Multisenterapplikasjon av et AI-system for diagnostisering av livmorhalsskader basert på koloskopibilder
15. november 2023 oppdatert av: Binhua Dong, Fujian Maternity and Child Health Hospital
Multisenterapplikasjon av et kunstig intelligenssystem for automatisk sanntidsdiagnose av livmorhalsskader basert på koloskopibilder
Anvendelsen av kunstig intelligens i bildegjenkjenning av cervical lesjoner diagnose har blitt et forskningshotspot de siste årene.
Analysen og tolkningen av kolposkopibilder spiller en viktig rolle i diagnostisering, forebygging og behandling av cervical precancerøse lesjoner og livmorhalskreft.
For tiden er nøyaktigheten av kolposkopi deteksjon fortsatt påvirket av mange faktorer.
Forskningen på diagnosesystemet for cervikale lesjoner basert på multimodal dyplæring av kolposkopibilder er et nytt og betydelig forskningstema.
Basert på den store databasen med cervical lesjoner diagnosebilder og ikke-bilder, etablerte forskningsgruppen en multi-kilde heterogen cervical lesjon diagnose big data plattform av ikke-bilde og bilde data.
Undersøk lesjonssegmenterings- og klassifiseringsmodellen av kolposkopi-bilde basert på konvolusjonelt nevralt nettverk, utforsk den relevante medisinske datafusjonsnettverksmodellen som påvirker diagnosen av cervikale lesjoner, og realiser et multimodalt selvlærende kunstig intelligens cervikal lesjonsdiagnosesystem basert på kolposkopi Bilder.
Anvendelseseffektiviteten til det kunstige intelligenssystemet i den virkelige verden ble utforsket gjennom kohorten, og den intelligente undervisningsmodellen og metoden for cervikal lesjonsdiagnose ble videre etablert basert på det ovennevnte intelligente systemet.
Studieoversikt
Status
Rekruttering
Intervensjon / Behandling
Detaljert beskrivelse
Basert på tidligere studier og klinisk praksis, utførte denne studien en multisenterapplikasjon i Fujian-provinsen, Kina.
I denne studien ble Fujian Maternity and Child Health Hospital og Mindong Hospital i Ningde City inkludert, med totalt 10 000 deltakere som har gjennomgått kolposkopiundersøkelse.
For det første vil etterforskerne bygge et multimodalt kunstig intelligens-diagnosesystem ved å kombinere kolposkopibilder med andre ikke-bildedata, for eksempel resultatene av HPV-tester og Thinprep cytologisk test (TCT) og så videre.
Og bruk deretter standardiserte kolposkopibilder og medisinske data uten bilde av cervikale lesjoner i forskjellige medisinske institusjoner for å verifisere effektiviteten til det multimodale intelligente diagnosesystemet for cervikale lesjoner.
Dessuten vil etterforskerne etablere kunstig intelligens-kohorter (assistert av intelligente systemer) og tradisjonelle legekohorter (assistert av ekspert-, senior- og primærleger) for å kontrastere diagnoseresultatene til det multimodale kunstig intelligens-diagnosesystemet og forskjellige nivåer av kolposkopi-leger.
Og kan også toveis analysere den diagnostiske effektiviteten og forskjellene til systemet og kolposkopileger på forskjellige nivåer, og evaluere ytelsen til dette diagnostiske systemet for bruk i den virkelige verden.
Studietype
Intervensjonell
Registrering (Antatt)
10000
Fase
- Ikke aktuelt
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Binhua Dong
- Telefonnummer: +8613599071900
- E-post: dbh18-jy@126.com
Studiesteder
-
-
-
Nanping, Kina
- Rekruttering
- Jianou Maternal and child Health Care Hospital
-
Ta kontakt med:
- Huihua Ge
-
Ningde, Kina
- Rekruttering
- Ningde Hospital affiliated to Ningde Normal University
-
Ta kontakt med:
- Wenfang Jin
-
Quanzhou, Kina
- Rekruttering
- Quanzhou First Hospital
-
Ta kontakt med:
- Yuchun Lv
-
-
Fujian
-
Fuzhou, Fujian, Kina, 350001
- Rekruttering
- Fujian Maternity and Child Health Hospital
-
Ta kontakt med:
- Binhua Dong
- Telefonnummer: +8613599071900
- E-post: dbh18-jy@126.com
-
Ningde, Fujian, Kina, 352000
- Rekruttering
- MinDong Hospital of Ningde City
-
Ta kontakt med:
- Fang Xie, M.D
- Telefonnummer: +8613860388999
-
-
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
Ja
Beskrivelse
Inklusjonskriterier:
- Gift kvinne
- Kvinne på 18 år og oppover
- Kvinne med intakt livmorhals
- Pasienter med unormale resultater i livmorhalskreftscreening
- Kunne forstå denne studien og ha signert et skriftlig informert samtykke
Ekskluderingskriterier:
- Kvinne med akutt reproduktiv betennelse
- Historie om bekkenstrålebehandling
- Kvinne med psykisk lidelse
- Pasienter med historie med andre ondartede svulster
- Nekter å delta i denne studien
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: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Trippel
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Aktiv komparator: Diagnosegruppe for kunstig intelligens
Kvinner som viser abnormiteter i livmorhalskreftscreening og krever henvisning til kolposkopi.
Kolposkopi ble utført ved hjelp av et kunstig intelligens (AI) system.
|
Deltakerne ble delt inn i intervensjonsgruppen og kontrollgruppen ved hjelp av en tilfeldig talltabell.
Intervensjonsgruppedeltakernes cervikale kolposkopiske bildedata og ikke-bildedata som følger: alder, infeksjon av høyrisiko humant papillomavirus (HR-HPV), typen HR-HPV-infeksjon, varigheten av HR-HPV-infeksjon, cervical cytologi (TCT) resultater, HIV/seksuelt overførbare infeksjonshistorie, ekteskap og fødselshistorie, første seksuelle livshistorie, seksuell partnerhistorie, røykehistorie, orale prevensjonshistorier, bruk av immunmedisin og mulige kliniske symptomer på cervikale lesjoner som postcoital blødning , unormale vaginale sekreter, vaginale blødningssymptomer, etc.
|
|
Ingen inngripen: Gynekolog diagnosegruppe
Kvinner som viser abnormiteter i livmorhalskreftscreening og krever henvisning til kolposkopi.
Kolposkopi utføres uavhengig av en gynekolog uten ekstern assistanse.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
HPV-testing
Tidsramme: o måned
|
Cervikale eksfolierte celler ble samlet inn for HPV-testing
|
o måned
|
|
Cervikal cytologitesting
Tidsramme: 0 måned
|
Cervikale eksfolierte celler ble samlet inn for cytologisk og patologisk undersøkelse.
|
0 måned
|
|
Cervikal histopatologisk undersøkelse
Tidsramme: 0 måned
|
Livmorhalsvev ble samlet for histopatologisk undersøkelse
|
0 måned
|
|
Nøyaktighet av CIN2+ diagnose
Tidsramme: 0 måned
|
Nøyaktighet i diagnostisering av cervikal intraepitelial neoplasi grad 2 eller verre.
|
0 måned
|
|
Nøyaktighet av CIN3+ diagnose
Tidsramme: 0 måned
|
Nøyaktighet i diagnostisering av cervikal intraepitelial neoplasi grad 3 eller verre.
|
0 måned
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Studiestol: Pengming Sun, PhD, Fujian Maternity and Child Health Hospital, Affiliated Hospital of Fujian Medical 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 2021
Primær fullføring (Antatt)
1. august 2024
Studiet fullført (Antatt)
1. september 2024
Datoer for studieregistrering
Først innsendt
7. mars 2022
Først innsendt som oppfylte QC-kriteriene
7. mars 2022
Først lagt ut (Faktiske)
16. mars 2022
Oppdateringer av studieposter
Sist oppdatering lagt ut (Antatt)
16. november 2023
Siste oppdatering sendt inn som oppfylte QC-kriteriene
15. november 2023
Sist bekreftet
1. november 2023
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- AICC2203
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. .