- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05479253
AI-assistert endoskopirapportsystem for å forbedre rapporteringskvaliteten
8. august 2022 oppdatert av: Renmin Hospital of Wuhan University
En enkeltsenterstudie av et AI-assistert endoskopirapportsystem for å forbedre rapporteringskvaliteten
I denne studien foreslo vi en prospektiv studie om effektiviteten av kunstig intelligenssystem for endoskopirapportkvalitet hos endoskopister.
Fagene vil bli delt inn i to grupper.
For de innsamlede endoskopiske videoene ville gruppe A fullføre endoskopirapporten ved hjelp av det kunstige intelligenssystemet.
Assistentsystemet for kunstig intelligens kan automatisk ta bilder, gi unormale lesjoner og delene som dekkes av undersøkelsen (øvre mage-tarmkanalen er delt inn i 26 deler).
Gruppe B ville fullføre endoskopirapporten uten spesielle spørsmål.
Etter en periode med glemsel byttet de to gruppene, det vil si gruppe A uten AI-assistanse og gruppe B med AI-assistanse for å fullføre endoskopirapporten.
Deretter ble fullstendigheten av rapportlesjonen, nøyaktigheten av lesjonens plassering, fullstendigheten av lesjonen og standarddelen i de fangede bildene og så videre sammenlignet med eller uten AI-hjelp.
Studieoversikt
Status
Rekruttering
Forhold
Intervensjon / Behandling
Studietype
Intervensjonell
Registrering (Forventet)
10
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: Honggang Yu, MD
- Telefonnummer: 13871281899
- E-post: yuhonggang1969@163.com
Studiesteder
-
-
-
Wuhan, Kina, 430060
- Rekruttering
- Renmin Hospital of Wuhan 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 70 år (VOKSEN, OLDER_ADULT)
Tar imot friske frivillige
Ja
Kjønn som er kvalifisert for studier
Alle
Beskrivelse
Inklusjonskriterier:
- menn eller kvinner som er over 18 år;
- Etter kvalifisert medisinsk utdanning og oppnådd sertifikatet for kinesisk lege;
Ekskluderingskriterier:
- Leger uten kvalifisert medisinsk utdanning og ikke oppnådd sertifikatet fra kinesisk lege;
- Forskeren mener forsøkspersonene ikke egner seg til å delta i kliniske studier.
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: DEVICE_FEASIBILITY
- Tildeling: TILFELDIG
- Intervensjonsmodell: CROSSOVER
- Masking: INGEN
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
EKSPERIMENTELL: med kunstig intelligens assistentsystem
Endoskopister ville fullføre endoskopirapporten ved hjelp av det kunstige intelligenssystemet.
|
Assistentsystemet for kunstig intelligens kan automatisk ta bilder, gi unormale lesjoner og delene som dekkes av undersøkelsen (magen er delt inn i 26 deler).
|
|
INGEN_INTERVENSJON: uten assistentsystem for kunstig intelligens
Endoskopister ville fullføre endoskopirapporten uten spesielle spørsmål.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Rapportlesjons integritet
Tidsramme: en måned
|
Rapporter lesjonsintegritet med eller uten AI-assistert.
Beregningsmetode = antall rapporterte lesjoner / totalt antall lesjoner x 100 %
|
en måned
|
|
Nøyaktighet av lesjonsplassering
Tidsramme: en måned
|
Nøyaktighet av lesjonslokalisering med eller uten AI-assistert.
Beregningsmetode = antall lesjoner med korrekt plassering / totalt antall lesjoner x 100 %
|
en måned
|
|
Integritet av lesjon i tatt bilder
Tidsramme: en måned
|
Lesjonsintegritet i tatt bilder med eller uten AI-assistert.
Beregningsmetode = antall lesjoner i tatt bilder / totalt antall lesjoner x 100 %
|
en måned
|
|
Integriteten til standarddelen i tatt bilder
Tidsramme: en måned
|
Lesjonsintegritet i tatt bilder med eller uten AI-assistert.
Beregningsmetode = antall standarddeler i tatt bilder / faktisk antall standarddeler dekket av eksamen x 100 %
|
en måned
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
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. november 2021
Primær fullføring (FORVENTES)
1. desember 2022
Studiet fullført (FORVENTES)
1. desember 2022
Datoer for studieregistrering
Først innsendt
27. juli 2022
Først innsendt som oppfylte QC-kriteriene
27. juli 2022
Først lagt ut (FAKTISKE)
29. juli 2022
Oppdateringer av studieposter
Sist oppdatering lagt ut (FAKTISKE)
10. august 2022
Siste oppdatering sendt inn som oppfylte QC-kriteriene
8. august 2022
Sist bekreftet
1. juli 2022
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- EA-21-010
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
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. .