Rollen til kunstig intelligens i endoskopisk diagnose av Esophagogastric Junctional Adenocarcinoma: Et enkelt senter, sakskontroll, diagnostisk studie
15. november 2023 oppdatert av: Qilu Hospital of Shandong University
Dette er et enkeltsenter, case-control, diagnostisk studie. Målet med denne studien er å bruke dyplæringsmetoder for å retrospektivt analysere bildedataene fra gastrointestinal endoskopi på Qilu Hospital, og konstruere en kunstig intelligensmodell basert på endoskopiske bilder for å oppdage og bestemme dybden av invasjonen av esophagogastric junctional adenokarsinom. Denne studien vil også sammenligne den etablerte AI-modellen med diagnostiske resultater fra endoskopister for å evaluere den kliniske hjelpeverdien til modellen for endoskopister. Forskningen inkluderer stadier som datainnsamling og forbehandling, kunstig intelligens modellutvikling, modelltesting og evaluering.
Gastroskopibildedatasettet konstruert av dette forskningsinstituttet inkluderer hovedsakelig tre moduser for endoskopisk avbildning: hvitt lysendoskopi, optisk forsterkningsendoskopi (OE) og smalbåndsavbildningsendoskopi (NBI).
Studieoversikt
Status
Har ikke rekruttert ennå
Forhold
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Antatt)
200
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Miaomiao Ma, Bachelor
- Telefonnummer: +8617657686098
- E-post: mmiao6098@163.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
- Voksen
- Eldre voksen
Tar imot friske frivillige
Ja
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Denne studien inkluderte endoskopiske bilder av den esophageal gastriske overgangen hentet fra Endoscopy Center of Qilu Hospital for trening og testing av modellen. Studiepopulasjonen gjennomgikk patologisk undersøkelse og de patologiske resultatene ble brukt som gullstandarden.
Beskrivelse
Inklusjonskriterier:
- Denne studien inkluderte endoskopiske bilder av pasienter i alderen 18 år og over som gjennomgikk endoskopisk undersøkelse eller behandling
- Alle pasienter i case-gruppen må patologisk bekreftes som esophageal gastric junction adenocarcinoma, og en patolog har utført en standardisert patologisk evaluering av tumorklassifiseringen av lesjonen, inkludert det generelle utseende, størrelse, differensieringstype, infiltrasjonsdybde, tilstedeværelse eller fravær av lymfatisk/vaskulær invasjon, kirurgisk marginstatus, etc.
- De endoskopiske bildene av kontrollgruppepasientene må bekreftes av biopsipatologi eller minst to erfarne endoskopister (med operasjonserfaring >5000 tilfeller) for i fellesskap å bekrefte at de har klare benigne manifestasjoner
Ekskluderingskriterier:
- Pasienten har en tidligere historie med endoskopisk behandling eller kirurgi for esophageal gastric junction.
- Nødvendig klinisk informasjon kan ikke gis under forskningsprosessen (pasientens alder, kjønn, lesjonskarakteristikker, endoskopiske manifestasjoner, endoskopiske bilder, etc.)
- Endoskopiske bilder av lav kvalitet, for eksempel de som er alvorlig påvirket av blødning, blenderåpning, uskarphet, uskarphet, artefakter eller for mye slim etter biopsi.
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Treningssett
|
Denne studien vil sammenligne den etablerte AI-modellen med de diagnostiske resultatene til endoskopister for å evaluere den kliniske hjelpeverdien til modellen for endoskopister.
|
|
Testsett
|
Denne studien vil sammenligne den etablerte AI-modellen med de diagnostiske resultatene til endoskopister for å evaluere den kliniske hjelpeverdien til modellen for endoskopister.
|
|
Verifikasjonssett
|
Denne studien vil sammenligne den etablerte AI-modellen med de diagnostiske resultatene til endoskopister for å evaluere den kliniske hjelpeverdien til modellen for endoskopister.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhet
Tidsramme: 36 måneder
|
Forskerne beregnet sensitiviteten til den etablerte AI-modellen og sammenlignet den med endoskopister på forskjellige nivåer.
|
36 måneder
|
|
Spesifisitet
Tidsramme: 36 måneder
|
Forskerne beregnet spesifisiteten til den etablerte AI-modellen og sammenlignet den med endoskopister på forskjellige nivåer.
|
36 måneder
|
|
Negativ prediktiv verdi
Tidsramme: 36 måneder
|
Forskerne beregnet den negative prediktive verdien til den etablerte AI-modellen og sammenlignet den med endoskopister på forskjellige nivåer.
|
36 måneder
|
|
Positiv prediktiv verdi
Tidsramme: 36 måneder
|
Forskerne beregnet den positive prediktive verdien til den etablerte AI-modellen og sammenlignet den med endoskopister på forskjellige nivåer.
|
36 måneder
|
|
Nøyaktighet
Tidsramme: 36 måneder
|
Forskerne beregnet nøyaktighet positiv prediktiv verdi av den etablerte AI-modellen og sammenlignet den med endoskopister på forskjellige nivåer.
|
36 måneder
|
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 (Antatt)
1. desember 2023
Primær fullføring (Antatt)
1. april 2025
Studiet fullført (Antatt)
1. april 2026
Datoer for studieregistrering
Først innsendt
6. april 2023
Først innsendt som oppfylte QC-kriteriene
6. april 2023
Først lagt ut (Faktiske)
19. april 2023
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. april 2023
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2023SDU-QILU-1
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. .