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

Kunstmatige intelligentie voor bepaling van gastroscopiesurveillance-intervallen

19 november 2022 bijgewerkt door: Xiuli Zuo

Ontwikkeling en validatie van gastroscopie-surveillanceaanbevelingen op basis van natuurlijke taalverwerking voor patiënten met maagkanker en voorstadia van kanker

Het doel van deze studie is het ontwikkelen en valideren van een klinisch beslissingsondersteunend systeem op basis van geautomatiseerde algoritmen. Dit systeem kan natuurlijke taalverwerking gebruiken om gegevens te extraheren uit de endoscopische rapporten en pathologische rapporten van patiënten, de ziektetypes en graden van patiënten te identificeren en op richtlijnen gebaseerde follow-up- of behandelingsaanbevelingen te genereren

Studie Overzicht

Toestand

Actief, niet wervend

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Verwacht)

2000

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
        • Qilu Hospital, Shandong University

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 80 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

NVT

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

patiënten die naar het Qilu-ziekenhuis van de Shandong-universiteit kwamen en een endoscopieonderzoek ondergingen, maar geen therapeutische endoscopie

Beschrijving

Inclusiecriteria:

  • Patiënten van 18 - 80 jaar
  • Patiënten ondergingen endoscopisch onderzoek

Uitsluitingscriteria:

  • Patiënten met contra-indicaties voor endoscopisch onderzoek
  • Patiënten met onvolledige onderzoeksinformatie
  • Patiënten ondergaan endoscopie voor therapie
  • Patiënten hebben een voorgeschiedenis van operaties aan het bovenste deel van het maagdarmkanaal
  • Patiënten met duodenum- of larynxneoplasmata
  • Patiënten met gastro-intestinale submucosale tumor

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: Ander
  • Tijdsperspectieven: Retrospectief

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Beslissingsgroep kunstmatige intelligentie
Volgens de endoscopische rapporten en pathologische rapporten herkent het beslissingsondersteunende systeem de ziektetypes en graden van de patiënt en genereert het op richtlijnen gebaseerde overlevings- of behandelingsaanbevelingen.
Ander: AI herkent ziekten en genereert aanbevelingen
Volgens de endoscopische rapporten en pathologische rapporten herkent het beslissingsondersteunende systeem de ziektetypes en graden van de patiënt en genereert het op richtlijnen gebaseerde overlevings- of behandelingsaanbevelingen.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
De diagnostische nauwkeurigheid van maagaandoeningen met een algoritme voor diep leren
Tijdsspanne: 12 maanden
De diagnostische nauwkeurigheid van maagaandoeningen met een algoritme voor diep leren
12 maanden
De nauwkeurigheid van aanbevelingen voor verschillende ziekten met een algoritme voor diep leren
Tijdsspanne: 12 maanden
De nauwkeurigheid van aanbevelingen voor verschillende ziekten met een algoritme voor diep leren
12 maanden

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
De diagnostische gevoeligheid van maagaandoeningen met een algoritme voor diep leren
Tijdsspanne: 12 maanden
De diagnostische gevoeligheid van maagaandoeningen met een algoritme voor diep leren
12 maanden
De diagnostische specificiteit van maagaandoeningen met een algoritme voor diep leren
Tijdsspanne: 12 maanden
De diagnostische specificiteit van maagaandoeningen met een algoritme voor diep leren
12 maanden
De diagnostisch positief voorspellende waarde van maagaandoeningen met deep learning algoritme
Tijdsspanne: 12 maanden
De diagnostisch positief voorspellende waarde van maagaandoeningen met deep learning algoritme
12 maanden
De diagnostische negatief voorspellende waarde van maagaandoeningen met deep learning-algoritme
Tijdsspanne: 12 maanden
De diagnostische negatief voorspellende waarde van maagaandoeningen met deep learning-algoritme
12 maanden
De F-score van maagaandoeningen met deep learning-algoritme
Tijdsspanne: 12 maanden
De F-score van maagaandoeningen met deep learning-algoritme
12 maanden

Medewerkers en onderzoekers

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

Sponsor

Xiuli Zuo

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 2012

Primaire voltooiing (Werkelijk)

31 oktober 2022

Studie voltooiing (Verwacht)

31 december 2023

Studieregistratiedata

Eerst ingediend

19 november 2022

Eerst ingediend dat voldeed aan de QC-criteria

19 november 2022

Eerst geplaatst (Werkelijk)

30 november 2022

Updates van studierecords

Laatste update geplaatst (Werkelijk)

30 november 2022

Laatste update ingediend die voldeed aan QC-criteria

19 november 2022

Laatst geverifieerd

1 november 2022

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 2022-SDU-QILU-G008

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 .

Klinische onderzoeken op Vroege maagkanker

Zoek naar vergelijkbare onderzoeken

Sponsors en medewerkers

Medische omstandigheden

Geneesmiddelinterventies

CROs by country

CROs in Denmark

Voorwaarden

Zeldzame ziekten

Geneesmiddelinterventies

Voedingssupplementen

Sponsor / medewerkers

Locaties

3
Abonneren