Automatisk diagnose av tidlig esophageal squamous neoplasia ved bruk av pCLE med AI
Automatisk diagnose av tidlig esophageal squamous neoplasia ved bruk av sondebasert konfokal laserendomomikroskopi med kunstig intelligens
Studieoversikt
Status
Status
Forhold
Forhold
Intervensjon / Behandling
Intervensjon / Behandling
Studietype
Studietype
Registrering (Faktiske)
Registrering
Kontakter og plasseringer
Studiesteder
-
-
Shandong
-
Jinan, Shandong, Kina, 250001
- Qilu Hospital, Shandong University
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- i alderen 18 til 80 år; godtar å gi skriftlig informert samtykke; mistenkt esophageal mucosal lesjon ble funnet ved hvitt lys endoskopi.
Ekskluderingskriterier:
- Pasienter under forhold som ikke er egnet til å utføre CLE, inkludert koagulopati, nedsatt nyre- eller leverfunksjon, graviditet eller amming, og kjent allergi mot fluorescein-natrium; Manglende evne til å gi informert samtykke
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Antall grupper / kohorter
Kohorter og intervensjoner
Gruppe / KohortGruppe / Kohort |
Intervensjon / BehandlingIntervensjon / Behandling |
|---|---|
|
esophageal mucosal lesjoner observert av pCLE
pCLE brukes til å skille de mistenkte lesjonene som er oppdaget ved hvitlysendoskopi eller IEE.
|
Mistanke om esophageal mucosal lesjon er observert ved bruk av pCLE, endoskopist og AI vil stille en diagnose uavhengig.
I tillegg kan ikke endoskopisten se diagnosen AI.
Etter en utvaskingsperiode tar ikke-ekspertendoskopister den andre vurderingen med AI-hjelp.
|
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnoseeffektiviteten til kunstig intelligens
Tidsramme: 3 år
|
Det primære resultatet er å teste den diagnostiske nøyaktigheten, sensitiviteten, spesifisiteten, PPV, NPV til kunstig intelligens for diagnostisering av esophageal mucosal sykdom på sanntids pCLE-undersøkelse.
|
3 år
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sammenlign diagnoseeffektiviteten til kunstig intelligens med endoskopister
Tidsramme: 1 måned
|
Det sekundære resultatet er å sammenligne diagnoseeffektiviteten (inkludert diagnostisk nøyaktighet, sensitivitet, spesifisitet, PPV, NPV for diagnostisering av esophageal mucosal sykdom på sanntids pCLE-undersøkelse) mellom kunstig intelligens og endoskopister.
|
1 måned
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Etterforskere
Etterforskere
- Hovedetterforsker: Yanqing Li, Qilu Hospital, Shandong University
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Studiestart
Primær fullføring (Faktiske)
Primær fullføring
Studiet fullført (Faktiske)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (Antatt)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
Andre studie-ID-numre
- 2019SDU-QILU-66
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .