Een kunstmatig intelligentiesysteem voor multimodale, multiclassediagnose van cystische pancreatische laesies op basis van endoscopische echografie
2 september 2026 bijgewerkt door: Qilu Hospital of Shandong University
Een kunstmatige-intelligentiesysteem voor multimodale, multiklasse-diagnose van pancreascysteuze laesies op basis van endoscopische echografie
Het doel van deze studie is het ontwikkelen en valideren van een kunstmatige intelligentiesysteem genaamd iEUS-PCL (intelligent endoscopic ultrasound system-pancreatic cystic lesions) voor het detecteren en multimodaal, multiclass diagnosticeren van pancreascystische laesies (PCL) tijdens endoscopische echografie (EUS) onderzoek.
Studie Overzicht
Toestand
Werving
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Deze multicenter, prospectieve cohortstudie heeft tot doel een multimodaal kunstmatig intelligentiesysteem genaamd iEUS-PCL te ontwikkelen en te valideren voor de detectie en differentiële diagnose van PCL.
Het model is ontwikkeld op basis van retrospectief verzamelde EUS-beelden, EUS-kenmerken, klinische gegevens en radiologische beeldvormingskenmerken van patiënten die een EUS-onderzoek ondergingen.
De diagnostische prestaties van iEUS-PCL zullen prospectief worden geëvalueerd in realtime EUS-video's en vergeleken met de prestaties van endosonografen.
Studietype
Observationeel
Inschrijving (Geschat)
176
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: 86+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: 86+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
Nee
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Volwassen patiënten met vermoede pancreascystische laesies die EUS ondergaan.
Beschrijving
Inclusiecriteria:
- 1. Patiënten van 18 jaar of ouder die gepland staan voor EUS met vermoedelijke cystische pancreatische laesies op basis van klinische symptomen, medische voorgeschiedenis, laboratoriumtesten of radiologisch onderzoek, en die ermee instemmen deel te nemen aan het onderzoek en vrijwillig de geïnformeerde toestemming ondertekenen.
2. Patiënten zonder eerdere behandelingsgeschiedenis voor pancreatische laesies.
Exclusiecriteria:
- 1. Patiënten met absolute contra-indicaties voor EUS-onderzoek. 2. Zwangerschap of borstvoeding. 3. Niet-corrigeerbare coagulopathie (PTT>50 seconden of INR>1.5) en/of niet-corrigeerbare trombocytopenie (trombocytenaantal<50×10⁹/L). 4. Bovenste gastro-intestinale obstructie. 5. Patiënten die chirurgische behandeling ondergingen of anatomische veranderingen van de pancreas hebben door laesies in andere thoracale en/of abdominale organen, evenals patiënten met aangeboren anatomische afwijkingen.
6. Patiënten die een gal-/pancreaskanaalstentplaatsing hebben ondergaan. 7. 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 EUS ondergaan
Patiënten van ≥18 jaar die gepland staan voor EUS met vermoedelijke pancreatische cysteuze laesies op basis van klinische symptomen, medische geschiedenis, laboratoriumtests of radiologische onderzoeken komen in aanmerking na akkoord om deel te nemen aan het onderzoek en vrijwillige ondertekening van de geïnformeerde toestemming.
|
De iEUS-PCL detecteert automatisch pancreascystische laesies en integreert de EUS-beelden van patiënten, EUS-kenmerken, klinische gegevens en radiologische beeldvormingskenmerken om drie classificatietaken uit te voeren:
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De nauwkeurigheid van iEUS-PCL voor pancreascysteuze laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire doel van de studie is de nauwkeurigheid te evalueren van de iEUS-PCL bij het identificeren van de pancreascysteuze laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorie).
|
Tijdens de procedure
|
|
De gevoeligheid van iEUS-PCL voor cystische pancreatische laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire eindpunt van de studie is het evalueren van de gevoeligheid van de iEUS-PCL bij het identificeren van pancreas cysteuze laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorieën).
|
Tijdens de procedure
|
|
De specificiteit van iEUS-PCL voor pancreascystische laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire doel van de studie is het evalueren van de specificiteit van de iEUS-PCL bij het identificeren van pancreascysteuze laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorie).
|
Tijdens de procedure
|
|
De positief voorspellende waarde van iEUS-PCL voor pancreascystische laesies
Tijdsspanne: Tijdens de procedure
|
Het primaire doel van de studie is het evalueren van de positief voorspellende waarde van de iEUS-PCL bij het identificeren van pancreascystische laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorieën).
|
Tijdens de procedure
|
|
De negatief voorspellende waarde van iEUS-PCL voor pancreascysteuze laesies
Tijdsspanne: Tijdens procedure
|
Het primaire doel van de studie is het evalueren van de negatieve voorspellende waarde van de iEUS-PCL bij het identificeren van de pancreascystische laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorie).
|
Tijdens procedure
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Vergelijking van de nauwkeurigheid tussen iEUS-PCL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire eindpunt van de studie is het vergelijken van de nauwkeurigheid tussen iEUS-PCL en endosonografen van verschillende niveaus bij het identificeren van pancreascysteuze laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorieën).
|
Tijdens de procedure
|
|
Vergelijking van de gevoeligheid tussen iEUS-PCL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire doel van de studie is het vergelijken van de gevoeligheid tussen iEUS-PCL en verschillende niveaus van endosonografen bij het identificeren van pancreascysteuze laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorieën).
|
Tijdens de procedure
|
|
Vergelijking van de specificiteit tussen iEUS-PCL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire doel van de studie is het vergelijken van de specificiteit tussen iEUS-PCL en endosonografen van verschillende niveaus bij het identificeren van pancreascystische laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorieën).
|
Tijdens de procedure
|
|
Vergelijking van de positief voorspellende waarde tussen iEUS-PCL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire doel van de studie is het vergelijken van de positief voorspellende waarde tussen iEUS-PCL en endosonografen van verschillende niveaus bij het identificeren van pancreascysteuze laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorieën).
|
Tijdens de procedure
|
|
Vergelijking van de negatieve voorspellende waarde tussen iEUS-PCL en endosonografen
Tijdsspanne: Tijdens de procedure
|
Het secundaire doel van de studie is het vergelijken van de negatief voorspellende waarde tussen iEUS-PCL en endosonografen van verschillende niveaus bij het identificeren van pancreascystische laesies (goedaardig/kwaadaardig; mucineus/niet-mucineus; 4-categorieën).
|
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.
- 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.
- Lipkova J, Chen RJ, Chen B, Lu MY, Barbieri M, Shao D, Vaidya AJ, Chen C, Zhuang L, Williamson DFK, Shaban M, Chen TY, Mahmood F. Artificial intelligence for multimodal data integration in oncology. Cancer Cell. 2022 Oct 10;40(10):1095-1110. doi: 10.1016/j.ccell.2022.09.012.
- Schulz D, Heilmaier M, Phillip V, Treiber M, Mayr U, Lahmer T, Mueller J, Demir IE, Friess H, Reichert M, Schmid RM, Abdelhafez M. Accurate prediction of histological grading of intraductal papillary mucinous neoplasia using deep learning. Endoscopy. 2023 May;55(5):415-422. doi: 10.1055/a-1971-1274. Epub 2022 Nov 2.
- Kuwahara T, Hara K, Mizuno N, Okuno N, Matsumoto S, Obata M, Kurita Y, Koda H, Toriyama K, Onishi S, Ishihara M, Tanaka T, Tajika M, Niwa Y. Usefulness of Deep Learning Analysis for the Diagnosis of Malignancy in Intraductal Papillary Mucinous Neoplasms of the Pancreas. Clin Transl Gastroenterol. 2019 May 22;10(5):1-8. doi: 10.14309/ctg.0000000000000045.
- Nguon LS, Seo K, Lim JH, Song TJ, Cho SH, Park JS, Park S. Deep Learning-Based Differentiation between Mucinous Cystic Neoplasm and Serous Cystic Neoplasm in the Pancreas Using Endoscopic Ultrasonography. Diagnostics (Basel). 2021 Jun 8;11(6):1052. doi: 10.3390/diagnostics11061052.
- Vilas-Boas F, Ribeiro T, Afonso J, Cardoso H, Lopes S, Moutinho-Ribeiro P, Ferreira J, Mascarenhas-Saraiva M, Macedo G. Deep Learning for Automatic Differentiation of Mucinous versus Non-Mucinous Pancreatic Cystic Lesions: A Pilot Study. Diagnostics (Basel). 2022 Aug 24;12(9):2041. doi: 10.3390/diagnostics12092041.
- Gheorghiu MI, Seicean A, Pojoga C, Hagiu C, Seicean R, Sparchez Z. Contrast-enhanced guided endoscopic ultrasound procedures. World J Gastroenterol. 2024 May 7;30(17):2311-2320. doi: 10.3748/wjg.v30.i17.2311.
- Huang W, Xu Y, Li Z, Li J, Chen Q, Huang Q, Wu Y, Chen H. Enhancing noninvasive pancreatic cystic neoplasm diagnosis with multimodal machine learning. Sci Rep. 2025 May 12;15(1):16398. doi: 10.1038/s41598-025-01502-4.
- Hwang J, Kim YK, Min JH, Jeong WK, Hong SS, Kim HJ. Comparison between MRI with MR cholangiopancreatography and endoscopic ultrasonography for differentiating malignant from benign mucinous neoplasms of the pancreas. Eur Radiol. 2018 Jan;28(1):179-187. doi: 10.1007/s00330-017-4926-5. Epub 2017 Aug 4.
- Jiang J, Chao WL, Cao T, Culp S, Napoleon B, El-Dika S, Machicado JD, Pannala R, Mok S, Luthra AK, Akshintala VS, Muniraj T, Krishna SG. Improving Pancreatic Cyst Management: Artificial Intelligence-Powered Prediction of Advanced Neoplasms through Endoscopic Ultrasound-Guided Confocal Endomicroscopy. Biomimetics (Basel). 2023 Oct 19;8(6):496. doi: 10.3390/biomimetics8060496.
- 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.
- Rangwani S, Ardeshna DR, Rodgers B, Melnychuk J, Turner R, Culp S, Chao WL, Krishna SG. Application of Artificial Intelligence in the Management of Pancreatic Cystic Lesions. Biomimetics (Basel). 2022 Jun 14;7(2):79. doi: 10.3390/biomimetics7020079.
- European Study Group on Cystic Tumours of the Pancreas. European evidence-based guidelines on pancreatic cystic neoplasms. Gut. 2018 May;67(5):789-804. doi: 10.1136/gutjnl-2018-316027. Epub 2018 Mar 24.
- Elta GH, Enestvedt BK, Sauer BG, Lennon AM. ACG Clinical Guideline: Diagnosis and Management of Pancreatic Cysts. Am J Gastroenterol. 2018 Apr;113(4):464-479. doi: 10.1038/ajg.2018.14. Epub 2018 Feb 27.
- Vilela A, Quingalahua E, Vargas A, Hawa F, Shannon C, Carpenter ES, Shi J, Krishna SG, Lee UJ, Chalhoub JM, Machicado JD. Global Prevalence of Pancreatic Cystic Lesions in the General Population on Magnetic Resonance Imaging: A Systematic Review and Meta-analysis. Clin Gastroenterol Hepatol. 2024 Sep;22(9):1798-1809.e6. doi: 10.1016/j.cgh.2024.02.018. Epub 2024 Feb 28.
- Kloth C, Haggenmuller B, Beck A, Wagner M, Kornmann M, Steinacker JP, Steinacker-Stanescu N, Vogele D, Beer M, Juchems MS, Schmidt SA. Diagnostic, Structured Classification and Therapeutic Approach in Cystic Pancreatic Lesions: Systematic Findings with Regard to the European Guidelines. Diagnostics (Basel). 2023 Jan 26;13(3):454. doi: 10.3390/diagnostics13030454.
- 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. Ther 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)
20 april 2026
Primaire voltooiing (Geschat)
30 juni 2028
Studie voltooiing (Geschat)
30 juni 2028
Studieregistratiedata
Eerst ingediend
15 april 2026
Eerst ingediend dat voldeed aan de QC-criteria
15 april 2026
Eerst geplaatst (Werkelijk)
21 april 2026
Updates van studierecords
Laatste update geplaatst (Werkelijk)
3 september 2026
Laatste update ingediend die voldeed aan QC-criteria
2 september 2026
Laatst geverifieerd
1 september 2026
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- 2026-SDU-QILU-2
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 .