설명 가능한 인공지능을 이용한 대장용종 진단이 광학적 진단과 기술수용에 미치는 영향
2024년 10월 2일 업데이트: Su Jin Chung, Seoul National University Hospital
이번 임상시험의 목표는 딥러닝을 활용한 컴퓨터 보조 진단과 설명 가능한 AI를 활용한 컴퓨터 보조 진단이 내시경 의사의 광학 진단 성능과 기술 수용에 효과가 있는지 알아보는 것입니다. 답변하려는 주요 질문은 다음과 같습니다.
딥러닝을 활용한 컴퓨터 지원 진단과 설명 가능한 AI를 활용한 컴퓨터 지원 진단이 내시경 의사의 광학 진단 성능을 향상합니까?
딥러닝 기반 컴퓨터 보조 진단과 설명 가능한 AI 기반 컴퓨터 보조 진단을 사용한 경험이 내시경 의사가 컴퓨터 보조 진단을 기술로 받아들이는 데 도움이 됩니까?
참가자는 다음을 수행합니다.
컴퓨터를 이용한 진단 기술에 대한 수용도 및 활용도 조사를 실시한다.
컴퓨터 지원 진단의 도움 없이 200개의 NBI 정지 이미지에 대한 병리학적 진단을 추정하는 테스트를 수행합니다.
1개월 이상 후에 동일한 테스트를 수행하여 딥 러닝 또는 설명 가능한 AI를 통한 컴퓨터 지원 진단을 통해 200개의 NBI 스틸 이미지에 대한 병리학적 진단을 추정합니다.
컴퓨터를 이용한 진단 기술에 대한 수용도 및 활용도 조사를 실시한다.
연구 개요
연구 유형
중재적
등록 (추정된)
120
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
-
Seoul, 대한민국, 06236
- Healthcare System Gangnam Center, Seoul National University Hospital
-
-
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
설명
포함 기준:
- 대장내시경 경험이 있는 내시경 전문의
제외 기준:
- 대장내시경을 할 수 없는 사람
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 설명 가능한 AI를 통한 컴퓨터 지원 진단
설명 가능한 AI를 사용한 컴퓨터 지원 진단으로 200개의 NBI 정지 이미지에 대해 동일한 테스트를 수행하여 병리학적 진단을 추정합니다.
|
설명 가능한 AI를 사용한 컴퓨터 지원 진단을 통해 동일한 테스트를 수행하여 200개의 NBI 스틸 이미지에 대한 병리학적 진단을 추정합니다.
|
|
활성 비교기: 딥러닝을 활용한 컴퓨터 지원 진단
딥러닝을 이용한 컴퓨터 지원 진단으로 200개의 NBI 정지 이미지에 대해 동일한 테스트를 수행하여 병리학적 진단을 추정합니다.
|
심층 학습을 통한 컴퓨터 지원 진단을 통해 200개의 NBI 정지 이미지에 대한 병리학적 진단을 추정하기 위해 동일한 테스트를 수행합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
광학 진단의 정확성
기간: 기준 테스트부터 후속 테스트까지(기준 테스트로부터 1개월 이상 경과)
|
병리학적 결과가 선종 및 과형성 폴립의 내시경 평가와 일치하는 경우의 비율
|
기준 테스트부터 후속 테스트까지(기준 테스트로부터 1개월 이상 경과)
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
컴퓨터를 이용한 진단을 기술로 받아들이다
기간: 베이스라인 테스트부터 후속 테스트까지(베이스라인 테스트로부터 1개월 이상 경과)
|
컴퓨터를 이용한 진단에 관한 기술의 수용 및 활용에 관한 조사.
|
베이스라인 테스트부터 후속 테스트까지(베이스라인 테스트로부터 1개월 이상 경과)
|
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 (실제)
2024년 9월 20일
기본 완료 (추정된)
2024년 12월 31일
연구 완료 (추정된)
2024년 12월 31일
연구 등록 날짜
최초 제출
2024년 9월 25일
QC 기준을 충족하는 최초 제출
2024년 9월 25일
처음 게시됨 (실제)
2024년 9월 27일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 10월 4일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 10월 2일
마지막으로 확인됨
2024년 9월 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. .