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

AI-drevet presisjonsbeslutningstaking for pankreassykdommer

23. februar 2026 oppdatert av: Changhai Hospital

En multicenter klinisk studie om AI-drevet presisjonsbeslutningsstyring for pankreassykdommer ved bruk av kontrastforsterket CT

Dette multicenter kliniske studiet evaluerer et kunstig intelligenssystem (AI) designet for å assistere i diagnostisering og behandling av pankreassykdommer. Ved bruk av kontrastforsterkede CT-skanninger sammenligner studiet AI-systemets anbefalinger med beslutninger tatt av erfarne klinikere for å verifisere systemets nøyaktighet og sikkerhet i en virkelig setting. Pasienter kategoriseres i tre behandlingsgrupper: Intervensjon (kirurgi/behandling), Intensiv overvåkning (nær overvåking) eller Rutinemessig overvåkning (standard oppfølging). Hovedmålet er å fastslå om AI-systemet kan klassifisere pasienter pålitelig, redusere risikoen for å overse ondartede lesjoner, og forhindre unødvendige operasjoner, og dermed forbedre klinisk beslutningstaking ved pankreaslidelser.

Studieoversikt

Detaljert beskrivelse

METODE: Denne multiserie kliniske studien evaluerer påliteligheten og effektiviteten til et AI-system for pasienter med sykdommer i bukspyttkjertelen i en virkelig klinisk omgivelse. Studien beregner AI-systemets klassifiseringsnøyaktighet ved å bruke patologisk diagnose (biopsi/kirurgiske resultater) eller langtids oppfølging som "gullstandarden" for sammenligning. I tillegg vurderes sikkerheten og den kliniske nytten av behandlingsstrategiene anbefalt av AI ved å måle risikoen for å overse ondartede lesjoner, raten av unødvendige operasjoner for sykdommer i bukspyttkjertelen, og graden av samsvar med tradisjonelle kliniske beslutninger.

STUDIEDESIGN

Alle kontrastforsterkede CT-bilder fra pasienter med sykdommer i bukspyttkjertelen analyseres av AI-systemet for å generere et klassifiseringsresultat (Intervensjon, Intensiv Overvåkning, eller Rutinemessig Overvåkning). Samtidig gjennomgår kliniske leger de samme dataene og kategoriserer pasienter inn i disse tre gruppene for å bestemme deres faktiske behandlingsplan:

  1. INTERVENSIJON: Pasienter vurdert av leger som trenger "Intervensjon" anbefales for videre kirurgisk evaluering eller behandling.
  2. INTENSIV OVERVÅKNING: Pasienter vurdert av leger som trenger "Intensiv Overvåkning" mottar en personlig tilpasset, høyfrekvent oppfølgingsplan til studiens sluttpunkt.
  3. RUTINEMESSIG OVERVÅKNING: Pasienter vurdert av leger som trenger "Rutinemessig Overvåkning" gjennomgår oppfølging i minst ett år. Hvis unormalt oppstår i løpet av denne perioden, overføres pasienten til den aktuelle "Intervensjon" eller "Intensiv Overvåkning" protokollen.

UTFALL: Studien sammenligner ytelsen til AI-systemet mot kliniske leger angående klassifiseringsnøyaktighet, risiko for oversette diagnoser, unødvendige operasjonsrater, og beslutningskonsistens. Disse målene brukes til å validere AI-systemets verdi, sikkerhet og nytte i den kliniske behandlingen av sykdommer i bukspyttkjertelen.

Studietype

Observasjonsmessig

Registrering (Antatt)

2000

Kontakter og plasseringer

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

Studiekontakt

Studiesteder

      • Shanghai, Kina, 200433
        • Rekruttering
        • Changhai Hospital
        • Ta kontakt med:

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

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Studien inkluderer pasienter med klinisk mistanke om pankreassykdom som har tilgjengelige kontrastforsterkede CT-undersøkelser og gir informert samtykke. Pasienter er ekskludert hvis de har en historie med pankreaskirurgi, kontraindikasjoner for kontrastmidler, suboptimal bildekvalitet, eller andre tilstander som vurderes som upassende av forskeren (f.eks. graviditet, kognitiv svekkelse, eller samtidig deltakelse i andre studier).

Beskrivelse

Inklusjonskriterier:

  • Klinisk mistanke om pancreassykdom.
  • Planlagt kontrastforsterket CT.
  • Signert informert samtykkeskjema som indikerer samtykke til deltakelse.

Eksklusjonskriterier:

  • Tidligere pankreaskirurgi.
  • Kontraindikasjoner for kontrastforsterket CT, inkludert kjent overfølsomhet for jodholdige kontrastmidler eller alvorlig nyre-/leverdysfunksjon.
  • Suboptimal bildekvalitet som påvirker diagnosen.
  • Samtidig deltakelse i en annen intervensjonell klinisk studie.
  • Uegnethet for deltakelse som vurdert av forskeren, inkludert, men ikke begrenset til: graviditet eller amming, alvorlige psykiske lidelser eller kognitiv svikt, betydelige komorbiditeter som kan forstyrre studieresultatene eller pasientsikkerheten.

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
AI-gruppe
Diagnose ved kunstig intelligens-modell
For å utvikle et kunstig intelligens-basert klassifiseringssystem for sykdommer i bukspyttkjertelen, for å oppnå automatisk og presis klassifisering. Kontrastforsterkede CT-bilder fra alle studiedeltakere vil bli analysert av AI-systemet for å generere klassifiseringsresultater, som kategoriserer pasienter i tre grupper: INTERVENSIOM, INTENSIV OVERVÅKING eller RUTINEMESSIG OVERVÅKING.
Klinikergruppe
Diagnostisering av klinikere

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Klassifiseringsnøyaktighet
Tidsramme: Fra dato for kontrastforsterket CT-skanning til 1 år
Prosentandelen av saker korrekt klassifisert av AI av det totale antallet saker.
Fra dato for kontrastforsterket CT-skanning til 1 år

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Samsvarsrate med kliniske avgjørelser
Tidsramme: Fra datoen for kontrastforsterket CT-skanning til 1 år
Andelen av totalt antall tilfeller der AI og klinikeres klassifiseringsresultater er enige.
Fra datoen for kontrastforsterket CT-skanning til 1 år
Prosentvis reduksjon i unødvendige kirurgiske inngrep
Tidsramme: Fra dato for kontrastforsterket CT-skanning til 1 år
Prosentvis reduksjon i unødvendig operasjonsrate oppnådd ved AI-basert beslutningstaking sammenlignet med tradisjonell beslutningstaking.
Fra dato for kontrastforsterket CT-skanning til 1 år
Malignitetsoppdagelsesrate
Tidsramme: Fra datoen for kontrastforsterket CT-scanning til 1 år
Andelen tilfeller klassifisert av AI som ikke-kirurgiske som faktisk krevde kirurgi.
Fra datoen for kontrastforsterket CT-scanning til 1 år

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. mars 2026

Primær fullføring (Antatt)

31. oktober 2029

Studiet fullført (Antatt)

31. oktober 2029

Datoer for studieregistrering

Først innsendt

23. februar 2026

Først innsendt som oppfylte QC-kriteriene

23. februar 2026

Først lagt ut (Faktiske)

27. februar 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

27. februar 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

23. februar 2026

Sist bekreftet

1. februar 2026

Mer informasjon

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. .

Abonnere