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

Validatie van Joint-AI bij het diagnosticeren van solide laesies van de pancreas

22 december 2024 bijgewerkt door: Bin Cheng, Huazhong University of Science and Technology

Validatie van een multimodaal artificieel intelligentiemodel bij de diagnose van solide pancreaslaesies: een prospectieve, multicentrische, gerandomiseerde, gecontroleerde studie

Deze klinische proef heeft tot doel te leren of een multimodaal kunstmatige intelligentie (AI)-model de diagnose van solide pancreaslaesies kan verbeteren. De belangrijkste vragen die het wil beantwoorden zijn:

  1. Verbetert het AI-model de diagnostische prestaties van endoscopisten bij het diagnosticeren van solide laesies in de pancreas?
  2. Verbetert de toevoeging van interpreteerbaarheidsanalyse de diagnostische prestaties van de geassisteerde endoscopisten verder? Onderzoekers zullen de diagnostische prestaties van endoscopisten vergelijken met of zonder de hulp van het AI-model.

Deelnemers zullen:

  1. Hun klinische gegevens zullen prospectief worden verzameld.
  2. Ze worden gerandomiseerd naar de AI-assistgroep en de conventionele diagnosegroep.

Studie Overzicht

Toestand

Nog niet aan het werven

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

De onderzoekers hebben eerder een multimodaal AI-model (Joint-AI) ontwikkeld op basis van endoscopische echografiebeelden en klinische gegevens om solide laesies van de pancreas te diagnosticeren. Deze studie heeft tot doel de prestaties van het Joint-AI-model te verbeteren met een prospectief verzamelde dataset en deze te valideren via een gerandomiseerde, gecontroleerde klinische studie.

Studietype

Ingrijpend

Inschrijving (Geschat)

716

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
    • Hubei
      • Wuhan, Hubei, China, 430030
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Contact:

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

Beschrijving

Inclusiecriteria:

  • Beeldvormende onderzoeken (MRI, CT, B-echografie) tonen een vaste massa in de pancreas aan, waarvoor endoscopische echogeleide fijne naaldaspiratie/biopsie (EUS-FNA/B) nodig is om de aard van de laesie bij patiënten op te helderen.
  • Schriftelijke toestemming verstrekt

Uitsluitingscriteria:

  • Leeftijd jonger dan 18 jaar

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: Dubbele

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Geen tussenkomst: Conventionele diagnose
Endoscopisten diagnosticeren solide laesies in de pancreas op basis van endoscopische echografiebeelden en klinische gegevens.
Experimenteel: Gezamenlijke AI-ondersteunde diagnose
Endoscopisten diagnosticeren solide laesies in de pancreas op basis van endoscopische echografiebeelden, klinische gegevens en voorspellingen van het Joint-AI-model.
Diagnostische toets: De hulp van het Joint-AI-model
Voorspellingen van het Joint-AI-model zullen tijdens hun diagnose aan de endoscopisten worden verstrekt
Experimenteel: Interpreteerbare Joint-AI-ondersteunde diagnose
Endoscopisten diagnosticeren solide laesies van de pancreas op basis van endoscopische echografiebeelden, klinische gegevens, voorspellingen van de Joint-AI en interpreteerbaarheidsanalyseresultaten die worden gebruikt om de transparantie van het besluitvormingsproces van het Joint-AI-model te verbeteren.
Diagnostische toets: De hulp van het interpreteerbare Joint-AI-model
Voorspellingen van het Joint-AI-model en de resultaten van de interpreteerbaarheidsanalyse zullen tijdens hun diagnose aan de endoscopisten worden verstrekt

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Rate van correcte diagnostische classificatie met behulp van het Joint-AI-model
Tijdsspanne: Via afronding van de studie, gemiddeld 1 jaar
Het percentage correcte diagnoses bij het onderscheiden van alvleesklierkanker van andere niet-kankerlaesies, bepaald door de diagnose van een endoscopist, ondersteund door het Joint-AI-model, te vergelijken met de uiteindelijke histopathologische diagnose (referentiestandaard).
Via afronding van de studie, gemiddeld 1 jaar
Mate van correcte diagnostische classificatie met behulp van het interpreteerbare Joint-AI-model
Tijdsspanne: Via afronding van de studie, gemiddeld 1 jaar
Het percentage correcte diagnoses bij het onderscheiden van alvleesklierkanker van andere niet-kankerlaesies, bepaald door beoordelingen van endoscopisten, ondersteund door het Interpretable Joint-AI-model, te vergelijken met de uiteindelijke histopathologische diagnose (referentiestandaard)
Via afronding van de studie, gemiddeld 1 jaar

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Mate van correcte diagnostische classificatie van het Joint-AI-model en het interpreteerbare Joint-AI-model
Tijdsspanne: Via afronding van de studie, gemiddeld 1 jaar
Diagnostische nauwkeurigheid van de AI-modellen in deze prospectief verzamelde dataset.
Via afronding van de studie, gemiddeld 1 jaar
Door de endoscopist gerapporteerde betrouwbaarheidsscore bij diagnose met AI-hulp (de score ligt op een schaal van 0% -100%, waarbij 0 staat voor 'helemaal geen vertrouwen' en 100 voor 'volledig vertrouwen')
Tijdsspanne: Via afronding van de studie, gemiddeld 1 jaar
Het door de endoscopist gerapporteerde vertrouwen in de diagnose zal worden gemeten op een schaal van 0 tot 100, waarbij 0 staat voor 'helemaal geen vertrouwen' en 100 voor 'volledig vertrouwen'. Hogere scores duiden op een groter diagnostisch vertrouwen. De betrouwbaarheidsscores zullen afzonderlijk worden beoordeeld voor diagnoses gesteld met behulp van het Joint-AI-model en het interpreteerbare Joint-AI-model.
Via afronding van de studie, gemiddeld 1 jaar
Percentage correcte diagnostische classificatie van endoscopisten zonder AI-hulp
Tijdsspanne: Via afronding van de studie, gemiddeld 1 jaar
Via afronding van de studie, gemiddeld 1 jaar

Medewerkers en onderzoekers

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

Sponsor

Huazhong University of Science and Technology

Medewerkers

Beijing Friendship Hospital
Qilu Hospital of Shandong University
Sir Run Run Shaw Hospital
Shanghai Longhua Hospital
Beijing Union Hosptial
Affiliated Drum Tower Hospital of Nanjing University Medical School

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 (Geschat)

1 januari 2025

Primaire voltooiing (Geschat)

1 januari 2026

Studie voltooiing (Geschat)

1 januari 2026

Studieregistratiedata

Eerst ingediend

17 december 2024

Eerst ingediend dat voldeed aan de QC-criteria

22 december 2024

Eerst geplaatst (Werkelijk)

25 maart 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

25 maart 2025

Laatste update ingediend die voldeed aan QC-criteria

22 december 2024

Laatst geverifieerd

1 december 2024

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • Joint-AI 2024

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