Dyplæringsalgoritme for diagnose av gastrointestinale sykdommer
14. februar 2020 oppdatert av: Xiuli Zuo, Shandong University
Utvikling og validering av en dyp læringsalgoritme for diagnostisering av gastrointestinale sykdommer
Hensikten med denne studien er å utvikle og validere en dyplæringsalgoritme for diagnostisering av gastrointestinale sykdommer.
Evaluer deretter nøyaktigheten av dette nye kunstig intelligens (AI)-assisterte gjenkjenningssystemet i klinikkpraksis.
Studieoversikt
Status
Ukjent
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Nylig har dyp læringsalgoritme basert på sentrale nevrale nettverk (CNN) vist flere potensialer innen datastøttet deteksjon og datastøttet diagnose av gastrointestinale lesjoner.
Imidlertid er det fortsatt en blank i anerkjennelse av alle gastrointestinale sykdommer.
Denne studien tar sikte på å utvikle og validere en dyp læringsalgoritme for diagnostisering av gastrointestinale sykdommer.
Evaluer deretter nøyaktigheten av dette nye kunstig intelligens (AI)-assisterte gjenkjenningssystemet i klinikkpraksis.
Studietype
Intervensjonell
Registrering (Forventet)
100000
Fase
- Ikke aktuelt
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Shandong
-
Jinan, Shandong, Kina, 250012
- Rekruttering
- Qilu Hospital, Shandong University
-
Ta kontakt med:
- Xiuli Zuo, PhD
- Telefonnummer: 053188369277 15588818685
- E-post: zuoxiuli@sdu.edu.cn
-
-
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 og eldre (Voksen, Eldre voksen)
Tar imot friske frivillige
Nei
Kjønn som er kvalifisert for studier
Alle
Beskrivelse
Inklusjonskriterier:
- Deltakere, 18 år eller eldre, som ikke hadde hatt en tidligere endoskopi, ble hentet fra alle deltakende sykehus.
Ekskluderingskriterier:
-
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Diagnostisk
- Tildeling: N/A
- Intervensjonsmodell: Enkeltgruppeoppdrag
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: AI overvåking gastrointestinal endoskopi
Etter å ha mottatt standard forberedelsesregime, går pasientene gjennom koloskopi eller gastroskopi under AI-overvåkingsenheten.
Hele prosedyren overvåkes av AI-tilknyttet gjenkjenningssystem.
Gastrointestinale sykdommer vil bli oppdaget og diagnostisert der AI-enheten automatisk vil fange relevante bilder og rapportere stedet for hvert segment på skjermen.
Histologianalyse er satt som en gylden standard.
Deretter vil alle AI-bildene bli gjennomgått av en menneskelig gruppe, som består av tre til fem erfarne endoskopiske leger.
|
Etter å ha mottatt standard forberedelsesregime, går pasientene gjennom koloskopi eller gastroskopi under AI-overvåkingsenheten.
Hele prosedyren overvåkes av AI-tilknyttet gjenkjenningssystem.
Gastrointestinale sykdommer vil bli oppdaget og diagnostisert der AI-enheten automatisk vil fange relevante bilder og rapportere stedet for hvert segment på skjermen.
Histologianalyse er satt som en gylden standard.
Deretter vil alle AI-bildene bli gjennomgått av en menneskelig gruppe, som består av tre til fem erfarne endoskopiske leger.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Den diagnostiske nøyaktigheten av gastrointestinale sykdommer med dyp læringsalgoritme.
Tidsramme: 1 måned
|
Den diagnostiske nøyaktigheten av gastrointestinale sykdommer med dyp læringsalgoritme.
|
1 måned
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Den diagnostiske følsomheten til gastrointestinale sykdommer med dyp læringsalgoritme.
Tidsramme: 1 måned
|
Den diagnostiske følsomheten til gastrointestinale sykdommer med dyp læringsalgoritme.
|
1 måned
|
|
Den diagnostiske spesifisiteten til gastrointestinale sykdommer med dyp læringsalgoritme.
Tidsramme: 1 måned
|
Den diagnostiske spesifisiteten til gastrointestinale sykdommer med dyp læringsalgoritme.
|
1 måned
|
|
Den diagnostiske positive prediktive verdien av gastrointestinale sykdommer med dyp læringsalgoritme.
Tidsramme: 1 måned
|
Den diagnostiske spesifisiteten til gastrointestinale sykdommer med dyp læringsalgoritme.
|
1 måned
|
|
Den diagnostiske negative prediktive verdien av gastrointestinale sykdommer med dyp læringsalgoritme.
Tidsramme: 1 måned
|
Den diagnostiske spesifisiteten til gastrointestinale sykdommer med dyp læringsalgoritme.
|
1 måned
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
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. januar 2020
Primær fullføring (Forventet)
1. februar 2020
Studiet fullført (Forventet)
1. februar 2020
Datoer for studieregistrering
Først innsendt
7. januar 2020
Først innsendt som oppfylte QC-kriteriene
7. januar 2020
Først lagt ut (Faktiske)
10. januar 2020
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
18. februar 2020
Siste oppdatering sendt inn som oppfylte QC-kriteriene
14. februar 2020
Sist bekreftet
1. februar 2020
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2019-SDU-QILU-G710
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
produkt produsert i og eksportert fra USA
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. .