AI-ondersteunde witlicht-endoscopie om de Kimura-Takemoto-classificatie van atrofische gastritis te identificeren
10 april 2024 bijgewerkt door: Yanqing Li, Shandong University
Kunstmatige intelligentie-ondersteunde witlicht-endoscopie om de Kimura-Takemoto-classificatie van atrofische gastritis te identificeren om een risicobeoordeling voor maagkanker te bereiken
Het beoordelen van endoscopische atrofie volgens de Kimura-Takemoto-classificatie kan het risico op ontwikkeling van maagneoplasie beoordelen.
Het percentage fout-negatieven van chronische atrofische gastritis is echter hoog vanwege de variërende diagnostische standaardisatie en diagnostische ervaring en niveaus van endoscopisten.
Daarom heeft deze studie tot doel een AI-model te ontwikkelen om de Kimura-Takemoto-classificatie te identificeren.
Studie Overzicht
Toestand
Werving
Interventie / Behandeling
Gedetailleerde beschrijving
Het beoordelen van endoscopische atrofie volgens de Kimura-Takemoto-classificatie kan het risico op ontwikkeling van maagneoplasie beoordelen.
Hoe hoger de score, hoe ernstiger de mate van atrofische gastritis.
Het percentage fout-negatieven van chronische atrofische gastritis is echter hoog vanwege de variërende diagnostische standaardisatie en diagnostische ervaring en niveaus van endoscopisten.
Daarom heeft deze studie tot doel een AI-model te ontwikkelen om de Kimura-Takemoto-classificatie van atrofische gastritis te identificeren om de risicobeoordeling van maagkanker te bereiken.
Studietype
Observationeel
Inschrijving (Geschat)
1500
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: yanqing Li, MD, PHD
- Telefoonnummer: 0531182169385
- E-mail: liyanqing@sdu.edu.cn
Studie Locaties
-
-
Shandong
-
Shangdong, Shandong, China, 250012
- Werving
- Department of Gastrology, QiLu Hospital, Shandong University
-
Contact:
- yanqing Li, MD, PHD
- Telefoonnummer: 0531182169385
- E-mail: liyanqing@sdu.edu.cn
-
-
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
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Nee
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Opeenvolgende patiënten die het gastro-intestinale endoscopieonderzoek ondergaan en worden gescreend en die voldoen aan de geschiktheidscriteria in het Qilu Hospital, Shandong University, zullen worden ingeschreven voor de studie
Beschrijving
Inclusiecriteria:
Patiënten van 18-80 jaar die het witlicht-endoscooponderzoek ondergaan Formulier voor geïnformeerde toestemming verstrekt door de patiënt.
Uitsluitingscriteria:
- patiënten met ernstige hart-, hersen-, long- of nierdisfunctie of psychiatrische;
- aandoeningen die niet kunnen deelnemen aan gastroscopie;
- Patiënten met progressieve maagkanker;
- foto's van lage kwaliteit;
- patiënten met eerdere chirurgische ingrepen aan de maag of slokdarm;
- 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
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Chronische atrofische gastritis waargenomen door witlicht-endoscoop
Krijg foto's van maagantrum, maaghoek, kleinere kromming van maaglichaam, cardia, maagfundus, grotere kromming van maaglichaam door witlicht-endoscoop
|
Endosopisten en AI zullen de Kimura-Takemoto-classificatie onafhankelijk beoordelen wanneer de patiënt in aanmerking komt.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van het AI-model om de Kimura-Takemoto-classificatie te diagnosticeren
Tijdsspanne: 2 jaar
|
Nauwkeurigheid van het AI-model om de Kimura-Takemoto-classificatie te diagnosticeren
|
2 jaar
|
|
Gevoeligheid van AI-model om de Kimura-Takemoto-classificatie te diagnosticeren
Tijdsspanne: 2 jaar
|
Gevoeligheid van AI-model om de Kimura-Takemoto-classificatie te diagnosticeren
|
2 jaar
|
|
Specificiteit van het AI-model om de Kimura-Takemoto-classificatie te diagnosticeren
Tijdsspanne: 2 jaar
|
Specificiteit van het AI-model om de Kimura-Takemoto-classificatie te diagnosticeren
|
2 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De MIOU-waarde van het AI-model in semantische segmentatie van endoscopisch atrofiebeeld
Tijdsspanne: 2 jaar
|
De MIOU-waarde van het AI-model in semantische segmentatie van endoscopisch atrofiebeeld
|
2 jaar
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Medewerkers
Onderzoekers
- Studie stoel: yanqing li, MD,PHD, Qilu Hospital, Shandong 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 juni 2023
Primaire voltooiing (Geschat)
31 december 2024
Studie voltooiing (Geschat)
31 december 2024
Studieregistratiedata
Eerst ingediend
14 juni 2023
Eerst ingediend dat voldeed aan de QC-criteria
14 juni 2023
Eerst geplaatst (Werkelijk)
23 juni 2023
Updates van studierecords
Laatste update geplaatst (Werkelijk)
12 april 2024
Laatste update ingediend die voldeed aan QC-criteria
10 april 2024
Laatst geverifieerd
1 april 2024
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 2022SDU-QILU-123
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 .