보고 품질 향상을 위한 AI 기반 대장내시경 보고 시스템
2023년 4월 13일 업데이트: Renmin Hospital of Wuhan University
대장내시경 중 보고 품질 향상을 위한 음성 및 이미지 인식 기반 시스템
본 연구에서 연구자들은 내시경 전문의의 대장내시경 보고 품질을 위해 음성 및 영상 인식 기반 시스템이 대장내시경 중 보고 품질 향상에 미치는 효과에 대한 전향적 연구를 제안하였다.
참가자는 두 그룹으로 나뉩니다.
수집된 대장내시경 영상의 경우 A그룹은 인공지능 시스템의 도움을 받아 관찰 내용을 기록합니다.
인공 지능 보조 시스템은 장 세그먼트 이미지를 자동으로 캡처하고 비정상적인 병변을 유발할 수 있습니다.
그룹 B는 특별한 프롬프트 없이 내시경 보고서를 작성합니다.
워시아웃 기간 후, 두 그룹은 대장 내시경 보고서를 완성하기 위해 AI 지원이 없는 A 그룹과 AI 지원이 있는 B 그룹으로 전환했습니다.
그런 다음 대장내시경 보고서의 완전성, 해부학적 랜드마크 및 발견된 병변 캡처의 완전성, 구조화된 설명의 완전성, 병변 보고의 정확성, 보고 시간 및 보고 시스템에 대한 만족도를 AI 지원 유무에 따라 비교합니다.
연구 개요
연구 유형
중재적
등록 (예상)
10
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Honggang Yu, MD
- 전화번호: 13871281899
- 이메일: yuhonggang1969@163.com
연구 장소
-
-
Hubei
-
Wuhan, Hubei, 중국, 430060
- Renmin Hospital of Wuhan Univercity
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준:
환자:
- 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.
의사들:
- 만 18세 이상의 남녀
- 자격을 갖춘 의학 교육을 받고 의사의 진료 면허를 취득한 후.
제외 기준:
환자:
- 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 협착증 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 경구 항응고제로 인해 생검을 수행할 수 없음;
- 피험자가 임상시험 참여에 부적합하다고 연구자가 판단하는 고위험 질환 또는 기타 특수한 상태.
의사들:
1. 연구원은 피험자가 임상 시험에 참여하기에 적합하지 않다고 생각합니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 장치 타당성
- 할당: 무작위
- 중재 모델: 크로스오버 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 인공 지능 비서 시스템
내시경 의사는 인공 지능 시스템의 도움을 받아 대장 내시경 보고서를 완성합니다.
|
인공지능 보조 시스템은 음성 인식과 딥 러닝을 기반으로 장 분할 이미지를 자동으로 캡처하고 이상 병변을 유도할 수 있습니다.
|
|
간섭 없음: 인공 지능 비서 시스템 없이
Endoscopists는 특별한 프롬프트없이 대장 내시경 보고서를 작성합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
대장 내시경 보고서의 무결성
기간: 한달
|
AI 지원 유무에 관계없이 무결성을 보고합니다.
계산 방식 = 기록된 정보 수 / 기록해야 하는 총 정보 수 x 100%
|
한달
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
해부학적 랜드마크 캡처의 무결성
기간: 한달
|
AI 지원 유무에 관계없이 캡처된 창자 landmrak 이미지의 무결성.
계산 방법 = 캡처된 이미지의 해부학적 랜드마크 수 / 총 해부학적 랜드마크 수 x 100%
|
한달
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
보고서 병변의 무결성
기간: 한달
|
AI 지원 유무에 관계없이 병변 무결성을 보고합니다.
산정방법 = 보고된 병변수 / 총 병변수 x 100%
|
한달
|
|
구조화된 설명의 완성도
기간: 한달
|
AI 지원 유무에 관계없이 구조화된 설명의 완성도.
계산 방식 = 구조화된 기술의 수 / 기록해야 하는 구조화된 기술의 총 수 x 100%
|
한달
|
|
병변 보고의 정확성
기간: 한달
|
AI 지원 유무에 관계없이 병변 보고의 정확성.
계산 방법 = 정확한 기재가 있는 병변의 수 / 병변 기재의 총 수 x 100%
|
한달
|
|
보고의 시간
기간: 한달
|
AI 지원 유무에 관계없이 보고 시간
|
한달
|
|
보고 시스템에 대한 만족도
기간: 한달
|
AI 지원 여부에 관계없이 보고 시스템에 대한 만족도
|
한달
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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 (예상)
2023년 5월 15일
기본 완료 (예상)
2023년 6월 15일
연구 완료 (예상)
2023년 7월 31일
연구 등록 날짜
최초 제출
2023년 4월 2일
QC 기준을 충족하는 최초 제출
2023년 4월 13일
처음 게시됨 (실제)
2023년 4월 25일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2023년 4월 25일
QC 기준을 충족하는 마지막 업데이트 제출
2023년 4월 13일
마지막으로 확인됨
2023년 3월 1일
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- EA-23-002
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
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. .