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

EndoStyle: 대장내시경을 위한 인공지능 이미지 변환 도구 (EndoStyle)

2025년 8월 25일 업데이트: Wuerzburg University Hospital

EndoStyle: 내시경 이미지 스타일 전송에 대한 의사 설문조사.

이 연구는 단일 유형의 내시경 프로세서의 데이터로 훈련되고 전문가가 주석을 추가한 이미지가 제한적인 위장 내시경 분야의 현재 AI 시스템의 한계를 다룹니다. 연구자들은 단일 참조 이미지에서 다양한 프로세서 스타일의 이미지를 생성할 수 있는 AI 시스템인 EndoStyle을 개발하고 검증하는 것을 목표로 합니다. EndoStyle은 AI로 변환된 이미지를 구별할 수 있는지 확인하기 위해 다양한 이미지 유형의 대장내시경 시퀀스를 내시경 의사에게 보여줌으로써 테스트됩니다. 성공하면 다양한 임상 설정을 위한 AI 교육이 향상됩니다.

연구 개요

상태

완전한

상세 설명

위장내시경에 인공지능(AI) 활용이 보편화됐다. 그러나 이러한 시스템은 단일 유형의 내시경 프로세서의 데이터로만 교육되는 경우가 많아 적용성이 제한됩니다. 또한 전문가가 주석을 단 이미지의 가용성이 제한되어 있어 데이터 가변성과 그에 따른 AI 시스템의 성능에 영향을 미칩니다.

본 연구의 목적은 새로운 인공지능(AI) 기반 시스템(EndoStyle)을 개발하고 의사들을 대상으로 한 설문 조사를 통해 그 진위 여부를 검증하는 것입니다. 이 시스템은 다양한 프로세서 유형(Olympus 포함, Pentax 및 Storz) 단일 내시경 참조 이미지에서.

조사관의 가설은 AI 시스템이 비디오 프로세서의 이미지 스타일을 성공적으로 변경할 수 있으며 내시경 의사의 눈에는 차이가 눈에 띄지 않는다는 것입니다.

이 방법은 여러 내시경 의사에게 각각 10초 동안 지속되는 28개의 대장내시경 시퀀스를 보여주는 것으로 구성됩니다. 각각에는 양성 대조군, 음성 대조군 및 Endostyle(개입 그룹)에 속하는 이미지의 가능한 모든 조합이 될 수 있는 3개의 이미지가 표시됩니다. 연구자는 각 그룹에 대해 선택된 이미지의 백분율을 통계적으로 비교함으로써 참가자가 AI에 의해 변환된 이미지를 구별할 수 있는지 여부를 확인할 수 있습니다.

결과가 우리의 가설을 확증한다면 우리 시스템은 각 임상 설정에 대해 AI 시스템의 보다 맞춤형 교육을 가능하게 하는 이미지를 생성할 수 있습니다.

연구 유형

관찰

등록 (실제)

40

연락처 및 위치

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

연구 장소

    • Bavaria
      • Würzburg, Bavaria, 독일, 97080
        • University Clinic of Würzburg

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

샘플링 방법

비확률 샘플

연구 인구

설문조사의 참가자는 대장내시경 경험이 있는 의사입니다.

설명

포함 기준:

  • 대장내시경 경험이 있는 의사.

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
양성 대조군
참가자에게 표시되는 이미지는 10초 비디오 시퀀스에 표시된 것과 동일한 대장 내시경 검사에 속합니다.
음성 대조군
참가자에게 표시되는 이미지는 10초 비디오 시퀀스에 표시된 것과 동일한 대장 내시경 검사에 속합니다.
EndoStyle(개입 그룹)
참가자에게 보여지는 이미지는 10초 대장내시경 영상 시퀀스에 속하지 않으며 영상의 스타일을 시뮬레이션하기 위해 AI로 변환되었습니다.
EndoStyle 시스템은 다양한 비디오 프로세서 이미지의 스타일을 변환할 수 있습니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
AI로 변환된 내시경 이미지의 지각적 구별 불가능성
기간: 5개월
각 연구 그룹의 정확도 비교.
5개월

2차 결과 측정

결과 측정
측정값 설명
기간
이미지 식별에 소요되는 시간
기간: 5개월
각 스터디 그룹에 따라 다양한 작업을 평가하는 데 소요되는 시간입니다.
5개월
정기적으로 사용되는 프로세서의 영향
기간: 5개월
정의된 프로세서 클래스를 사용하여 AI로 변환된 내시경 이미지의 지각적 구별 불가능성에 대한 임상 작업 중 정기적으로 사용되는 내시경 프로세서의 영향
5개월
내시경 경험의 영향
기간: 5개월
평생 대장내시경 검사를 통해 측정한 내시경 경험이 AI로 변환된 내시경 영상의 지각 구별성에 미치는 영향
5개월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 수석 연구원: Alexander Hann, MD, University hospital of Würzburg

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)

2024년 8월 15일

기본 완료 (실제)

2025년 8월 22일

연구 완료 (실제)

2025년 8월 22일

연구 등록 날짜

최초 제출

2024년 8월 8일

QC 기준을 충족하는 최초 제출

2024년 8월 13일

처음 게시됨 (실제)

2024년 8월 14일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2025년 9월 2일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 8월 25일

마지막으로 확인됨

2025년 8월 1일

추가 정보

이 연구와 관련된 용어

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

미정

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. .

구독하다