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

AI-assistert koloskopirapportsystem for å forbedre rapporteringskvaliteten

13. april 2023 oppdatert av: Renmin Hospital of Wuhan University

Tale- og bildegjenkjenningsbasert system for å forbedre rapporteringskvaliteten under koloskopi

I denne studien foreslo etterforskerne en prospektiv studie om effektiviteten av tale- og bildegjenkjenningsbasert system for å forbedre rapporteringskvaliteten under koloskopi for koloskopirapportkvalitet hos endoskopister. Deltakerne ble delt inn i to grupper. For de innsamlede koloskopivideoene ville gruppe A ta opp sine observasjoner ved hjelp av det kunstige intelligenssystemet. Assistentsystemet for kunstig intelligens kan automatisk fange bilder av tarmsegmenter og gi unormale lesjoner. Gruppe B ville fullføre endoskopirapporten uten spesielle spørsmål. Etter en periode med utvaskingsperiode byttet de to gruppene, det vil si gruppe A uten AI-assistanse og gruppe B med AI-assistanse for å fullføre koloskopirapporten. Deretter sammenlignes fullstendigheten av koloskopirapporten, fullstendigheten av å fange anatomiske landemerker og oppdagede lesjoner, fullstendigheten av strukturert beskrivelse, nøyaktigheten av lesjonsrapportering, tidspunktet for rapportering og tilfredsheten med rapporteringssystemet med eller uten AI-hjelp.

Studieoversikt

Status

Har ikke rekruttert ennå

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

Studiesteder

    • Hubei
      • Wuhan, Hubei, Kina, 430060
        • Renmin Hospital of Wuhan Univercity

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

Beskrivelse

Inklusjonskriterier:

Pasienter:

  1. Mann eller kvinne ≥18 år gammel;
  2. Kunne lese, forstå og signere et informert samtykke;
  3. Utforskeren mener at forsøkspersonene kan forstå prosessen i den kliniske studien, er villige og i stand til å gjennomføre alle studieprosedyrer og oppfølgingsbesøk, og samarbeide med studieprosedyrene;
  4. Pasienter som trenger koloskopi.

Leger:

  1. menn eller kvinner som er over 18 år;
  2. Etter kvalifisert medisinsk utdanning og oppnådd legelisens.

Ekskluderingskriterier:

Pasienter:

  1. Har rus- eller alkoholmisbruk eller psykisk lidelse de siste 5 årene;
  2. Gravide eller ammende kvinner;
  3. Pasienter med kjent multippel polypp syndrom;
  4. pasienter med kjent inflammatorisk tarmsykdom;
  5. kjent tarmstenose eller plassopptakende svulst;
  6. kjent kolon obstruksjon eller perforering;
  7. pasienter med en historie med kolorektal kirurgi;
  8. Pasienter med tidligere allergi mot forhåndsbrukt spasmolyse;
  9. Ikke i stand til å utføre biopsi på grunn av koagulasjonsforstyrrelser eller orale antikoagulantia;
  10. Høyrisikosykdommer eller andre spesielle tilstander som utrederen anser forsøkspersonen som uegnet for deltakelse i den kliniske utprøvingen.

Leger:

1. 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: Enhetens gjennomførbarhet
  • Tildeling: Randomisert
  • Intervensjonsmodell: Crossover-oppdrag
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: med assistentsystem for kunstig intelligens
Endoskopister ville fullføre koloskopirapporten ved hjelp av det kunstige intelligenssystemet.
Assistentsystemet for kunstig intelligens kan automatisk fange bilder av tarmsegmenter og gi unormale lesjoner basert på talegjenkjenning og dyp læring.
Ingen inngripen: uten assistentsystem for kunstig intelligens
Endoskopister ville fullføre koloskopirapporten uten spesielle spørsmål.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Rapporten om integriteten til koloskopi
Tidsramme: En måned
Rapporter integritet med eller uten AI-assistert. Beregningsmetode = antall registrerte opplysninger / totalt antall opplysninger som må registreres x 100 %
En måned

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Integriteten til å fange anatomiske landemerker
Tidsramme: En måned
Integriteten i tatt tarmlandmrak-bilder med eller uten AI-assistert. Beregningsmetode = antall anatomiske landemerker i tatt bilder / totalt antall anatomiske landemerker x 100 %
En måned

Andre resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Rapportlesjonens integritet
Tidsramme: En måned
Rapporter lesjonsintegritet med eller uten AI-assistert. Beregningsmetode = antall rapporterte lesjoner / totalt antall lesjoner x 100 %
En måned
Fullstendigheten av strukturert beskrivelse
Tidsramme: En måned
Fullstendigheten av strukturert beskrivelse med eller uten AI-assistert. Beregningsmetode = antall strukturerte beskrivelser / totalt antall strukturerte beskrivelser må registreres x 100 %
En måned
Nøyaktighet av lesjonsrapportering
Tidsramme: En måned
Nøyaktighet av lesjonsrapport med eller uten AI-assistert. Beregningsmetode = antall lesjoner med korrekt beskrivelse / totalt antall lesjoner beskrivelsex 100 %
En måned
Tidspunkt for rapportering
Tidsramme: En måned
Tidspunktet for rapportering med eller uten AI-assistert
En måned
Tilfredsheten med rapporteringssystemet
Tidsramme: En måned
Tilfredsheten med rapporteringssystemet med eller uten AI-assistert
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 (Forventet)

15. mai 2023

Primær fullføring (Forventet)

15. juni 2023

Studiet fullført (Forventet)

31. juli 2023

Datoer for studieregistrering

Først innsendt

2. april 2023

Først innsendt som oppfylte QC-kriteriene

13. april 2023

Først lagt ut (Faktiske)

25. april 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

25. april 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

13. april 2023

Sist bekreftet

1. mars 2023

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • EA-23-002

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. .

Kliniske studier på Assistentsystem for kunstig intelligens

3
Abonnere