- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT04563416
Anvendelse av kunstig intelligens for tidlig diagnose av gastrisk kreft under optisk forsterkning forstørrelsesendoskopi
Studieoversikt
Status
Detaljert beskrivelse
Magekreft er den tredje vanligste årsaken til kreftrelaterte dødsfall på verdensbasis, spesielt i Asia. Tidlig påvisning og behandling vil kurere sykdommen med en 5-års overlevelsesrate på over 90 %. Imidlertid er sensitiviteten til konvensjonell endoskopi med hvitt lys-avbildning ( C-WLI) i diagnostisering av tidlig gastrisk kreft (EGCs) er bare 40%. Forstørrende bildeforbedret endoskopi (IEE)-teknikker som forstørrende smalbåndsavbildning (M-NBI) er utviklet, og 2 RCT rapporterer at hvitlys-avbildning kombineres med M-NBI kan øke følsomheten til 95 %. Strategien om å bruke hvitt-lys-avbildning for å oppdage den mistenkelige lesjonen og bruke M-IEE-teknikker for å stille en diagnose av tidlig magekreft anbefales ved screening-endoskopi.
Optisk forbedring (OE) som er en av M-IEE-teknikkene ble utviklet av HOYA Co. (Tokyo, Japan). Denne teknologien kombinerer digital signalbehandling og optiske filtre for å tydeliggjøre visning av slimhinnemikrooverflate (MS) og mikrokar (MV). Fordelen med OE er å overvinne mørket til NBI som fører til mindre nytte for deteksjonsevne i det fulle utvidede gastrointestinale lumen. Likevel er det vanskelig å skille tidlig gastrisk kreft fra ikke-kreftøse lesjoner for nybegynnere, og ekspertise med suboptimal intervensjon -observatøravtale er avgjørende for bruk av M-IEE.
I dag har kunstig intelligens (AI) ved hjelp av dyp maskinlæring gjort et stort gjennombrudd innen gastroenterologi, som bruker gradient-nedstigningsmetode og backpropagation for automatisk å trekke ut spesifikke bildefunksjoner. Den diagnostiske nøyaktigheten for å identifisere øvre gastrointestinal kreft var 0,955 i C-WLI. Polypper kan identifiseres i sanntid med 96 % nøyaktighet i screeningkoloskopi. AI viser en enestående applikasjon innen deteksjon og diagnose.
Denne studien tar sikte på å utvikle en M-OE-hjelpsmodell for diagnostisering av EGC-er ved å skille kreft eller ikke.
Studietype
Registrering (Forventet)
Kontakter og plasseringer
Studiesteder
-
-
Shandong
-
Jinan, Shandong, Kina, 250012
- Rekruttering
- Department of Gastroenterology, Qilu Hospital, Shandong University
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- pasienter får optisk forstørrende OE endoskopiundersøkelse
Ekskluderingskriterier:
- Pasienter med avansert kreft, lymfom, aktivt sårstadium og kunstig sår etter ESD ble ekskludert.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
---|
Pasienter som trenger gjennomgår forstørrende endoskopi
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
diagnoseeffektiviteten til diagnoseverktøyet for datamaskinstøtte
Tidsramme: 12 måneder
|
sensitiviteten, spesifisiteten og nøyaktigheten til diagnoseverktøyet for datamaskin
|
12 måneder
|
Samarbeidspartnere og etterforskere
Sponsor
Etterforskere
- Hovedetterforsker: Yanqing Li, PHD, Study Principal Investigator Qilu Hospital, Shandong University
Publikasjoner og nyttige lenker
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Forventet)
Studiet fullført (Forventet)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2018SDU-QILU-3
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. .