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

Ulcerøs kolitt Mayo-score med kunstig intelligens

14. april 2022 oppdatert av: Yanling Wei, Third Military Medical University

Forskning på kunstig intelligens-basert Mayo Score-gjenkjenningssystem for sykdomsaktivitetsgrad av ulcerøs kolitt under fordøyelsesendoskopi

Dette prosjektet vil bruke dyp læring for å klassifisere koloskopibilder av ulik alvorlighetsgrad av ulcerøs kolitt, for å hjelpe klinikere med nøyaktig diagnose av ulcerøs kolitt.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Detaljert beskrivelse

I dette prosjektet ble kunstig intelligens brukt til å koloskopiske bilder av pasienter med ulcerøs kolitt med ulike sykdomsaktivitetsnivåer og klassifisere dem i henhold til evalueringsstandarden Mayo score for å hjelpe endoskopister med å identifisere sykdomsaktivitetsnivåer til pasienter med ulcerøs kolitt under koloskopi. Det kan hjelpe kliniske endoskopister med å identifisere nøyaktig, og visualiseringsteknologien til responskartet for kunstig intelligenskategori kan vise områdene med høy betydning for resultater av dyp nettverksklassifisering, og visualisere de eksperimentelle lesjonsstedene, og dermed effektivt verifisere påliteligheten og tolkbarheten til dype nettverk . Denne studien kan gi sterk støtte for nøyaktig identifisering av sykdomsaktivitet ved klinisk ulcerøs kolitt, effektivt redusere arbeidsbelastningen til klinikere, og gi et praktisk, effektivt og praktisk klinisk undervisningsverktøy.

Studietype

Observasjonsmessig

Registrering (Forventet)

500

Kontakter og plasseringer

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

Studiekontakt

Navn: Yanling Wei, professor
Telefonnummer: +8615310354666
E-post: lingzi016@tmmu.edu.cn

Studiesteder

Kina
- Chongqing
  - Chongqing, Chongqing, Kina, 400042
    - Third Military Medical University
    - Ta kontakt med:
      
      Yanling Wei, Professor
      
      Telefonnummer: 15310354666
      
      E-post: lingzi016@126.com

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 72 år (VOKSEN, OLDER_ADULT)

Tar imot friske frivillige

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Bildene ble hentet fra endoskopidatabasen til Army Medical Center of PLA og hentet fra koloskopi av pasienter med ulcerøs kolitt som oppfylte inklusjonskriteriene. Databildene ble brukt til å etablere og verifisere modellen for ai-assistert gjenkjenningssystem.

Beskrivelse

Inklusjonskriterier:

Forsøkspersonene var 18-72 år gamle, menn og kvinner;
Klinisk diagnose av ulcerøs kolitt;
Forsøkspersonene gjennomgikk koloskopi og koloskopirapporten var komplett.

Ekskluderingskriterier:

Forsøkspersonene er yngre enn 18 år eller eldre enn 72 år;
Forsøkspersonene gjennomgikk kolektomi, ileostomi, kolostomi, ileostomi eller annen intestinal reseksjon;
personer med tvetydig diagnose.

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Nøyaktigheten av dyp læringsmodell i opplærings- og valideringsdatasettvurderingen av Mayo-score hos pasienter med ulcerøs kolitt. Tidsramme: Gjennom studiegjennomføring i snitt 1 år.	I trenings- og valideringsdatasettene plottet vi AUC (areal under kurve) for Mayo 0, Mayo 1, Mayo 2 og Mayo 3 for å evaluere modellen vår objektivt.	Gjennom studiegjennomføring i snitt 1 år.

Sekundære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Nøyaktigheten og tidseffektiviteten til endoskopisters vurdering av Mayo-score hos pasienter med ulcerøs kolitt. Tidsramme: Gjennom studiegjennomføring i snitt 1 år.	Datasettene ble tilfeldig tildelt endoskopister. Alle endoskopister ble opplært i diagnostiske studier, fullførte både klinisk og spesifikk endoskopisk opplæring, og var ikke involvert i registrering og merking av pasienter og bilder. Under sammenligningstesten ble alle data randomisert og avidentifisert på forhånd. Gjennomsnittlig tid brukt av 10 endoskopister på å diagnostisere testdatasettet i dyplæringsmodellen og antall korrekte tilfeller ble analysert.	Gjennom studiegjennomføring i snitt 1 år.

Samarbeidspartnere og etterforskere

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

Sponsor

Third Military Medical University

Etterforskere

Studieleder: Yanling Wei, Professor, Third Military 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 (FORVENTES)

1. april 2022

Primær fullføring (FORVENTES)

1. desember 2022

Studiet fullført (FORVENTES)

1. juni 2023

Datoer for studieregistrering

Først innsendt

27. februar 2022

Først innsendt som oppfylte QC-kriteriene

14. april 2022

Først lagt ut (FAKTISKE)

20. april 2022

Oppdateringer av studieposter

Sist oppdatering lagt ut (FAKTISKE)