Automatyczna diagnostyka w czasie rzeczywistym chorób błony śluzowej żołądka za pomocą pCLE ze sztuczną inteligencją
Automatyczna diagnostyka w czasie rzeczywistym chorób błony śluzowej żołądka za pomocą konfokalnej laserowej endomikroskopii opartej na sondzie i sztucznej inteligencji
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Typ studiów
Typ studiów
Zapisy (Rzeczywisty)
Zapisy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Shandong
-
Jinan, Shandong, Chiny, 250001
- Endoscopic unit of Qilu Hospital Shandong University
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- w wieku od 18 do 80 lat;
- wyrazić zgodę na pisemną świadomą zgodę.
Kryteria wyłączenia:
- Pacjenci w warunkach nieodpowiednich do wykonania CLE, w tym koagulopatia, zaburzenia czynności nerek lub wątroby, ciąża lub karmienie piersią oraz znana alergia na sól sodową fluoresceiny;
- Brak możliwości wyrażenia świadomej zgody
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Inny
- Perspektywy czasowe: Spodziewany
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
zmiany obserwowane przez pCLE
pCLE służy do rozróżniania podejrzanych zmian wykrytych za pomocą endoskopii w świetle białym.
|
W przypadku zaobserwowania podejrzanej zmiany za pomocą pCLE, endoskopista i AI niezależnie postawią diagnozę.
Ponadto endoskopista nie widzi diagnozy AI.
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Skuteczność diagnozy sztucznej inteligencji
Ramy czasowe: 24 miesiące
|
Podstawowym wynikiem jest przetestowanie dokładności diagnostycznej, czułości, swoistości, PPV, NPV sztucznej inteligencji do diagnozowania choroby błony śluzowej żołądka w badaniu pCLE w czasie rzeczywistym.
|
24 miesiące
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Porównaj skuteczność diagnozowania sztucznej inteligencji z endoskopistami
Ramy czasowe: 24 miesiące
|
Drugorzędnym wynikiem jest porównanie skuteczności diagnozy (w tym dokładności diagnostycznej, czułości, swoistości, PPV, NPV do diagnozowania choroby błony śluzowej żołądka w badaniu pCLE w czasie rzeczywistym) między sztuczną inteligencją a endoskopistami.
|
24 miesiące
|
Współpracownicy i badacze
Sponsor
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Rzeczywisty)
Zakończenie podstawowe
Ukończenie studiów (Rzeczywisty)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- 2018SDU-QILU-12
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .