- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT04563416
Toepassing van kunstmatige intelligentie voor vroege diagnose van maagkanker tijdens optische versterkingsvergrotende endoscopie
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Maagkanker is wereldwijd de op twee na meest voorkomende oorzaak van sterfgevallen als gevolg van kanker, vooral in Azië. Vroege detectie en behandeling zouden de ziekte kunnen genezen met een overlevingspercentage na 5 jaar van meer dan 90%. De gevoeligheid van conventionele endoscopie met witlichtbeeldvorming ( C-WLI) bij de diagnose van vroege maagkanker (EGC's) is slechts 40%. Vergrotende beeldverbeterde endoscopie (IEE) -technieken zoals vergrotende smalbandige beeldvorming (M-NBI) zijn ontwikkeld en 2 RCT melden dat witlichtbeeldvorming in combinatie met M-NBI de gevoeligheid tot 95% kan verhogen. De strategie dat het gebruik van witlichtbeeldvorming om de verdachte laesie te detecteren en het gebruik van M-IEE-technieken om een diagnose van vroege maagkanker te stellen, wordt aanbevolen bij screeningsendoscopie.
Optische verbetering (OE), een van de M-IEE-technieken, is ontwikkeld door HOYA Co. (Tokyo, Japan). Deze technologie combineert digitale signaalverwerking en optische filterers om mucosale microsurface (MS) en microvessel (MV) duidelijk weer te geven. Het voordeel van OE is om de duisternis van NBI te overwinnen, wat leidt tot minder bruikbaarheid voor detecteerbaarheid in het volledige uitgebreide gastro-intestinale lumen. Desalniettemin is het moeilijk om vroege maagkanker te onderscheiden van niet-kankerachtige laesies voor beginners, en expertise met suboptimale inter -waarnemersovereenkomst is essentieel voor het gebruik van M-IEE.
Tegenwoordig heeft kunstmatige intelligentie (AI) met behulp van deep machine learning een grote doorbraak bereikt in de gastro-enterologie, die gebruikmaakt van de gradiëntafdalingsmethode en backpropagation om automatisch specifieke beeldkenmerken te extraheren. De diagnostische nauwkeurigheid bij het identificeren van kanker van het bovenste deel van het maagdarmkanaal was 0,955 in C-WLI. Poliepen kunnen in realtime worden geïdentificeerd met een nauwkeurigheid van 96% bij screeningscoloscopie. AI blijkt een uitstekende toepassing bij detectie en diagnose.
Deze studie heeft tot doel een M-OE-hulpmodel te ontwikkelen bij de diagnose van EGC's door al dan niet kanker te onderscheiden.
Studietype
Inschrijving (Verwacht)
Contacten en locaties
Studie Locaties
-
-
Shandong
-
Jinan, Shandong, China, 250012
- Werving
- Department of Gastroenterology, Qilu Hospital, Shandong University
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- patiënten ondergaan een optisch vergrotend OE-endoscopieonderzoek
Uitsluitingscriteria:
- Patiënten met vergevorderde kanker, lymfoom, actief stadium van de zweer en kunstmatige zweer na ESD werden uitgesloten.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
---|
Patiënten die een vergrotende endoscopie nodig hebben
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
de diagnose-efficiëntie van de computerondersteunde diagnosetool
Tijdsspanne: 12 maanden
|
de gevoeligheid, specificiteit en nauwkeurigheid van de computerondersteunde diagnosetool
|
12 maanden
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Yanqing Li, PHD, Study Principal Investigator Qilu Hospital, Shandong University
Publicaties en nuttige links
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Verwacht)
Studie voltooiing (Verwacht)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 2018SDU-QILU-3
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 .