- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06540742
영상 오믹스와 비전 매크로모델을 기반으로 한 간 포피충증의 다중 영상 진단 및 의사결정 지원 시스템
2024년 9월 13일 업데이트: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
간성 에키노코쿠스증(간성 에키노코쿠스증)은 중국 북서부의 농업 및 목축 지역에 널리 존재하는 중요한 인수공통전염병입니다.
이 질병은 인체의 어느 부위에나 기생충이 있을 수 있으며 여러 기관에 영향을 미칠 수 있습니다.
심한 경우 환자는 일할 능력을 잃게 됩니다.
현재 이 질병은 진단 정확도, 특정 유형 식별, 수술 전 활동 평가, 수술 후 재발 예측 및 T-튜브 압입 결정 평가에 어려움을 겪고 있습니다.
특히 의료자원의 분포가 고르지 않고 우수한 영상의학과 임상의가 부족한 발생빈도가 높은 지역에서 이러한 문제는 더욱 심각하다.
우리의 이전 연구에서는 시각적 대형 모델과 이미징 오믹스 알고리즘을 사용하면 간 에키노코커스 병변을 효과적으로 분할하고 주요 특징을 추출하며 임상의에게 정확하고 신뢰할 수 있는 진단 및 치료 권장 사항을 제공할 수 있음이 입증되었습니다.
보다 폭넓은 다기관 대용량 데이터 세트를 기반으로 다양한 의료 영상 모드(MRI, CT, 초음파 등)의 변환을 기반으로 간 질환의 효과적인 식별, 진단, 수술 결정 지원 및 수술 후 정확한 예측이 목표라고 믿습니다. echinococsis가 발생할 수 있습니다.
진단 및 치료 효율성, 진단 및 치료 자동화, 진단 결과의 해석 가능성 등을 고려하여 적대 생성 네트워크, 비전 대형 모델, 이미지 오믹스, 의사결정 수준 융합 등의 인공지능 기술 솔루션을 활용하여 포괄적이고 정확한 진단 및 예후를 구축하겠습니다. 간성 포피 구균증에 대한 시스템
연구 개요
상세 설명
- 간 포낭균증의 자동 인식/효율적인 진단: 간 포낭충증, 간 농양 및 기타 간낭포성 공간 점유 병변과 같은 다른 간 질환과 간 포낭균증의 감별 개선을 목표로 하는 딥러닝 기반 AI 진단 도구 개발. 이 도구는 생성적 적대 신경망(Generative Adversarial Network)과 양극화된 자기 주의 알고리즘(Polarized Self-Attention Algorithm)을 활용하여 간성 극균증을 효과적으로 식별하고 분류하여 서부 지역의 불균형한 의료 자원과 전문 의사의 부족을 보완할 것입니다.
- 특정 유형의 간성 포피 구균증의 감별 진단: CL 유형, CE1 유형 및 간성 포피 구균증의 간 낭종을 구별하기 위해 딥 러닝 방법과 결합된 다중 모드 영상의 사용을 탐색합니다. 본 연구에서는 DINOv2 의료영상 분할 알고리즘과 딥러닝 기술을 적용하여 상대적으로 불균일하게 분포되고 복잡한 데이터가 있는 사례를 정확하게 식별합니다.
- 간 에키노코쿠스증의 수술 후 재발 예측: 전이 학습 및 Deep-SVDD 알고리즘을 사용하여 간 에키노코쿠스증의 수술 후 재발 위험을 예측하여 불균형한 표본 크기 데이터 세트에 대한 효과적인 솔루션을 제공합니다. 또한 의료빅데이터 플랫폼의 데이터를 통합해 AI 기반 수술 후 재발 예측 모델을 구축했다.
연구 유형
관찰
등록 (실제)
1000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
China/Guangdong
-
Guangzhou, China/Guangdong, 중국
- Sun Yat-Sen Memorial Hospital of Sun Yat-Sen 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
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
본 연구에서는 수술 후 병리학적으로 확인된 간포양 환자의 영상 데이터를 바탕으로 딥러닝 기술을 활용하여 간포낭, 간농양 등 간낭포성 병변과 간포포증을 구별하였다.
설명
포함 기준:
- CT, 초음파, MRI dcim 형식의 완전한 원본 이미지를 보유한 환자
- 수술 후 병리학적 소견으로 확인된 간정화 환자
- 임상 데이터가 완벽하게 보존된 환자
제외 기준:
- 영상 데이터 품질이 좋지 않은 환자
- 임상 데이터가 불완전한 환자
- 수술적 치료 없이 영상만으로 진단된 CE4 및 CE5 간정화 환자
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
관찰 그룹
본 연구에서는 간수종 환자의 수술 전 영상 데이터를 연구 대상으로 삼았다.
|
딥러닝 기술을 활용해 간포물을 자동으로 식별하는 인공신경망 구축
|
|
대조군
간낭종, 간농양, 정상간을 대조군으로 하였다.
|
딥러닝 기술을 활용해 간포물을 자동으로 식별하는 인공신경망 구축
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
로크 곡선
기간: 2024.7-2026.3
|
수신기 동작 특성 곡선
|
2024.7-2026.3
|
|
AUC
기간: 2024.7-2026.3
|
ROC 곡선 아래 면적
|
2024.7-2026.3
|
|
PPV
기간: 2024.7-2026.3
|
긍정적인 예측 가치
|
2024.7-2026.3
|
|
NPV
기간: 2024.7-2026.3
|
부정적인 예측 가치
|
2024.7-2026.3
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 연구 책임자: Yajin Chen, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 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 (실제)
2023년 9월 30일
기본 완료 (실제)
2024년 9월 12일
연구 완료 (실제)
2024년 9월 12일
연구 등록 날짜
최초 제출
2024년 8월 2일
QC 기준을 충족하는 최초 제출
2024년 8월 2일
처음 게시됨 (실제)
2024년 8월 6일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 9월 19일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 9월 13일
마지막으로 확인됨
2024년 9월 1일
추가 정보
이 연구와 관련된 용어
키워드
추가 관련 MeSH 약관
기타 연구 ID 번호
- SYSKY-2024-517-01
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
IPD 계획 설명
관련 의료영상 데이터는 환자 개인정보 보호와 관련돼 있어 연구단체는 공유를 거부했다.
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. .