총담관결석증의 중간 가능성이 있는 환자의 진단 EUS 또는 MRCP의 필요성을 줄이기 위한 기계 학습 모델 적용
2026년 1월 4일 업데이트: Asian Institute of Gastroenterology, India
총담관결석증의 중간 가능성이 있는 환자의 진단 EUS 또는 MRCP의 필요성을 줄이기 위한 기계 학습 모델의 적용 - 전향적, 공개 라벨, 진단 연구
기계 학습 예측 모델은 선택된 환자 하위 그룹에서 EUS 또는 MRCP의 필요성을 줄이기 위해 이질적인 중간 가능성 그룹을 계층화하는 데 도움이 될 수 있습니다.
연구 개요
상태
모병
정황
상세 설명
총담관결석증 의심에 대한 현재 지침은 진단용 ERCP를 받는 환자의 위험을 줄이고 ERCP 후 부작용의 위험을 줄이는 것을 목표로 합니다.
이 과정에서 EUS 또는 MRCP가 필요한 중간 가능성 그룹의 환자 수가 명백히 증가합니다.
이는 중간 가능성 환자의 의료 이용률과 치료 비용을 증가시킬 수 있습니다.
임상의학에서 인공지능 분야는 빠르게 발전하고 있다.
인공지능 기반 기계학습 모델의 활용은 총담관결석증 예측에 대한 연구는 적절하지 않습니다.
기계 학습 예측 모델은 선택된 환자 하위 그룹에서 EUS 또는 MRCP의 필요성을 줄이기 위해 이질적인 중간 가능성 그룹을 계층화하는 데 도움이 될 수 있습니다.
연구 유형
관찰
등록 (추정된)
1000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Nitin G Jagtap, MD
- 전화번호: +919182859523
- 이메일: docnits13@gmail.com
연구 연락처 백업
- 이름: Hardik Rughwani, MD
- 전화번호: +919182859523
- 이메일: hardik.hr@gmail.com
연구 장소
-
-
Telangana
-
Hyderabad, Telangana, 인도, 500032
- 모병
- Asian Institute of Gastroenterology
-
연락하다:
- Mohan Ramchandani, MD
- 전화번호: +919282859523
- 이메일: docnits13@gmail.com
-
-
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
해당 없음
샘플링 방법
확률 샘플
연구 인구
총담관결석증 가능성이 중간 정도인 ESGE 또는 ASGE 위험 계층화 기준을 충족하는 총담관결석증이 의심되는 모든 환자는 하이데라바드 AIG 병원에서 전향적으로 등록됩니다.
설명
포함 기준:
• EUS 또는 MRCP를 시행하는 중간 가능성의 ASGE 또는 ESGE 위험 계층화 기준을 충족하는 총담관결석증이 의심되는 18세 이상의 개인
제외 기준:
- 만성 췌장염, 담도 협착, 췌담도 악성종양, 문맥 담즙병증을 포함하는 담석 및 담관결석증 이외의 췌담도계 질환이 동반된 환자
- 기저 만성 간질환을 앓고 있는 환자
- 임신과 모유 수유
- 담낭절제술의 이전 병력
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
머신 러닝 모델의 수신자 조작 특성 곡선 아래 면적(AUROC)
기간: 1개월
|
담관결석 존재 여부를 식별하기 위한 기계 학습 기반 예측 모델의 수신자 조작 특성 곡선 아래 영역(AUROC)
|
1개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
내시경 초음파(EUS) 또는 자기 공명 담췌관조영술(MRCP)의 진단 정확도 지표
기간: 1개월
|
담관결석의 식별을 위한 자기공명담췌관조영술(MRCP)의 민감도, 특이도, 양성예측도(PPV), 음성예측도(NPV), 그리고 수신자 조작 특성 곡선 아래 면적(AUROC)
|
1개월
|
|
기계 학습 예측 모델의 검증 성능
기간: 1개월
|
독립 검증 코호트에서 AUROC, 교정 지표(브라이어 점수) 및 교정 플롯을 사용하여 평가한 담관결석 예측을 위한 기계 학습 모델의 검증 성능.
|
1개월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 연구 책임자: Mohan Ramchandani, MD, Asian Institute of Gastroenterology
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)
2023년 10월 1일
기본 완료 (추정된)
2026년 6월 30일
연구 완료 (추정된)
2026년 10월 30일
연구 등록 날짜
최초 제출
2023년 9월 13일
QC 기준을 충족하는 최초 제출
2023년 9월 27일
처음 게시됨 (실제)
2023년 10월 4일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 1월 6일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 1월 4일
마지막으로 확인됨
2025년 12월 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. .