Toepassing van hyperspectrale beeldvormingsanalysetechnologie bij de diagnose van colorectale kanker op basis van colonoscopische biopsie
16 december 2022 bijgewerkt door: Xiuli Zuo, Shandong University
Het doel van deze studie is het ontwikkelen en valideren van een algoritme voor diep leren voor de diagnose van colorectale kanker of andere colorectale aandoeningen door de kenmerken van hyperspectrale beelden te markeren en te analyseren op basis van de pathologische resultaten van colonoscopische biopsie, om zo de objectiviteit en intelligentie van diagnose van darmkanker in een vroeg stadium.
Studie Overzicht
Toestand
Werving
Gedetailleerde beschrijving
Verzamel prospectief de hyperspectrale beeldinformatie van gewoon colonoscopisch biopsieweefsel.
Het weefsel van de colonoscopische biopsie is afkomstig van het endoscopiecentrum van het Qilu-ziekenhuis van de Shandong-universiteit.
De hyperspectrale beelden worden gemarkeerd op basis van de pathologische resultaten van de biopsie en het DCNN-model (deep convolutional neural network) wordt gebruikt.
Met training en verificatie het Hyperspectral Imaging Artificial Intelligence Diagnostic System (HSIAIDS) ontwikkelen. Een deel van het colonoscopische biopsieweefsel zal worden verzameld als een prospectieve testset om de diagnostische prestaties van het HSIAIDS-algoritme prospectief te testen.
Studietype
Observationeel
Inschrijving (Verwacht)
50
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
- Naam: Xiuli Zuo, MD,PhD
- Telefoonnummer: 15588818685
- E-mail: zuoxiuli@sina.com
Studie Locaties
-
-
Shandong
-
Jinan, Shandong, China, 250012
- Werving
- Qilu hosipital
-
-
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 tot 75 jaar (Volwassen, Oudere volwassene)
Accepteert gezonde vrijwilligers
Nee
Geslachten die in aanmerking komen voor studie
Allemaal
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
patiënten van 18-75 jaar die het colonoscopieonderzoek en de biopsie ondergaan;
Beschrijving
Inclusiecriteria:
- patiënten van 18-75 jaar die het colonoscopieonderzoek en de biopsie ondergaan
Uitsluitingscriteria:
- patiënten met ernstige hart-, hersen-, long- of nierdisfunctie of psychiatrische stoornissen die niet kunnen deelnemen aan colonoscopie
- patiënten met eerdere chirurgische ingrepen aan het maagdarmkanaal.
- patiënten met contra-indicaties voor biopsie
- patiënten die weigeren het toestemmingsformulier te ondertekenen
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
- Observatiemodellen: Cohort
- Tijdsperspectieven: Prospectief
Cohorten en interventies
Groep / Cohort |
|---|
|
Deep learning algoritme groep
Nadat de patiënt de screening heeft doorstaan, wordt een routinematige colonoscopie uitgevoerd en wordt een biopsie uitgevoerd van het doelweefsel met vermoedelijke ontsteking of neoplasie.
De klinisch onderzoekers gebruiken de hyperspectrale microscoop om beeldinformatie te verzamelen van het biopsieweefsel in de endoscopieruimte.
Na het verzamelen van informatie zullen biopsiespecimens routinematig worden verwerkt en verzonden voor pathologische diagnose.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van HSI-model voor kunstmatige intelligentie om colorectaal adenoom en kanker te identificeren
Tijdsspanne: 1 jaar
|
Nauwkeurigheid van hyperspectrale beeldvorming (HSI) kunstmatige intelligentiemodel om colorectale hyperplastische poliep, adenoom, SSL en colorectale kanker te identificeren.
Nauwkeurigheid van kunstmatige-intelligentiemodellen Nauwkeurigheid = (echte positieven + echte negatieven) / totaal aantal proefpersonen * 100%
|
1 jaar
|
|
Gevoeligheid
Tijdsspanne: 1 jaar
|
Gevoeligheid van het kunstmatige-intelligentiemodel van HSI Gevoeligheid = aantal terecht-positieven / (aantal terecht-positieven + aantal fout-negatieven) * 100%.
|
1 jaar
|
|
Specificiteit
Tijdsspanne: 1 jaar
|
Specificiteit van het HSI-model voor kunstmatige intelligentie Specificiteit = aantal echt negatieven / (aantal echt negatieven + aantal fout positieven))*100%
|
1 jaar
|
|
Negatieve voorspellende waarden (NPV)
Tijdsspanne: 1 jaar
|
Negatieve voorspellende waarden voor het kunstmatige-intelligentiemodel van HSI = aantal terecht-negatieven / (aantal terecht-negatieven + aantal fout-negatieven)*100%
|
1 jaar
|
|
AUC (95% BI)
Tijdsspanne: 1 jaar
|
gebied onder de bedrijfskarakteristiek van de ontvanger (AUC)
|
1 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Vastleggen en evalueren van onbekende risico's en bijwerkingen van hyperspectrale beeldvorming bij beeldacquisitie van specimens
Tijdsspanne: 1 jaar
|
Vastleggen en evalueren van onbekende risico's en bijwerkingen van hyperspectrale beeldvorming bij beeldacquisitie van specimens
|
1 jaar
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Onderzoekers
- Studie stoel: Xiuli Zuo, MD,PhD, Study Principal Investigator
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)
8 oktober 2022
Primaire voltooiing (Verwacht)
31 december 2023
Studie voltooiing (Verwacht)
31 december 2023
Studieregistratiedata
Eerst ingediend
8 oktober 2022
Eerst ingediend dat voldeed aan de QC-criteria
8 oktober 2022
Eerst geplaatst (Werkelijk)
12 oktober 2022
Updates van studierecords
Laatste update geplaatst (Werkelijk)
21 december 2022
Laatste update ingediend die voldeed aan QC-criteria
16 december 2022
Laatst geverifieerd
1 oktober 2022
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
- Ziekten van het spijsverteringsstelsel
- Neoplasmata per histologisch type
- Neoplasmata
- Neoplasmata per site
- Neoplasmata, glandulair en epitheel
- Gastro-intestinale neoplasmata
- Neoplasmata van het spijsverteringsstelsel
- Gastro-intestinale aandoeningen
- Colon Ziekten
- Darmziekten
- Intestinale neoplasmata
- Rectale ziekten
- Colorectale neoplasmata
- Adenoom
Andere studie-ID-nummers
- 2022-SDU-QILU-G003
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .