- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT07381192
Een kunstmatige-intelligentiesysteem voor multimodale, multiclassediagnose van solide pancreatische laesies op basis van endoscopische echografie
23 januari 2026 bijgewerkt door: Qilu Hospital of Shandong University
Een kunstmatige intelligentiesysteem voor multimodale, multiclassediagnostiek van solide pancreatische laesies op basis van endoscopische echografie
Het doel van deze studie is het valideren van een kunstmatige intelligentie systeem genaamd iEUS-SPL (intelligent endoscopic ultrasound system-solid pancreatic lesion) voor het detecteren en multimodale, multiclassificatie-diagnostiseren van solide pancreatische laesies tijdens endoscopische echografie (EUS)-onderzoek.
Studie Overzicht
Toestand
Werving
Interventie / Behandeling
Gedetailleerde beschrijving
Dit is een observationele studie met een prospectief, cohortontwerp.
We hebben een kunstmatig intelligentiesysteem genaamd iEUS-SPL ontwikkeld voor multimodale, multiklasse-diagnose van solide pancreatische laesies met behulp van endoscopische echografiebeelden, endoscopische echografiekenmerken, klinische gegevens en beeldvormingskenmerken van retrospectief verzamelde patiënten die EUS ondergingen.
De laesiedetectiesnelheid en diagnostische prestaties van iEUS-SPL bij het identificeren van solide pancreatische laesies zullen worden geëvalueerd in real-time EUS-scanningsvideo's over prospectief ingeschreven gevallen.
Studietype
Observationeel
Inschrijving (Geschat)
383
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: Zhen Li
- Telefoonnummer: 18560086106
- E-mail: qilulizhen@sdu.edu.cn
Studie Locaties
-
-
Shandong
-
Jinan, Shandong, China, 250012
- Werving
- Qilu Hospital of Shandong University
-
Contact:
- Zhen Li, doctor
- Telefoonnummer: 18560086106
- E-mail: qilulizhen@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
Ja
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Volwassen patiënten met vermoedelijke solide pancreatische laesies die EUS ondergaan.
Beschrijving
Inclusiecriteria:
- Patiënten van ≥18 jaar die gepland staan voor EUS met vermoedelijke solide pancreatische laesies op basis van klinische symptomen, medische voorgeschiedenis, laboratoriumtests of radiologisch onderzoek, die ermee instemmen deel te nemen aan het onderzoek en in staat zijn om geïnformeerde toestemming te ondertekenen.
- Patiënten zonder eerdere behandelingsgeschiedenis voor pancreatische laesies.
Exclusiecriteria:
- Patiënten met absolute contra-indicaties voor EUS-onderzoek.
- Zwangerschap of borstvoeding.
- Oncorrigeerbare coagulopathie (PTT>50 seconden of INR>1,5) en/of oncorrigeerbare trombocytopenie (trombocytenaantal<50×10⁹/L).
- Obstructie van het bovenste maagdarmkanaal.
- Patiënten die chirurgische behandeling hebben ondergaan of anatomische veranderingen van de pancreas hebben vanwege laesies in andere thoracale en/of abdominale organen, evenals patiënten met aangeboren anatomische afwijkingen.
- Patiënten die een gal-/pancreasbuisstentplaatsing hebben ondergaan.
- Patiënten die weigeren de geïnformeerde toestemming 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 |
|---|---|
|
Patiënten die een EUS ondergaan
Patiënten van 18 jaar of ouder die zijn gepland voor een EUS vanwege vermoedelijke solide pancreatische laesies op basis van klinische symptomen, medische geschiedenis, laboratoriumtests of radiologische onderzoeken, stemmen in met deelname aan het onderzoek en zijn in staat om een geïnformeerde toestemming te ondertekenen.
|
De iEUS-SPL zal automatisch solide pancreatische laesies detecteren en de endoscopische echografiebeelden, endoscopische echografiekenmerken, klinische gegevens en beeldvormingskenmerken van de patiënten integreren om een vijfdelige classificatie voor de laesies uit te voeren, waarbij ze worden ingedeeld als pancreaskanker, pancreasneuro-endocriene tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis en chronische pancreatitis.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De nauwkeurigheid van iEUS-SPL voor solide pancreatische laesies
Tijdsspanne: Tijdens de procedure
|
De primaire uitkomst van de studie is om de nauwkeurigheid van de iEUS-SPL te evalueren bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatisch neuro-endocrien tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
De gevoeligheid van iEUS-SPL voor solide pancreatische laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire doel van de studie is het evalueren van de gevoeligheid van de iEUS-SPL bij het identificeren van solide pancreatische laesies (waaronder pancreaskanker, pancreatische neuro-endocriene tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
De specificiteit van iEUS-SPL voor solide pancreatische laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire doel van de studie is het evalueren van de specificiteit van de iEUS-SPL bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatisch neuro-endocrien gezwel, solide pseudopapillair gezwel, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
De positief voorspellende waarde van iEUS-SPL voor solide pancreatische laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire doel van de studie is het evalueren van de positief voorspellende waarde van de iEUS-SPL bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatisch neuro-endocrien tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
De negatief voorspellende waarde van iEUS-SPL voor solide pancreatische laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire doel van de studie is het evalueren van de negatieve voorspellende waarde van de iEUS-SPL bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatische neuro-endocriene tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
de detectiesnelheid van laesies van iEUS-SPL voor het detecteren van solide pancreatische laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire resultaat van de studie is om de detectiesnelheid van laesies van de iEUS-SPL bij het identificeren van solide pancreatische laesies te evalueren (gedefinieerd als het aantal gedetecteerde laesies gedeeld door het totale aantal laesies).
|
Tijdens de procedure
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Vergelijking van de nauwkeurigheid tussen iEUS-SPL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire doel van de studie is het vergelijken van de nauwkeurigheid tussen iEUS-SPL en endosonografen van verschillende niveaus bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatisch neuro-endocriene tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
Vergelijking van de gevoeligheid tussen iEUS-SPL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire resultaat van de studie is het vergelijken van de gevoeligheid tussen iEUS-SPL en endosonografen met verschillende ervaringsniveaus bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatisch neuro-endocrien tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
Vergelijking van de specificiteit tussen iEUS-SPL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire resultaat van de studie is het vergelijken van de specificiteit tussen iEUS-SPL en verschillende niveaus van endosonografen bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatisch neuro-endocrien tumoren, solide pseudopapillaire tumoren, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
Vergelijking van de positief voorspellende waarde tussen iEUS-SPL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire doel van de studie is het vergelijken van de positief voorspellende waarde tussen iEUS-SPL en verschillende niveaus van endosonografen bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatisch neuro-endocrien tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
|
Vergelijking van de negatieve voorspellende waarde tussen iEUS-SPL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire doel van de studie is het vergelijken van de negatief voorspellende waarde tussen iEUS-SPL en endosonografen van verschillende niveaus bij het identificeren van solide pancreatische laesies (inclusief pancreaskanker, pancreatische neuro-endocriene tumor, solide pseudopapillaire tumor, auto-immuun pancreatitis, chronische pancreatitis).
|
Tijdens de procedure
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Publicaties en nuttige links
De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.
Algemene publicaties
- Wu HL, Yao LW, Shi HY, Wu LL, Li X, Zhang CX, Chen BR, Zhang J, Tan W, Cui N, Zhou W, Zhang JX, Xiao B, Gong RR, Ding Z, Yu HG. Validation of a real-time biliopancreatic endoscopic ultrasonography analytical device in China: a prospective, single-centre, randomised, controlled trial. Lancet Digit Health. 2023 Nov;5(11):e812-e820. doi: 10.1016/S2589-7500(23)00160-7. Epub 2023 Sep 27.
- Oh CK, Kim T, Cho YK, Cheung DY, Lee BI, Cho YS, Kim JI, Choi MG, Lee HH, Lee S. Convolutional neural network-based object detection model to identify gastrointestinal stromal tumors in endoscopic ultrasound images. J Gastroenterol Hepatol. 2021 Dec;36(12):3387-3394. doi: 10.1111/jgh.15653. Epub 2021 Aug 16.
- Bang JY, Saftoiu A, Udristoiu A, Gruionu L, Codruta Gheorghe E, Gruionu G, Ramesh J, Wilcox CM, Varadarajulu S. Prospective clinical validation of a novel artificial intelligence system for real-time detection of solid pancreatic masses during endoscopic ultrasonography. Endoscopy. 2025 Oct 13. doi: 10.1055/a-2701-6530. Online ahead of print.
- Cui H, Zhao Y, Xiong S, Feng Y, Li P, Lv Y, Chen Q, Wang R, Xie P, Luo Z, Cheng S, Wang W, Li X, Xiong D, Cao X, Bai S, Yang A, Cheng B. Diagnosing Solid Lesions in the Pancreas With Multimodal Artificial Intelligence: A Randomized Crossover Trial. JAMA Netw Open. 2024 Jul 1;7(7):e2422454. doi: 10.1001/jamanetworkopen.2024.22454.
- Zhang J, Zhu L, Yao L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, An P, Xu B, Tan W, Hu S, Cheng F, Yu H. Deep learning-based pancreas segmentation and station recognition system in EUS: development and validation of a useful training tool (with video). Gastrointest Endosc. 2020 Oct;92(4):874-885.e3. doi: 10.1016/j.gie.2020.04.071. Epub 2020 May 6.
- Dahiya DS, Al-Haddad M, Chandan S, Gangwani MK, Aziz M, Mohan BP, Ramai D, Canakis A, Bapaye J, Sharma N. Artificial Intelligence in Endoscopic Ultrasound for Pancreatic Cancer: Where Are We Now and What Does the Future Entail? J Clin Med. 2022 Dec 16;11(24):7476. doi: 10.3390/jcm11247476.
- Kim YH, Kim GH, Kim KB, Lee MW, Lee BE, Baek DH, Kim DH, Park JC. Application of A Convolutional Neural Network in The Diagnosis of Gastric Mesenchymal Tumors on Endoscopic Ultrasonography Images. J Clin Med. 2020 Sep 29;9(10):3162. doi: 10.3390/jcm9103162.
- Qin X, Zhang M, Zhou C, Ran T, Pan Y, Deng Y, Xie X, Zhang Y, Gong T, Zhang B, Zhang L, Wang Y, Li Q, Wang D, Gao L, Zou D. A deep learning model using hyperspectral image for EUS-FNA cytology diagnosis in pancreatic ductal adenocarcinoma. Cancer Med. 2023 Aug;12(16):17005-17017. doi: 10.1002/cam4.6335. Epub 2023 Jul 17.
- Tian S, Shi H, Chen W, Li S, Han C, Du F, Wang W, Wen H, Lei Y, Deng L, Tang J, Zhang J, Lin J, Shi L, Ning B, Zhao K, Miao J, Wang G, Hou H, Huang X, Kong W, Jin X, Ding Z, Lin R. Artificial intelligence-based diagnosis of standard endoscopic ultrasonography scanning sites in the biliopancreatic system: a multicenter retrospective study. Int J Surg. 2024 Mar 1;110(3):1637-1644. doi: 10.1097/JS9.0000000000000995.
- Oh S, Kim YJ, Park YT, Kim KG. Automatic Pancreatic Cyst Lesion Segmentation on EUS Images Using a Deep-Learning Approach. Sensors (Basel). 2021 Dec 30;22(1):245. doi: 10.3390/s22010245.
- Norton ID, Zheng Y, Wiersema MS, Greenleaf J, Clain JE, Dimagno EP. Neural network analysis of EUS images to differentiate between pancreatic malignancy and pancreatitis. Gastrointest Endosc. 2001 Nov;54(5):625-9. doi: 10.1067/mge.2001.118644.
- Nakamura H, Fukuda M, Matsuda A, Makino N, Kimura H, Ohtaki Y, Nawa Y, Oyama S, Suzuki Y, Kobayashi T, Ishizawa T, Kakizaki Y, Ueno Y. Differentiating localized autoimmune pancreatitis and pancreatic ductal adenocarcinoma using endoscopic ultrasound images with deep learning. DEN Open. 2024 Mar 2;4(1):e344. doi: 10.1002/deo2.344. eCollection 2024 Apr.
- Dhali A, Kipkorir V, Srichawla BS, Kumar H, Rathna RB, Ongidi I, Chaudhry T, Morara G, Nurani K, Cheruto D, Biswas J, Chieng LR, Dhali GK. Artificial intelligence assisted endoscopic ultrasound for detection of pancreatic space-occupying lesion: a systematic review and meta-analysis. Int J Surg. 2023 Dec 1;109(12):4298-4308. doi: 10.1097/JS9.0000000000000717.
- Das A, Nguyen CC, Li F, Li B. Digital image analysis of EUS images accurately differentiates pancreatic cancer from chronic pancreatitis and normal tissue. Gastrointest Endosc. 2008 May;67(6):861-7. doi: 10.1016/j.gie.2007.08.036. Epub 2008 Jan 7.
- Kuwahara T, Hara K, Mizuno N, Haba S, Okuno N, Kuraishi Y, Fumihara D, Yanaidani T, Ishikawa S, Yasuda T, Yamada M, Onishi S, Yamada K, Tanaka T, Tajika M, Niwa Y, Yamaguchi R, Shimizu Y. Artificial intelligence using deep learning analysis of endoscopic ultrasonography images for the differential diagnosis of pancreatic masses. Endoscopy. 2023 Feb;55(2):140-149. doi: 10.1055/a-1873-7920. Epub 2022 Jun 10.
- Tian G, Xu D, He Y, Chai W, Deng Z, Cheng C, Jin X, Wei G, Zhao Q, Jiang T. Deep learning for real-time auxiliary diagnosis of pancreatic cancer in endoscopic ultrasonography. Front Oncol. 2022 Oct 7;12:973652. doi: 10.3389/fonc.2022.973652. eCollection 2022.
- Qin X, Ran T, Chen Y, Zhang Y, Wang D, Zhou C, Zou D. Artificial Intelligence in Endoscopic Ultrasonography-Guided Fine-Needle Aspiration/Biopsy (EUS-FNA/B) for Solid Pancreatic Lesions: Opportunities and Challenges. Diagnostics (Basel). 2023 Sep 26;13(19):3054. doi: 10.3390/diagnostics13193054.
- Goyal H, Sherazi SAA, Gupta S, Perisetti A, Achebe I, Ali A, Tharian B, Thosani N, Sharma NR. Application of artificial intelligence in diagnosis of pancreatic malignancies by endoscopic ultrasound: a systemic review. Therap Adv Gastroenterol. 2022 Apr 29;15:17562848221093873. doi: 10.1177/17562848221093873. eCollection 2022.
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 september 2025
Primaire voltooiing (Geschat)
30 juni 2028
Studie voltooiing (Geschat)
30 juni 2028
Studieregistratiedata
Eerst ingediend
24 december 2025
Eerst ingediend dat voldeed aan de QC-criteria
23 januari 2026
Eerst geplaatst (Werkelijk)
2 februari 2026
Updates van studierecords
Laatste update geplaatst (Werkelijk)
2 februari 2026
Laatste update ingediend die voldeed aan QC-criteria
23 januari 2026
Laatst geverifieerd
1 september 2025
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- 2025-SDU-QILU-6
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
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 .