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

인공지능을 이용한 장상피화생 정도 자동 평가

2022년 7월 14일 업데이트: Yanqing Li, Shandong University

장상피화생 정도 자동 평가를 위한 인공지능 시스템 개발 및 검증

위 장 화생 (GIM)은 위암 (GC)의 중요한 단계입니다. 영상 강화 내시경(IEE)의 기술 발전으로 IEE가 GIM 진단에 높은 정확도를 보인다는 연구 결과가 있습니다. GC를 위한 새로운 내시경 위험 점수 시스템인 내시경 등급 시스템(EGGIM)은 GIM이 있는 광범위한 환자를 정확하게 식별하는 것으로 나타났습니다. 그러나 IEE 및 EGGIM 평가를 사용하는 GIM의 높은 진단 정확도는 모두 많은 경험을 필요로 하며, 이는 EGGIM의 적용을 제한합니다. 연구자들은 IM의 범위를 자동으로 평가하고 EGGIM 점수를 계산하기 위해 심층 신경망을 사용하여 컴퓨터 지원 진단 프로그램을 설계하는 것을 목표로 합니다.

연구 개요

상태

모병

정황

상세 설명

전 세계적으로 위암은 다섯 번째로 가장 흔한 악성 종양이며 암 사망률의 세 번째 주요 원인입니다. 위 장 화생 (GIM)은 위암 캐스케이드의 중간 전 암성 위 병변입니다. 연구에 따르면 IM 환자에서 위암의 5년 누적 발생률은 5.3%에서 9.8%에 이릅니다. 영상 강화 내시경(IEE)의 기술 발전으로 IEE가 GIM 진단에 높은 정확도를 보인다는 연구 결과가 있습니다. GC를 위한 새로운 내시경 위험 점수 시스템인 내시경 등급 시스템(EGGIM)은 GIM이 있는 광범위한 환자를 정확하게 식별하는 것으로 나타났습니다. 그러나 IEE를 사용하는 GIM의 높은 진단 정확도와 수행된 EGGIM 평가는 모두 많은 경험을 필요로 하므로 EGGIM의 적용이 제한됩니다. 연구자들은 IM의 범위를 자동으로 평가하고 EGGIM 점수를 계산하기 위해 심층 신경망을 사용하여 컴퓨터 지원 진단 프로그램을 설계하는 것을 목표로 합니다.

연구 유형

관찰

등록 (예상)

600

연락처 및 위치

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

연구 장소

중국
- Shandong
  - Jinan, Shandong, 중국, 250012
    - 모병
    - Department of Gastrology, QiLu Hospital, Shandong University

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 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

샘플링 방법

비확률 샘플

연구 인구

IEE 검사를 받고 산동 대학교 치루 병원에서 적격 기준을 충족하는 선별된 연속 환자가 연구에 등록됩니다.

설명

포함 기준:

IEE 검사를 받는 18-80세의 환자

제외 기준:

중증의 심장, 뇌, 폐 또는 신장 기능 장애 또는 위 내시경에 참여할 수 없는 정신 장애가 있는 환자
이전에 위 수술을 받은 환자
정보에 입각한 동의서 서명을 거부하는 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: 회고전

그룹/코호트 수

코호트 및 개입

그룹/코호트
알고리즘 훈련을 위한 그룹 이 이미지 그룹은 인공 지능 알고리즘을 교육하는 데 사용됩니다.
알고리즘 테스트 그룹 이 이미지 그룹은 인공 지능 알고리즘을 테스트하는 데 사용됩니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정	측정값 설명	기간
내시경 사진에서 장상피화생 정도를 평가하는 AI 모델의 특이성 기간: 2 년	내시경 사진에서 장상피화생 정도를 평가하는 AI 모델의 특이성	2 년
내시경 사진에서 장상피화생 정도를 평가하는 AI 모델의 정확도 기간: 2 년	내시경 사진에서 장상피화생 정도를 평가하는 AI 모델의 정확도	2 년
내시경 사진에서 장상피화생 정도를 평가하는 AI 모델의 민감도 기간: 2 년	장상피화생 정도를 평가하기 위한 AI 모델의 민감도	2 년

2차 결과 측정

결과 측정	측정값 설명	기간
장상피화생의 정도를 평가하기 위한 숙련된 내시경의의 정확성 기간: 2 년	내시경 사진에서 장화생의 정도를 평가하는 숙련된 내시경 의사의 정확성	2 년
미숙한 내시경 전문의의 장상피화생 정도 평가 정확도 기간: 2 년	내시경 사진에서 장상피화생의 정도를 평가하는 미숙한 내시경의의 정확도	2 년
장상피화생의 정도를 확인하기 위한 숙련된 내시경 의사 간의 관찰자 간 합의 기간: 2 년	내시경 사진에서 장상피화생의 정도를 확인하기 위한 숙련된 내시경 의사 간의 관찰자 간 합의	2 년
장상피화생의 정도를 확인하기 위한 미숙한 내시경의 사이의 관찰자 간 합의 기간: 2 년	내시경 사진에서 장상피화생의 정도를 확인하기 위한 미숙한 내시경 의사의 관찰자간 합의	2 년

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Shandong 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)

2022년 7월 1일

기본 완료 (예상)

2023년 12월 30일

연구 완료 (예상)

2023년 12월 30일

연구 등록 날짜

최초 제출

2022년 7월 8일

QC 기준을 충족하는 최초 제출

2022년 7월 14일

처음 게시됨 (실제)

2022년 7월 15일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)