Automatische evaluatie van de ernst van maag-darmmetaplasie met pathologie Diagnosesysteem voor kunstmatige intelligentie
Automatische evaluatie van de ernst van maag-darmmetaplasie met pathologie Diagnosesysteem voor kunstmatige intelligentie: een diagnostische test
Het OLGIM-stadiëringssysteem wordt ten zeerste aanbevolen voor een uitgebreide beoordeling van de ernst van GIM om het risico op maagkanker van patiënten te evalueren. De noodzaak om ten minste 4 biopten te nemen is echter klinisch niet haalbaar vanwege een ernstig tekort aan pathologen in vergelijking met het grote aantal maagkankerscreeningspopulaties.
We zijn van plan een digitaal diagnosesysteem voor kunstmatige intelligentie (DPAIDS) voor digitale pathologie te ontwikkelen om automatisch tumorgebieden te identificeren in hele dia-afbeeldingen (WSI) en om snel en nauwkeurig de ernst van darmmetaplasie te kwantificeren op basis van het aandeel van darmmetaplasiegebieden.
Studie Overzicht
Toestand
Interventie / Behandeling
Gedetailleerde beschrijving
Maagkanker is de vijfde meest voorkomende maligniteit en de derde meest dodelijke wereldwijd, en intestinale metaplasie (IM) is een veel voorkomende precancereuze toestand die nauw verband houdt met maagcarcinogenese. Het OLGIM-stadiëringssysteem wordt ten zeerste aanbevolen voor een uitgebreide beoordeling van de ernst van GIM om te evalueren het risico op maagkanker van patiënten. De noodzaak om ten minste vier biopsieën te nemen is echter klinisch niet haalbaar vanwege een ernstig tekort aan pathologen in vergelijking met het grote aantal maagkankerscreeningspopulaties. Het ontwikkelen van geautomatiseerde screeningsmethoden kan de zware diagnostische werklast verminderen. Met de vooruitgang op het gebied van scanapparatuur voor digitale pathologie en deep learning-technologieën, zijn afbeeldingen met hele dia's (WSI) gebruikt om geautomatiseerde diagnostische systemen voor kanker te ontwikkelen.
We zijn van plan een digitaal diagnosesysteem voor kunstmatige intelligentie (DPAIDS) voor digitale pathologie te ontwikkelen om automatisch tumorgebieden te identificeren in hele dia-afbeeldingen (WSI) en om snel en nauwkeurig de ernst van darmmetaplasie te kwantificeren op basis van het aandeel van darmmetaplasiegebieden. Vervolgens zullen biopten prospectief worden verzameld en voorbereid als WSI voor modelvalidatie.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: yanqing Li, MD, PHD
- Telefoonnummer: 0531182169385
- E-mail: liyanqing@sdu.edu.cn
Studie Locaties
-
-
Shandong
-
Jinan, Shandong, China, 250012
- Werving
- Department of Gastroenterology, Qilu Hospital, Shandong University
-
Contact:
- Yanqing Li, PhD. MD.
- Telefoonnummer: 18678827666
- E-mail: liyanqing@sdu.edu.cn
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- patiënten van 40-75 jaar die het gastroscopieonderzoek en de biopsie ondergaan
Uitsluitingscriteria:
- patiënten met ernstige hart-, hersen-, long- of nierdisfunctie of psychiatrische stoornissen die niet kunnen deelnemen aan gastroscopie
- patiënten met eerdere chirurgische ingrepen aan de maag
- patiënten met contra-indicaties voor biopsie
- patiënten die weigeren het toestemmingsformulier te ondertekenen
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Hele dia-afbeeldingen van maagbiopsiespecimens
|
Pathologen en AI zullen de ernst van darmmetaplasie beoordelen en onafhankelijk het tumorgebied van hele dia-afbeeldingen van maagbiopsiespecimens beoordelen.
Daarnaast kunnen de pathologen de diagnose AI niet zien.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De diagnostische prestaties van een AI-model om de ernst van darmmetaplasie te beoordelen
Tijdsspanne: 2 jaar
|
De diagnostische prestaties van een AI-model om de ernst van darmmetaplasie in een enkel objectglaasje van biopsieweefsel te beoordelen: nauwkeurigheid, gevoeligheid en specificiteit
|
2 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van het digitale pathologische AI-model om tumorregio's te identificeren
Tijdsspanne: 2 jaar
|
Nauwkeurigheid van het digitale pathologische AI-model bij het identificeren van tumorgebieden in de volledige dia-afbeeldingen
|
2 jaar
|
|
Nauwkeurigheid van digitale pathologische AI-modellen om klieren, slijmvliesepitheel en darmmetaplasie in niet-neoplastische gebieden te identificeren
Tijdsspanne: 2 jaar
|
Nauwkeurigheid van digitale pathologische AI-modellen om klieren, slijmvliesepitheel en darmmetaplasie in niet-neoplastische gebieden te identificeren
|
2 jaar
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Studie stoel: yanqing Li, MD, PHD, Qilu Hospital, Shandong University
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
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
- 2022-SDU-QILU-110
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 .