
샘플링 방법
확률 샘플
연구 인구
염증성 장 질환(IBD)은 영국 인구의 250명 중 적어도 한 명에게 영향을 미치며 유병률이 증가하고 있습니다.
설명
포함 기준:
- • 일상적인 임상 치료의 일부로 이미지를 캡처하는 내시경 조사를 받는 데 동의한 16세 이상의 모든 성인 환자.
제외 기준:
• 16세 미만의 모든 환자
- 내시경 검사에 대한 사전 동의를 할 수 없는 환자 또는 의사 익명 이미지 사용을 원하지 않는 환자
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 다른
- 시간 관점: 단면
코호트 및 개입
그룹/코호트 |
|---|
|
메인 그룹
내시경 시술을 받는 염증성 장질환이 있거나 의심되는 환자
|
|
제어
내시경 시술을 받는 염증성 장질환이 없는 환자
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
내시경 검사 중 염증성 장 질환의 질병 중증도를 감지하고 특성화하기 위한 컨볼루션 신경망을 개발하고 훈련합니다.
기간: 5 년
|
내시경 검사 중 염증성 장 질환의 질병 중증도를 감지하고 특성화하기 위한 컨볼루션 신경망을 개발하고 훈련합니다.
|
5 년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
a) 인공 지능이 IBD 치료에 대한 반응을 예측할 수 있는지 알아보기 위해
기간: 5 년
|
인공 지능이 IBD 치료에 대한 반응을 예측할 수 있는지 알아보기 위해
|
5 년
|
|
b) IBD의 내시경 탐지 및 특성화에 대한 교육 및 표준화를 발전시키기 위해 내시경 이미지 저장소를 개발합니다.
기간: 5 년
|
b) 교육 및 표준화를 발전시키기 위한 내시경 이미지 저장소 개발
|
5 년
|
|
c) IBD 진단 내시경의 교육 및 품질 보증을 위한 방법론 개발 및 평가
기간: 5 년
|
IBD 교육 및 품질 보증을 위한 방법론 개발 및 평가
|
5 년
|
|
d) 내시경 의사의 내시경 영상해석 비교 평가
기간: 5 년
|
내시경 전문의의 내시경 영상해석 비교 평가
|
5 년
|
|
e) IBD에 대한 내시경 검사에서 품질 메트릭의 자동 측정을 허용하는 딥 러닝 알고리즘 및 컴퓨터 비전 기술 개발
기간: 5 년
|
IBD에 대한 내시경 검사에서 품질 메트릭을 자동으로 측정할 수 있도록 딥 러닝 알고리즘 및 컴퓨터 비전 기술을 개발합니다.
|
5 년
|
|
f) 시간이 지남에 따라 새로운 이미징 기술이 등장함에 따라 위의 목표를 지속적으로 개발할 수 있도록 미래의 강력한 연구 플랫폼을 만듭니다.
기간: 5 년
|
시간이 지남에 따라 새로운 이미징 기술이 등장함에 따라 위의 목표를 지속적으로 개발할 수 있도록 미래의 강력한 연구 플랫폼을 만듭니다.
|
5 년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Shaji Sebastian, Hull University Teaching Hospitals NHS Trust
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)
2021년 9월 17일
기본 완료 (추정된)
2031년 9월 1일
연구 완료 (추정된)
2031년 9월 1일
연구 등록 날짜
최초 제출
2021년 4월 27일
QC 기준을 충족하는 최초 제출
2021년 4월 27일
처음 게시됨 (실제)
2021년 4월 30일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2023년 7월 27일
QC 기준을 충족하는 마지막 업데이트 제출
2023년 7월 26일
마지막으로 확인됨
2023년 7월 1일
추가 정보
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. .