내시경 초음파 검사 기반 췌장 낭성 병변의 다중 모드, 다중 클래스 진단을 위한 인공 지능 시스템
2026년 4월 23일 업데이트: Qilu Hospital of Shandong University
내시경 초음파 검사 기반 다중 모드, 다중 등급 췌장 낭성 병변 진단을 위한 인공 지능 시스템
이 연구의 목적은 내시경 초음파 검사(EUS) 중 췌장 낭성 병변(PCL)을 검출하고 다중 모드, 다중 클래스 진단을 위한 iEUS-PCL(지능형 내시경 초음파 시스템-췌장 낭성 병변)이라는 인공 지능 시스템을 개발하고 검증하는 것입니다.
연구 개요
상세 설명
이 다기관, 전향적 코호트 연구는 PCL의 검출 및 감별 진단을 위해 iEUS-PCL이라는 다중모드 인공지능 시스템을 개발하고 검증하는 것을 목표로 합니다.
이 모델은 EUS 검사를 받은 환자의 후향적으로 수집된 EUS 영상, EUS 특징, 임상 데이터 및 영상의학적 영상 특징을 바탕으로 개발되었습니다.
iEUS-PCL의 진단 성능은 전향적으로 실시간 EUS 영상에서 평가되며, 내시경 초음파 전문의의 성능과 비교됩니다.
연구 유형
관찰
등록 (추정된)
176
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Zhen Li
- 전화번호: 86+18560086106
- 이메일: qilulizhen@sdu.edu.cn
연구 장소
-
-
Shandong
-
Jinan, Shandong, 중국, 250012
- Qilu Hospital of Shandong University
-
연락하다:
- Zhen Li, doctor
- 전화번호: 86+18560086106
- 이메일: qilulizhen@sdu.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
샘플링 방법
비확률 샘플
연구 인구
EUS를 시행하는 췌장 낭성 병변 의심 성인 환자.
설명
포함 기준:
- 1. 임상 증상, 병력, 검사실 검사 또는 영상 검사를 바탕으로 췌장 낭성 병변 의심으로 EUS 예정인 만 18세 이상 환자로서, 연구 참여에 동의하고 자발적으로 동의서에 서명한 환자.
2. 췌장 병변에 대한 이전 치료 경험이 없는 환자.
제외 기준:
- 1. EUS 검사의 절대적 금기증이 있는 환자. 2. 임신 또는 수유 중. 3. 교정 불가능한 응고 장애(PTT>50초 또는 INR>1.5) 및/또는 교정 불가능한 혈소판 감소증(혈소판 수<50×10^9/L). 4. 상부 위장관 폐쇄. 5. 다른 흉부 및/또는 복부 장기의 병변으로 인해 췌장의 수술적 치료 또는 해부학적 변형을 받은 환자, 선천적 해부학적 이상이 있는 환자.
6. 담관/췌관 스텐트 삽입술을 받은 환자. 7. 동의서 서명을 거부하는 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 |
|---|---|
|
EUS를 받는 환자
임상 증상, 병력, 검사실 검사 또는 방사선학적 검사를 기반으로 췌장 낭성 병변이 의심되는 EUS가 예정된 ≥18세 환자가 연구 참여에 동의하고 자발적으로 정보에 입각한 동의서에 서명한 경우 적격입니다.
|
iEUS-PCL은 자동으로 췌장 낭성 병변을 감지하고 환자의 EUS 영상, EUS 특징, 임상 데이터 및 방사선학적 영상 특징을 통합하여 세 가지 분류 작업을 수행합니다:
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
췌장 낭성 병변에 대한 iEUS-PCL의 정확도
기간: 시술 중
|
본 연구의 주요 결과는 iEUS-PCL이 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4-범주)을 식별하는 정확도를 평가하는 것입니다.
|
시술 중
|
|
췌장 낭성 병변에 대한 iEUS-PCL의 민감도
기간: 시술 중
|
이 연구의 주요 결과는 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4-범주)을 식별하는 데 있어 iEUS-PCL의 민감도를 평가하는 것입니다.
|
시술 중
|
|
췌장 낭성 병변에 대한 iEUS-PCL의 특이도
기간: 시술 중
|
본 연구의 주요 결과는 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4-범주)을 식별하는 데 있어 iEUS-PCL의 특이성을 평가하는 것입니다.
|
시술 중
|
|
췌장 낭성 병변에 대한 iEUS-PCL의 양성 예측도
기간: 시술 중
|
본 연구의 주요 결과는 iEUS-PCL이 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4-범주)을 식별하는 데 있어 양성 예측도를 평가하는 것입니다.
|
시술 중
|
|
췌장 낭성 병변에 대한 iEUS-PCL의 음성 예측값
기간: 시술 중
|
이 연구의 주요 결과는 iEUS-PCL이 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4-범주)을 식별하는 데 있어 음성 예측 값을 평가하는 것입니다.
|
시술 중
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
iEUS-PCL과 내시경 초음파 의사의 정확도 비교
기간: 시술 중
|
본 연구의 2차 결과는 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4개 범주)을 식별하는 데 있어 iEUS-PCL과 다양한 숙련도의 내시경 초음파 전문의들 간의 정확도를 비교하는 것입니다.
|
시술 중
|
|
iEUS-PCL과 내시경 초음파 검사 전문의의 민감도 비교
기간: 시술 중
|
이 연구의 2차 결과는 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4-범주) 식별 시 iEUS-PCL과 다양한 수준의 내시경 초음파 검사자 간 민감도를 비교하는 것입니다.
|
시술 중
|
|
iEUS-PCL과 내시경 초음파 검사 전문의의 특이도 비교
기간: 시술 중
|
본 연구의 2차 결과는 iEUS-PCL과 다양한 수준의 내시경 초음파 전문의가 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4-범주)을 식별하는 특이도를 비교하는 것입니다.
|
시술 중
|
|
iEUS-PCL과 내시경 전문의 간의 양성 예측도 비교
기간: 시술 중
|
본 연구의 2차 목표는 iEUS-PCL과 다양한 숙련도의 내시경 초음파 전문의들이 췌장 낭성 병변(양성/악성; 점액성/비점액성; 4-범주)을 식별하는 데 있어 양성 예측도를 비교하는 것이다.
|
시술 중
|
|
iEUS-PCL과 내시경 전문의의 음성 예측값 비교
기간: 시술 중
|
본 연구의 이차적 결과는 췌장낭성 병변(양성/악성; 점액성/비점액성; 4-범주)을 식별하는 데 있어 iEUS-PCL과 서로 다른 숙련도의 내시경 초음파 검사자 간의 음성 예측도를 비교하는 것입니다.
|
시술 중
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Wu HL, Yao LW, Shi HY, Wu LL, Li X, Zhang CX, Chen BR, Zhang J, Tan W, Cui N, Zhou W, Zhang JX, Xiao B, Gong RR, Ding Z, Yu HG. Validation of a real-time biliopancreatic endoscopic ultrasonography analytical device in China: a prospective, single-centre, randomised, controlled trial. Lancet Digit Health. 2023 Nov;5(11):e812-e820. doi: 10.1016/S2589-7500(23)00160-7. Epub 2023 Sep 27.
- Tian S, Shi H, Chen W, Li S, Han C, Du F, Wang W, Wen H, Lei Y, Deng L, Tang J, Zhang J, Lin J, Shi L, Ning B, Zhao K, Miao J, Wang G, Hou H, Huang X, Kong W, Jin X, Ding Z, Lin R. Artificial intelligence-based diagnosis of standard endoscopic ultrasonography scanning sites in the biliopancreatic system: a multicenter retrospective study. Int J Surg. 2024 Mar 1;110(3):1637-1644. doi: 10.1097/JS9.0000000000000995.
- Lipkova J, Chen RJ, Chen B, Lu MY, Barbieri M, Shao D, Vaidya AJ, Chen C, Zhuang L, Williamson DFK, Shaban M, Chen TY, Mahmood F. Artificial intelligence for multimodal data integration in oncology. Cancer Cell. 2022 Oct 10;40(10):1095-1110. doi: 10.1016/j.ccell.2022.09.012.
- Schulz D, Heilmaier M, Phillip V, Treiber M, Mayr U, Lahmer T, Mueller J, Demir IE, Friess H, Reichert M, Schmid RM, Abdelhafez M. Accurate prediction of histological grading of intraductal papillary mucinous neoplasia using deep learning. Endoscopy. 2023 May;55(5):415-422. doi: 10.1055/a-1971-1274. Epub 2022 Nov 2.
- Kuwahara T, Hara K, Mizuno N, Okuno N, Matsumoto S, Obata M, Kurita Y, Koda H, Toriyama K, Onishi S, Ishihara M, Tanaka T, Tajika M, Niwa Y. Usefulness of Deep Learning Analysis for the Diagnosis of Malignancy in Intraductal Papillary Mucinous Neoplasms of the Pancreas. Clin Transl Gastroenterol. 2019 May 22;10(5):1-8. doi: 10.14309/ctg.0000000000000045.
- Nguon LS, Seo K, Lim JH, Song TJ, Cho SH, Park JS, Park S. Deep Learning-Based Differentiation between Mucinous Cystic Neoplasm and Serous Cystic Neoplasm in the Pancreas Using Endoscopic Ultrasonography. Diagnostics (Basel). 2021 Jun 8;11(6):1052. doi: 10.3390/diagnostics11061052.
- Vilas-Boas F, Ribeiro T, Afonso J, Cardoso H, Lopes S, Moutinho-Ribeiro P, Ferreira J, Mascarenhas-Saraiva M, Macedo G. Deep Learning for Automatic Differentiation of Mucinous versus Non-Mucinous Pancreatic Cystic Lesions: A Pilot Study. Diagnostics (Basel). 2022 Aug 24;12(9):2041. doi: 10.3390/diagnostics12092041.
- Gheorghiu MI, Seicean A, Pojoga C, Hagiu C, Seicean R, Sparchez Z. Contrast-enhanced guided endoscopic ultrasound procedures. World J Gastroenterol. 2024 May 7;30(17):2311-2320. doi: 10.3748/wjg.v30.i17.2311.
- Huang W, Xu Y, Li Z, Li J, Chen Q, Huang Q, Wu Y, Chen H. Enhancing noninvasive pancreatic cystic neoplasm diagnosis with multimodal machine learning. Sci Rep. 2025 May 12;15(1):16398. doi: 10.1038/s41598-025-01502-4.
- Hwang J, Kim YK, Min JH, Jeong WK, Hong SS, Kim HJ. Comparison between MRI with MR cholangiopancreatography and endoscopic ultrasonography for differentiating malignant from benign mucinous neoplasms of the pancreas. Eur Radiol. 2018 Jan;28(1):179-187. doi: 10.1007/s00330-017-4926-5. Epub 2017 Aug 4.
- Jiang J, Chao WL, Cao T, Culp S, Napoleon B, El-Dika S, Machicado JD, Pannala R, Mok S, Luthra AK, Akshintala VS, Muniraj T, Krishna SG. Improving Pancreatic Cyst Management: Artificial Intelligence-Powered Prediction of Advanced Neoplasms through Endoscopic Ultrasound-Guided Confocal Endomicroscopy. Biomimetics (Basel). 2023 Oct 19;8(6):496. doi: 10.3390/biomimetics8060496.
- Oh S, Kim YJ, Park YT, Kim KG. Automatic Pancreatic Cyst Lesion Segmentation on EUS Images Using a Deep-Learning Approach. Sensors (Basel). 2021 Dec 30;22(1):245. doi: 10.3390/s22010245.
- Rangwani S, Ardeshna DR, Rodgers B, Melnychuk J, Turner R, Culp S, Chao WL, Krishna SG. Application of Artificial Intelligence in the Management of Pancreatic Cystic Lesions. Biomimetics (Basel). 2022 Jun 14;7(2):79. doi: 10.3390/biomimetics7020079.
- European Study Group on Cystic Tumours of the Pancreas. European evidence-based guidelines on pancreatic cystic neoplasms. Gut. 2018 May;67(5):789-804. doi: 10.1136/gutjnl-2018-316027. Epub 2018 Mar 24.
- Elta GH, Enestvedt BK, Sauer BG, Lennon AM. ACG Clinical Guideline: Diagnosis and Management of Pancreatic Cysts. Am J Gastroenterol. 2018 Apr;113(4):464-479. doi: 10.1038/ajg.2018.14. Epub 2018 Feb 27.
- Vilela A, Quingalahua E, Vargas A, Hawa F, Shannon C, Carpenter ES, Shi J, Krishna SG, Lee UJ, Chalhoub JM, Machicado JD. Global Prevalence of Pancreatic Cystic Lesions in the General Population on Magnetic Resonance Imaging: A Systematic Review and Meta-analysis. Clin Gastroenterol Hepatol. 2024 Sep;22(9):1798-1809.e6. doi: 10.1016/j.cgh.2024.02.018. Epub 2024 Feb 28.
- Kloth C, Haggenmuller B, Beck A, Wagner M, Kornmann M, Steinacker JP, Steinacker-Stanescu N, Vogele D, Beer M, Juchems MS, Schmidt SA. Diagnostic, Structured Classification and Therapeutic Approach in Cystic Pancreatic Lesions: Systematic Findings with Regard to the European Guidelines. Diagnostics (Basel). 2023 Jan 26;13(3):454. doi: 10.3390/diagnostics13030454.
- Tian G, Xu D, He Y, Chai W, Deng Z, Cheng C, Jin X, Wei G, Zhao Q, Jiang T. Deep learning for real-time auxiliary diagnosis of pancreatic cancer in endoscopic ultrasonography. Front Oncol. 2022 Oct 7;12:973652. doi: 10.3389/fonc.2022.973652. eCollection 2022.
- Qin X, Ran T, Chen Y, Zhang Y, Wang D, Zhou C, Zou D. Artificial Intelligence in Endoscopic Ultrasonography-Guided Fine-Needle Aspiration/Biopsy (EUS-FNA/B) for Solid Pancreatic Lesions: Opportunities and Challenges. Diagnostics (Basel). 2023 Sep 26;13(19):3054. doi: 10.3390/diagnostics13193054.
- Goyal H, Sherazi SAA, Gupta S, Perisetti A, Achebe I, Ali A, Tharian B, Thosani N, Sharma NR. Application of artificial intelligence in diagnosis of pancreatic malignancies by endoscopic ultrasound: a systemic review. Ther Adv Gastroenterol. 2022 Apr 29;15:17562848221093873. doi: 10.1177/17562848221093873. eCollection 2022.
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)
2026년 4월 20일
기본 완료 (추정된)
2028년 6월 30일
연구 완료 (추정된)
2028년 6월 30일
연구 등록 날짜
최초 제출
2026년 4월 15일
QC 기준을 충족하는 최초 제출
2026년 4월 15일
처음 게시됨 (실제)
2026년 4월 21일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 4월 29일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 4월 23일
마지막으로 확인됨
2026년 4월 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. .