췌장 고형 병변 진단에서 Joint-AI 검증
2024년 12월 22일 업데이트: Bin Cheng, Huazhong University of Science and Technology
췌장 고형 병변 진단에서 다중 모드 인공 지능 모델의 검증: 전향적, 다기관, 무작위, 대조 시험
이 임상 시험은 다중 모드 인공 지능(AI) 모델이 췌장 고형 병변의 진단을 향상시킬 수 있는지 알아보는 것을 목표로 합니다. 답변하려는 주요 질문은 다음과 같습니다.
- AI 모델이 췌장 고형 병변 진단 시 내시경 의사의 진단 성능을 향상합니까?
- 해석 가능성 분석을 추가하면 보조 내시경 의사의 진단 성능이 더욱 향상됩니까? 연구원들은 AI 모델의 지원 유무에 관계없이 내시경 의사의 진단 성능을 비교할 것입니다.
참가자는 다음을 수행합니다.
- 이들의 임상 데이터는 전향적으로 수집될 것입니다.
- AI 지원군과 기존 진단군으로 무작위 배정됩니다.
연구 개요
상태
아직 모집하지 않음
상세 설명
연구진은 이전에 내시경 초음파 영상과 임상 데이터를 기반으로 췌장 고형 병변을 진단하는 다중 모드 AI 모델(Joint-AI)을 개발한 바 있다.
본 연구는 전향적으로 수집된 데이터 세트를 활용하여 Joint-AI 모델의 성능을 향상시키고, 무작위 대조 임상시험을 통해 이를 검증하는 것을 목표로 합니다.
연구 유형
중재적
등록 (추정된)
716
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Bin Cheng
- 전화번호: 86-13986097542
- 이메일: b.cheng@tjh.tjmu.edu.cn
연구 장소
-
-
Hubei
-
Wuhan, Hubei, 중국, 430030
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
연락하다:
- Bin Cheng
- 전화번호: 86-13986097542
- 이메일: b.cheng@tjh.tjmu.edu.cn
-
-
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
아니
설명
포함 기준:
- 영상 검사(MRI, CT, B-초음파)에서는 췌장에 고형 종괴가 나타나며, 환자의 병변 특성을 명확히 하기 위해 내시경 초음파 유도 미세침 흡인/생검(EUS-FNA/B)이 필요합니다.
- 서면 동의 제공
제외 기준:
- 18세 미만
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: 더블
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
간섭 없음: 기존 진단
내시경 의사는 내시경 초음파 영상과 임상 데이터를 바탕으로 췌장 고형 병변을 진단합니다.
|
|
|
실험적: Joint-AI 지원 진단
내시경 전문의는 내시경 초음파 영상, 임상 데이터, Joint-AI 모델 예측을 기반으로 췌장 고형 병변을 진단합니다.
|
Joint-AI 모델을 통해 제공되는 예측은 내시경 의사의 진단 과정에서 제공됩니다.
|
|
실험적: 해석 가능한 Joint-AI 지원 진단
내시경 전문의는 내시경 초음파 영상, 임상 데이터, Joint-AI 예측, Joint-AI 모델의 의사결정 과정의 투명성을 높이기 위한 해석성 분석 결과를 바탕으로 췌장 고형병변을 진단합니다.
|
Joint-AI 모델을 통한 예측과 해석 가능성 분석 결과를 내시경 의사의 진단 과정에서 제공합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Joint-AI 모델의 도움으로 정확한 진단 분류 비율
기간: 연구 수료를 통해 평균 1년
|
Joint-AI 모델을 활용한 내시경 의사의 진단과 최종 조직병리학적 진단(참조 기준)을 비교하여 췌장암과 다른 비암 병변을 감별하는 정확한 진단율입니다.
|
연구 수료를 통해 평균 1년
|
|
해석 가능한 Joint-AI 모델의 도움으로 정확한 진단 분류 비율
기간: 연구 수료를 통해 평균 1년
|
Interpretable Joint-AI 모델을 활용한 내시경 전문가의 평가와 최종 조직병리학적 진단(참고 기준)을 비교하여 췌장암을 다른 비암 병변과 감별하는 정확한 진단 비율
|
연구 수료를 통해 평균 1년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Joint-AI 모델과 해석 가능한 Joint-AI 모델의 정확한 진단 분류율
기간: 연구 수료를 통해 평균 1년
|
이 전향적으로 수집된 데이터 세트에서 AI 모델의 진단 정확도.
|
연구 수료를 통해 평균 1년
|
|
AI 지원을 통한 진단에 대한 내시경 의사 보고 신뢰도 점수(점수는 0%~100% 범위로, 0은 "전혀 확신하지 않음"을 나타내고 100은 "완전히 확신함"을 나타냄)
기간: 연구 수료를 통해 평균 1년
|
내시경 의사가 보고한 진단 신뢰도는 0에서 100까지의 범위로 측정됩니다. 여기서 0은 "전혀 확신하지 않음"을 나타내고 100은 "완전히 확신함"을 나타냅니다.
점수가 높을수록 진단 신뢰도가 높다는 것을 의미합니다.
신뢰도 점수는 Joint-AI 모델과 해석 가능한 Joint-AI 모델을 사용하여 이루어진 진단에 대해 별도로 평가됩니다.
|
연구 수료를 통해 평균 1년
|
|
AI 지원 없이 내시경 의사의 올바른 진단 분류 비율
기간: 연구 수료를 통해 평균 1년
|
연구 수료를 통해 평균 1년
|
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 (추정된)
2025년 1월 1일
기본 완료 (추정된)
2026년 1월 1일
연구 완료 (추정된)
2026년 1월 1일
연구 등록 날짜
최초 제출
2024년 12월 17일
QC 기준을 충족하는 최초 제출
2024년 12월 22일
처음 게시됨 (실제)
2025년 3월 25일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2025년 3월 25일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 12월 22일
마지막으로 확인됨
2024년 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. .