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

Multicenter toepassing van een AI-systeem voor diagnose van cervicale laesies op basis van colposcopiebeelden

15 november 2023 bijgewerkt door: Binhua Dong, Fujian Maternity and Child Health Hospital

Multi-center toepassing van een systeem voor kunstmatige intelligentie voor automatische real-time diagnose van cervicale laesies op basis van colposcopiebeelden

De toepassing van kunstmatige intelligentie bij beeldherkenning van de diagnose van cervicale laesies is de afgelopen jaren een onderzoekshotspot geworden. De analyse en interpretatie van colposcopiebeelden spelen een belangrijke rol bij de diagnose, preventie en behandeling van cervicale precancereuze laesies en baarmoederhalskanker. Op dit moment wordt de nauwkeurigheid van colposcopiedetectie nog steeds door veel factoren beïnvloed. Het onderzoek naar het diagnosesysteem van cervicale laesies op basis van multimodaal diep leren van colposcopiebeelden is een nieuw en belangrijk onderzoeksonderwerp. Op basis van de grote database met beelden en niet-beelden van diagnose van cervicale laesies, heeft de onderzoeksgroep een multi-source heterogeen big data-platform voor diagnose van cervicale laesies opgezet met niet-beeld- en beeldgegevens. Onderzoek het segmentatie- en classificatiemodel van laesies van colposcopiebeeld op basis van convolutioneel neuraal netwerk, verken het relevante netwerkmodel voor medische gegevensfusie dat de diagnose van cervicale laesies beïnvloedt, en realiseer een multimodaal zelflerend systeem voor diagnose van cervicale laesies op basis van kunstmatige intelligentie op basis van colposcopie afbeeldingen. De toepassingsefficiëntie van het kunstmatige-intelligentiesysteem in de echte wereld werd onderzocht door het cohort, en het intelligente leermodel en de methode voor diagnose van cervicale laesies werden verder vastgesteld op basis van het bovenstaande intelligente systeem.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Op basis van eerdere studies en de klinische praktijk heeft deze studie een toepassing in meerdere centra uitgevoerd in de provincie Fujian, China. In deze studie werden Fujian Maternity and Child Health Hospital en Mindong Hospital van Ningde City opgenomen, met in totaal 10.000 deelnemers die een colposcopie-onderzoek hebben ondergaan. In de eerste plaats zullen de onderzoekers een multimodaal diagnostisch systeem voor kunstmatige intelligentie bouwen door colposcopiebeelden te combineren met andere niet-beeldgegevens, zoals de resultaten van HPV-testen en Thinprep cytologische test (TCT) enzovoort. Gebruik vervolgens gestandaardiseerde colposcopiebeelden en niet-beeld medische gegevens van cervicale laesies in verschillende medische instellingen om de doeltreffendheid van het multimodale intelligente diagnostische systeem voor cervicale laesies te verifiëren. Bovendien zullen de onderzoekers kunstmatige-intelligentiecohorten opzetten (bijgestaan ​​door intelligente systemen) en traditionele artsencohorten (bijgestaan ​​door deskundige, senior en primaire artsen) om de diagnoseresultaten van het multimodale diagnostische systeem voor kunstmatige intelligentie en verschillende niveaus van colposcopie-artsen te contrasteren. En kan ook bidirectioneel de diagnostische werkzaamheid en verschillen van het systeem en colposcopie-artsen van verschillende niveaus analyseren, en de prestaties van dit diagnostische systeem evalueren voor real-world toepassingen.

Studietype

Ingrijpend

Inschrijving (Geschat)

10000

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.

Studiecontact

Studie Locaties

  • China
      • Nanping, China
        • Werving
        • Jianou Maternal and child Health Care Hospital
        • Contact:
          • Huihua Ge
      • Ningde, China
        • Werving
        • Ningde Hospital affiliated to Ningde Normal University
        • Contact:
          • Wenfang Jin
      • Quanzhou, China
        • Werving
        • Quanzhou First Hospital
        • Contact:
          • Yuchun Lv
    • Fujian
      • Fuzhou, Fujian, China, 350001
        • Werving
        • Fujian Maternity and Child Health Hospital
        • Contact:
      • Ningde, Fujian, China, 352000
        • Werving
        • MinDong Hospital of Ningde City
        • Contact:
          • Fang Xie, M.D
          • Telefoonnummer: +8613860388999

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

Ja

Beschrijving

Inclusiecriteria:

  • Getrouwde vrouw
  • Vrouw van 18 jaar en ouder
  • Vrouw met een intacte baarmoederhals
  • Patiënten met abnormale resultaten bij screening op baarmoederhalskanker
  • In staat zijn om deze studie te begrijpen en een schriftelijke geïnformeerde toestemming hebben ondertekend

Uitsluitingscriteria:

  • Vrouw met acute ontsteking van het voortplantingsstelsel
  • Geschiedenis van bekkenbestralingschirurgie
  • Vrouw met psychische stoornis
  • Patiënten met een voorgeschiedenis van andere kwaadaardige tumoren
  • Weigeren deel te nemen aan dit onderzoek

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: Gerandomiseerd
  • Interventioneel model: Parallelle opdracht
  • Masker: Verdrievoudigen

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Actieve vergelijker: Diagnostische groep kunstmatige intelligentie
Vrouwen die afwijkingen vertonen bij screening op baarmoederhalskanker en die doorverwezen moeten worden voor colposcopie. Colposcopie werd uitgevoerd met behulp van een systeem van kunstmatige intelligentie (AI).
Diagnostische toets: Diagnose van kunstmatige intelligentie
Deelnemers werden verdeeld in de interventiegroep en de controlegroep met behulp van een tabel met willekeurige getallen. De cervicale colposcopische beeldgegevens van de deelnemers aan de interventiegroep en niet-beeldgegevens als volgt: leeftijd, de infectie van hoog-risico humaan papillomavirus (HR-HPV), het type HR-HPV-infectie, de duur van de HR-HPV-infectie, cervicaal cytologie (TCT) resultaten, HIV/seksueel overdraagbare infectie geschiedenis, huwelijk en vruchtbare geschiedenis, eerste seksuele levensgeschiedenis, seksuele partner geschiedenis, rookgeschiedenis, orale anticonceptiva geschiedenis, het gebruik van immuungeneesmiddelen en mogelijke klinische symptomen van cervicale laesies zoals postcoïtale bloedingen , abnormale vaginale secreties, vaginale bloedingssymptomen, enz.
Geen tussenkomst: Gynaecoloog diagnostische groep
Vrouwen die afwijkingen vertonen bij screening op baarmoederhalskanker en die doorverwezen moeten worden voor colposcopie. Colposcopie wordt zelfstandig uitgevoerd door een gynaecoloog zonder externe hulp.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
HPV-testen
Tijdsspanne: o maand
Cervicale geëxfolieerde cellen werden verzameld voor HPV-testen
o maand
Cervicale cytologie testen
Tijdsspanne: 0 maand
Cervicale geëxfolieerde cellen werden verzameld voor cytologisch en pathologisch onderzoek.
0 maand
Cervicaal histopathologisch onderzoek
Tijdsspanne: 0 maand
Baarmoederhalsweefsel werd verzameld voor histopathologisch onderzoek
0 maand
Nauwkeurigheid van CIN2+ diagnose
Tijdsspanne: 0 maand
Nauwkeurigheid bij de diagnose van cervicale intra-epitheliale neoplasie graad 2 of erger.
0 maand
Nauwkeurigheid van CIN3+ diagnose
Tijdsspanne: 0 maand
Nauwkeurigheid bij de diagnose van cervicale intra-epitheliale neoplasie graad 3 of erger.
0 maand

Medewerkers en onderzoekers

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

Sponsor

Fujian Maternity and Child Health Hospital

Onderzoekers

  • Studie stoel: Pengming Sun, PhD, Fujian Maternity and Child Health Hospital, Affiliated Hospital of Fujian Medical 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 augustus 2021

Primaire voltooiing (Geschat)

1 augustus 2024

Studie voltooiing (Geschat)

1 september 2024

Studieregistratiedata

Eerst ingediend

7 maart 2022

Eerst ingediend dat voldeed aan de QC-criteria

7 maart 2022

Eerst geplaatst (Werkelijk)

16 maart 2022

Updates van studierecords

Laatste update geplaatst (Geschat)

16 november 2023

Laatste update ingediend die voldeed aan QC-criteria

15 november 2023

Laatst geverifieerd

1 november 2023

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • AICC2203

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