AI 시스템이 초보 내시경 의사의 대장내시경 품질에 미치는 영향 평가
인공지능 시스템이 초보 내시경 의사의 대장내시경 품질에 미치는 영향 평가: 무작위 통제 시험
연구 개요
상세 설명
대장내시경은 하부 소화관 병변을 발견하고 진단하는 중요한 기술입니다. 중국에서는 내시경에 대한 수요가 높고 내시경은 공급이 부족합니다. 그러나 대장내시경 검사는 최대한의 정확성과 안전성을 위해 교육과 경험이 필요한 복잡한 기술 절차입니다. 다른 내시경 의사의 능력은 크게 다릅니다. 초보 내시경의는 일반적으로 대장내시경에 들어가기가 어렵고 위험도가 높기 때문에 전문가의 도움이 필요합니다. 어느 정도 이것은 초보자의 생산성을 낭비합니다. 연구자가 내시경 전문가의 진입과 초심자의 퇴원 작업 방식을 마련할 수 있다면 임상 효율성과 자원 활용률을 크게 높일 수 있다. 그러나 수사관은 초보 내시경 의사의 열악한 검사 능력을 고려해야 합니다. 연공서열이 다른 내시경 전문의가 시행한 대장내시경 검사에서 선종 발견율은 7.4%~52.5%로 보고되고 있다. 초보 내시경 의사의 검사 능력을 향상시킬 수 있다면 이러한 우려를 없앨 수 있다.
딥 러닝 알고리즘은 최근 몇 년 동안 지속적으로 개발되고 점점 더 성숙해졌습니다. 그들은 의료 분야에 점차 적용되었습니다. 컴퓨터 비전은 기계가 "보는" 방법을 연구하는 과학입니다. 카메라와 컴퓨터는 딥러닝을 통해 사람의 눈을 대신해 표적 인식, 추적, 측정 등 머신비전을 수행할 수 있다. 의료 이미징 및 컴퓨터 비전 분야의 학제 간 협력도 최근 몇 년 동안 연구 핫스팟 중 하나입니다. 현재 주로 병변의 자동 식별 및 검출과 품질 관리에 적용되며 좋은 결과를 얻었습니다.
Investigator의 예비 실험은 딥 러닝이 내시경 품질 모니터링에서 높은 정확도를 가지고 있어 의사의 수술을 효과적으로 조절하고 사각지대를 줄이며 내시경 검사 품질을 향상시킬 수 있음을 보여주었습니다. 동시에 의사의 철수 시간을 실시간으로 모니터링하여 선종 발견률을 높일 수도 있습니다. 연구원 연구 그룹의 이전 작업에서 연구자들은 딥 러닝 기반 대장 내시경 철회 속도 모니터링 및 장 청결도 평가를 성공적으로 개발했으며 AI 지원 시스템 EndoAngel이 위 내시경 및 대장 내시경 품질 개선에 대한 임상 시험의 효과를 검증했습니다.
위의 풍부한 사전 작업 기반과 초보자의 대장 내시경 능력 향상에 대한 막대한 요구를 기반으로 합니다. 초보자와 초보자의 성능을 EndoAngel 지원 및 대장 내시경 전문가와 비교함으로써 연구원은 인공 지능이 초보자가 대장 내시경 전문가 수준에 도달하도록 지원할 수 있는지 여부를 조사하기를 원합니다.
연구 유형
등록 (실제)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
Hubei
-
Wuhan, Hubei, 중국, 430060
- Renmin Hospital of Wuhan University
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
설명
포함 기준:
- 18세 이상의 남성 또는 여성;
- 정보에 입각한 동의서를 읽고 이해하고 서명할 수 있습니다.
- 연구자는 피험자가 임상 연구 과정을 이해할 수 있고 모든 연구 절차 및 후속 방문을 완료할 의지와 능력이 있으며 연구 절차에 협조할 수 있다고 믿습니다.
- 대장내시경이 필요한 환자.
제외 기준:
- 지난 5년 동안 약물이나 알코올 남용 또는 정신 장애가 있는 경우
- 임산부 또는 수유부;
- 알려진 다발성 용종 증후군 환자;
- 알려진 염증성 장 질환이 있는 환자;
- 알려진 장 협착 또는 공간 점유 종양;
- 알려진 결장 폐쇄 또는 천공;
- 결장직장 수술 병력이 있는 환자;
- 사전 사용된 진경제에 대한 이전 알레르기 병력이 있는 환자;
- 응고 장애 또는 경구용 항응고제로 인해 생검 및 폴립 제거를 수행할 수 없음;
- 피험자가 임상시험 참여에 부적합하다고 연구자가 판단하는 고위험 질환 또는 기타 특수한 상태.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: AI 지원 시스템을 갖춘 초보자
초보 의사는 비정상적인 병변과 철수 속도를 실시간으로 표시할 수 있는 인공 지능 시스템과 과속 비율에 대한 피드백으로 대장 내시경 검사를 지원합니다.
|
인공 지능 보조 시스템은 비정상적인 병변과 실시간 금단 속도를 표시하고 과속 비율을 피드백할 수 있습니다.
|
|
간섭 없음: AI 지원 시스템이 없는 전문가
전문의들이 인공지능 보조 시스템과 특별한 팁 없이 일상적인 대장내시경 검사를 시행합니다.
|
|
|
간섭 없음: AI 지원 시스템이 없는 초보자
초보 의사들은 인공 지능 보조 시스템과 특별한 팁 없이 일상적인 대장 내시경 검사를 수행합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
선종 진단 누락률
기간: 한 달
|
2차 검사에서 새로 발견된 선종의 수를 두 검사에서 모두 발견된 총 선종의 수로 나눈 값
|
한 달
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
선종의 발견 비율
기간: 한 달
|
분자는 선종으로 진단된 환자의 수이고 분모는 대장내시경을 받는 총 환자 수입니다.
|
한 달
|
|
진행성 선종의 발견율
기간: 한 달
|
분자는 진행성 선종으로 진단된 환자의 수이고 분모는 대장내시경 검사를 받는 총 환자 수입니다.
진행성 선종은 10mm 초과, 융모 선종, 관상 융모 선종, 고도 상피내 종양 및 암종으로 정의되었습니다.
|
한 달
|
|
폴립 검출률
기간: 한 달
|
분자는 대장내시경으로 발견된 용종 환자의 수이고, 분모는 대장내시경을 받은 총 환자 수입니다.
|
한 달
|
|
환자당 발견된 선종의 평균 수
기간: 한 달
|
분자는 대장내시경으로 발견된 선종의 총 수이고 분모는 대장내시경을 받는 총 환자 수입니다.
|
한 달
|
|
대·소·마이크로 폴립의 검출율
기간: 한 달
|
분자는 대장내시경 검사에서 발견된 대(≥10 mm), 소형(6-9 mm) 및 미세소형(≤5 mm) 폴립 환자의 수이고 분모는 대장내시경을 받는 총 환자 수입니다.
|
한 달
|
|
감지된 대형, 소형 및 마이크로 폴립의 평균 수
기간: 한 달
|
분자는 대장내시경 검사에서 발견된 대(≥10mm), 소(6~9mm), 미세소(≤5mm) 폴립의 총 수이고, 분모는 대장내시경을 받는 총 환자 수입니다.
|
한 달
|
|
대, 소, 미세선종의 검출율
기간: 한 달
|
분자는 대장내시경 검사에서 발견된 대(≥10mm), 소(6-9mm) 및 미세소(≤5mm) 선종 환자의 수이고 분모는 대장내시경을 받는 총 환자 수입니다.
|
한 달
|
|
감지된 크고 작은 마이크로 선종의 평균 수
기간: 한 달
|
분자는 대장내시경 검사에서 발견된 대(≥10mm), 소(6-9mm) 및 미세소(≤5mm) 선종의 총 수이고, 분모는 대장내시경을 받는 총 환자 수입니다.
|
한 달
|
|
부위별 선종 발견율
기간: 한 달
|
분자는 대장내시경 검사 시 직장, 구불결장, 하행결장, 횡행결장, 상행결장, 회맹부 및 기타 부위에서 발견된 선종 환자의 수이고, 분모는 대장내시경을 받는 총 환자 수이다.
|
한 달
|
|
다른 부위에서 발견된 선종의 평균 수
기간: 한 달
|
분자는 대장내시경 시 직장, 구불결장, 하행결장, 횡행결장, 상행결장, 회맹부 및 기타 부위에서 발견된 선종의 총 수이고, 분모는 대장내시경을 받는 총 환자 수이다.
|
한 달
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Yu Honggang, Doctor, Renmin Hospital of Wuhan University
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
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. .