Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Automatisk diagnose av tidlig esophageal squamous neoplasia ved bruk av pCLE med AI

16. november 2024 oppdatert av: Yanqing Li, Shandong University

Automatisk diagnose av tidlig esophageal squamous neoplasia ved bruk av sondebasert konfokal laserendomomikroskopi med kunstig intelligens

Påvisning og differensiering av esophageal squamous neoplasia (ESN) er av verdi for å forbedre pasientresultatene. Probebasert konfokal laserendomikroskopi (pCLE) kan diagnostisere ESN nøyaktig. Dette krever imidlertid mye erfaring, noe som begrenser bruken av pCLE. Etterforskerne designet et datastøttet diagnoseprogram ved hjelp av dypt nevralt nettverk for å stille diagnose automatisk i pCLE-undersøkelse og kontrastere ytelsen til endoskopister.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Faktiske)

57

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

  • Kina
    • Shandong
      • Jinan, Shandong, Kina, 250001
        • Qilu Hospital, Shandong University

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

18 år til 80 år (Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Påfølgende pasienter som mottar den øvre gastrointestinale kanalen pCLE-undersøkelse og screenes som oppfyller kvalifikasjonskriteriene ved Qilu Hospital, Shandong University, vil bli registrert i studien

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

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
esophageal mucosal lesjoner observert av pCLE
pCLE brukes til å skille de mistenkte lesjonene som er oppdaget ved hvitlysendoskopi eller IEE.
Diagnostisk test: Diagnosen kunstig intelligens og endoskopist
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

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

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

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Shandong University

Etterforskere

  • Hovedetterforsker: Yanqing Li, Qilu Hospital, Shandong University

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. august 2019

Primær fullføring (Faktiske)

31. januar 2023

Studiet fullført (Faktiske)

31. januar 2023

Datoer for studieregistrering

Først innsendt

20. oktober 2019

Først innsendt som oppfylte QC-kriteriene

20. oktober 2019

Først lagt ut (Faktiske)

23. oktober 2019

Oppdateringer av studieposter

Sist oppdatering lagt ut (Antatt)

19. november 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

16. november 2024

Sist bekreftet

1. november 2024

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 2019SDU-QILU-66

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

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. .

Kliniske studier på Neoplasmer i spiserøret

Kliniske studier på Diagnosen kunstig intelligens og endoskopist

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Serbia

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

Abonnere