Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Deep Learning-algoritme voor de diagnose van gastro-intestinale aandoeningen

14 februari 2020 bijgewerkt door: Xiuli Zuo, Shandong University

Ontwikkeling en validatie van een deep learning-algoritme voor de diagnose van gastro-intestinale aandoeningen

Het doel van deze studie is het ontwikkelen en valideren van een deep learning-algoritme voor de diagnose van gastro-intestinale aandoeningen. Evalueer vervolgens de nauwkeurigheid van dit nieuwe door kunstmatige intelligentie (AI) ondersteunde herkenningssysteem in de klinische praktijk.

Studie Overzicht

Toestand

Onbekend

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Onlangs heeft een algoritme voor diep leren op basis van centrale neurale netwerken (CNN) meerdere mogelijkheden getoond voor computerondersteunde detectie en computerondersteunde diagnose van gastro-intestinale laesies. Er is echter nog steeds een blanco in de erkenning van alle gastro-intestinale aandoeningen. Deze studie heeft tot doel een deep learning-algoritme voor de diagnose van gastro-intestinale aandoeningen te ontwikkelen en te valideren. Evalueer vervolgens de nauwkeurigheid van dit nieuwe door kunstmatige intelligentie (AI) ondersteunde herkenningssysteem in de klinische praktijk.

Studietype

Ingrijpend

Inschrijving (Verwacht)

100000

Fase

  • Niet toepasbaar

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • China
    • Shandong
      • Jinan, Shandong, China, 250012
        • Werving
        • Qilu Hospital, Shandong University
        • Contact:

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

18 jaar en ouder (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Beschrijving

Inclusiecriteria:

  • Deelnemers van 18 jaar of ouder die niet eerder een endoscopie hadden ondergaan, werden opgehaald uit alle deelnemende ziekenhuizen.

Uitsluitingscriteria:

-

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

  • Primair doel: Diagnostisch
  • Toewijzing: NVT
  • Interventioneel model: Opdracht voor een enkele groep
  • Masker: Geen (open label)

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Experimenteel: AI monitoring gastro-intestinale endoscopie
Na het ontvangen van een standaard voorbereidingsregime ondergaan patiënten colonoscopie of gastroscopie onder het AI-bewakingsapparaat. De hele procedure wordt gecontroleerd door een AI-geassocieerd herkenningssysteem. Gastro-intestinale ziekten zullen worden gedetecteerd en gediagnosticeerd waarbij het AI-apparaat automatisch relevante beelden vastlegt en de locatie van elk segment op het scherm rapporteert. Histologische analyse is ingesteld als een gouden standaard. Vervolgens worden alle door AI vastgelegde beelden beoordeeld door een menselijke groep, die bestaat uit drie tot vijf ervaren endoscopische artsen.
Apparaat: AI voor de diagnose van gastro-intestinale aandoeningen
Na het ontvangen van een standaard voorbereidingsregime ondergaan patiënten colonoscopie of gastroscopie onder het AI-bewakingsapparaat. De hele procedure wordt gecontroleerd door een AI-geassocieerd herkenningssysteem. Gastro-intestinale ziekten zullen worden gedetecteerd en gediagnosticeerd waarbij het AI-apparaat automatisch relevante beelden vastlegt en de locatie van elk segment op het scherm rapporteert. Histologische analyse is ingesteld als een gouden standaard. Vervolgens worden alle door AI vastgelegde beelden beoordeeld door een menselijke groep, die bestaat uit drie tot vijf ervaren endoscopische artsen.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
De diagnostische nauwkeurigheid van gastro-intestinale aandoeningen met een algoritme voor diep leren.
Tijdsspanne: 1 maand
De diagnostische nauwkeurigheid van gastro-intestinale aandoeningen met een algoritme voor diep leren.
1 maand

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
De diagnostische gevoeligheid van gastro-intestinale aandoeningen met een algoritme voor diep leren.
Tijdsspanne: 1 maand
De diagnostische gevoeligheid van gastro-intestinale aandoeningen met een algoritme voor diep leren.
1 maand
De diagnostische specificiteit van gastro-intestinale aandoeningen met een algoritme voor diep leren.
Tijdsspanne: 1 maand
De diagnostische specificiteit van gastro-intestinale aandoeningen met een algoritme voor diep leren.
1 maand
De diagnostisch positief voorspellende waarde van gastro-intestinale aandoeningen met een deep learning-algoritme.
Tijdsspanne: 1 maand
De diagnostische specificiteit van gastro-intestinale aandoeningen met een algoritme voor diep leren.
1 maand
De diagnostische negatief voorspellende waarde van gastro-intestinale aandoeningen met een algoritme voor diep leren.
Tijdsspanne: 1 maand
De diagnostische specificiteit van gastro-intestinale aandoeningen met een algoritme voor diep leren.
1 maand

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Shandong University

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

1 januari 2020

Primaire voltooiing (Verwacht)

1 februari 2020

Studie voltooiing (Verwacht)

1 februari 2020

Studieregistratiedata

Eerst ingediend

7 januari 2020

Eerst ingediend dat voldeed aan de QC-criteria

7 januari 2020

Eerst geplaatst (Werkelijk)

10 januari 2020

Updates van studierecords

Laatste update geplaatst (Werkelijk)

18 februari 2020

Laatste update ingediend die voldeed aan QC-criteria

14 februari 2020

Laatst geverifieerd

1 februari 2020

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 2019-SDU-QILU-G710

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

Nee

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 .

Abonneren