Beeldherkenning van endoscopische ernst ter bevordering van onderzoek en training op het gebied van inflammatoire darmaandoeningen (EVEREST - IBD)
EVEREST - IBD: beeldherkenning van endoscopische ernst ter bevordering van onderzoek en training op het gebied van inflammatoire darmaandoeningen
Studie Overzicht
Toestand
Toestand
Conditie
Conditie
Gedetailleerde beschrijving
Studietype
Studietype
Inschrijving (Geschat)
Inschrijving
Contacten en locaties
Studiecontact
Studiecontact
- Naam: Shaji Sebastian
- Telefoonnummer: 01482 816764
- E-mail: shaji.sebastian@hey.nhs.uk
Studie Contact Back-up
- Naam: Laurence Lovat
- Telefoonnummer: 02076799606
- E-mail: l.lovat@ucl.ac.uk
Studie Locaties
-
-
East Yorkshire
-
Hull, East Yorkshire, Verenigd Koninkrijk, HU3 2JZ
- Werving
- Hull Royal Infirmary
-
-
Deelname Criteria
Geschiktheidscriteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- • Elke volwassen patiënt van 16 jaar of ouder die toestemming heeft gegeven voor een endoscopisch onderzoek waarbij beelden worden vastgelegd als onderdeel van routinematige klinische zorg.
Uitsluitingscriteria:
• Elke patiënt jonger dan 16 jaar
- Patiënten die geen geïnformeerde toestemming kunnen geven voor een endoscopisch onderzoek of patiënten die niet willen dat hun pseudo-geanonimiseerde afbeeldingen worden gebruikt
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Ander
- Tijdsperspectieven: Dwarsdoorsnede
Aantal groepen / cohorten
Cohorten en interventies
Groep / CohortGroep / Cohort |
|---|
|
Hoofdgroep
Patiënten met/verdenking op inflammatoire darmaandoeningen die een endoscopische ingreep ondergaan
|
|
Controle
Patiënten zonder inflammatoire darmaandoening die een endoscopische procedure ondergaan
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Ontwikkeling en training van een convolutioneel neuraal netwerk om de ernst van de ziekte van inflammatoire darmaandoeningen tijdens endoscopie te detecteren en te karakteriseren
Tijdsspanne: 5 jaar
|
Ontwikkeling en training van een convolutioneel neuraal netwerk om de ernst van de ziekte van inflammatoire darmaandoeningen tijdens endoscopie te detecteren en te karakteriseren
|
5 jaar
|
Secundaire uitkomstmaten
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
a) Onderzoeken of kunstmatige intelligentie de respons op IBD-therapieën kan voorspellen
Tijdsspanne: 5 jaar
|
Onderzoeken of kunstmatige intelligentie de respons op IBD-therapieën kan voorspellen
|
5 jaar
|
|
b) Een opslagplaats voor endoscopische beelden ontwikkelen om training en standaardisatie in endoscopische detectie en karakterisering van IBD te bevorderen.
Tijdsspanne: 5 jaar
|
b) Een opslagplaats voor endoscopische beelden ontwikkelen om training en standaardisatie te bevorderen
|
5 jaar
|
|
c) Het ontwikkelen en beoordelen van methodieken voor training en kwaliteitsborging van IBD diagnostische endoscopie
Tijdsspanne: 5 jaar
|
Ontwikkelen en beoordelen van methodologieën voor training en kwaliteitsborging van IBD
|
5 jaar
|
|
d) Vergelijkingen in endoscopische beeldinterpretatie tussen endoscopisten evalueren
Tijdsspanne: 5 jaar
|
Vergelijkingen in endoscopische beeldinterpretatie tussen endoscopisten evalueren
|
5 jaar
|
|
e) Ontwikkeling van deep learning-algoritmen en computervisietechnieken om geautomatiseerde meting van kwaliteitsmetrieken in endoscopie voor IBD mogelijk te maken
Tijdsspanne: 5 jaar
|
Het ontwikkelen van deep learning-algoritmen en computervisietechnieken om geautomatiseerde meting van kwaliteitsstatistieken in endoscopie voor IBD mogelijk te maken
|
5 jaar
|
|
f) Een toekomstig robuust onderzoeksplatform creëren om ervoor te zorgen dat de bovenstaande doelstellingen continu worden ontwikkeld naarmate er in de loop van de tijd nieuwe beeldvormingstechnieken ontstaan.
Tijdsspanne: 5 jaar
|
Een toekomstig robuust onderzoeksplatform creëren om ervoor te zorgen dat de bovenstaande doelstellingen continu worden ontwikkeld naarmate er in de loop van de tijd nieuwe beeldvormingstechnieken ontstaan.
|
5 jaar
|
Medewerkers en onderzoekers
Sponsor
Sponsor
Medewerkers
Medewerkers
Onderzoekers
Onderzoekers
- Hoofdonderzoeker: Shaji Sebastian, Hull University Teaching Hospitals NHS Trust
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Studie start
Primaire voltooiing (Geschat)
Primaire voltooiing
Studie voltooiing (Geschat)
Studie voltooiing
Studieregistratiedata
Eerst ingediend
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Eerst geplaatst
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update geplaatst
Laatste update ingediend die voldeed aan QC-criteria
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
Andere studie-ID-nummers
- 299614
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .