Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Ocena potencjału diagnostycznego wspomaganego sztuczną inteligencją badania mikrobiomu kałowego w kierunku nieswoistego zapalenia jelit

21 marca 2023 zaktualizowane przez: Istanbul Medipol University Hospital

Celem tego badania klinicznego jest ocena potencjału diagnostycznego wspomaganego sztuczną inteligencją badania mikrobiomu kałowego w diagnostyce nieswoistego zapalenia jelit. Główne pytanie, na które ma odpowiedzieć, brzmi:

• Czy badanie mikrobiomu kału wspomagane sztuczną inteligencją jest wiarygodnym testem przesiewowym w kierunku nieswoistego zapalenia jelit?

Uczestnicy zostaną poproszeni o dostarczenie próbek kału do analizy technikami sekwencjonowania nowej generacji.

Jeśli istnieje grupa porównawcza: naukowcy porównają skuteczność diagnostyczną wspomaganego przez sztuczną inteligencję badania mikrobiomu kału z kolonoskopią, aby zobaczyć korelację między wynikami obu interwencji.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Choroba zapalna jelit (IBD), która obejmuje chorobę Leśniowskiego-Crohna i wrzodziejące zapalenie jelita grubego, jest przewlekłą i złożoną chorobą przewodu pokarmowego, która dotyka miliony ludzi na całym świecie. IBD jest zazwyczaj diagnozowane na podstawie wywiadu, badania fizykalnego, testów laboratoryjnych i badań obrazowych. Jednak metody te mogą być kosztowne, inwazyjne i czasochłonne, co prowadzi do opóźnień w diagnostyce i leczeniu.

Ostatnie badania skupiły się na potencjale wykorzystania testów mikrobiomu kałowego, które analizują skład i funkcję mikroflory jelitowej, jako nieinwazyjnego i opłacalnego narzędzia przesiewowego w kierunku IBD. Mikroflora jelitowa to złożony ekosystem mikroorganizmów, który odgrywa kluczową rolę w utrzymaniu zdrowia jelit i funkcji układu odpornościowego. Zmiany w składzie lub funkcji mikroflory jelitowej są związane z rozwojem i postępem IBD.

Algorytmy sztucznej inteligencji (AI) mogą pomóc w analizie danych z badań mikrobiomu kału i zapewnić dokładniejszą i bardziej wiarygodną diagnozę IBD. Sztuczna inteligencja może identyfikować wzorce i trendy w złożonych danych generowanych przez testy mikrobiomu, które mogą nie być oczywiste dla analityków, co prowadzi do wcześniejszej i dokładniejszej diagnozy IBD.

Ponadto sztuczna inteligencja może pomóc w identyfikacji potencjalnych biomarkerów nieswoistego zapalenia jelit, które można wykorzystać do badań przesiewowych i monitorowania aktywności choroby. Te biomarkery mogą zapewnić wgląd w mechanizmy leżące u podstaw IBD, prowadząc do opracowania bardziej skutecznych terapii i spersonalizowanych metod leczenia.

Ogólnie rzecz biorąc, wykorzystanie wspomaganego przez sztuczną inteligencję badania mikrobiomu kału do badań przesiewowych IBD ma znaczny potencjał w zakresie poprawy diagnozy i leczenia tej przewlekłej i wyniszczającej choroby.

Typ studiów

Interwencyjne

Zapisy (Oczekiwany)

300

Faza

  • Nie dotyczy

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Lokalizacje studiów

    • Other (Non U.s.)
      • Istanbul, Other (Non U.s.), Indyk, 34230
        • Rekrutacyjny
        • Medipol University Esenler Hospital
        • Kontakt:
          • Naciye Cigdem Arslan, MD
          • Numer telefonu: 05313890975
        • Główny śledczy:
          • Naciye Cigdem Arslan

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat do 70 lat (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Opis

Kryteria przyjęcia:

  • mieć ukończone 18 lat, aby nie być w ciąży, aby złożyć wniosek ze skargą na przewlekłą biegunkę (4 tygodnie lub więcej). Nie spełnia żadnego z kryteriów wykluczenia. Podpisanie formularza dobrowolnej zgody

Kryteria wyłączenia:

  • poniżej 18 roku życia Ciąża lub planowanie ciąży Przypadki ostrej biegunki Masz inną rozpoznaną chorobę przewodu pokarmowego (nieprawidłowe wchłanianie któregokolwiek makroskładnika odżywczego, resekcja jelita, celiakia itp.)
  • Chirurgia brzuszna inna niż wycięcie wyrostka robaczkowego lub histerektomia w wywiadzie
  • Współwystępowanie psychiatryczne
  • Przewlekłe choroby, które będą miały wpływ na mikrobiom (rak, cukrzyca, choroby układu krążenia, choroby wątroby, choroby neurologiczne itp.)
  • Stosowanie leków mogących wpływać na funkcje przewodu pokarmowego (w tym przyjmowanie w ciągu ostatnich 4 tygodni), probiotyków, narkotycznych leków przeciwbólowych, laktulozy (prebiotyków) w ciągu 4 tygodni poprzedzających badanie
  • Pacjenci przyjmujący suplementy diety nie będą objęci badaniem.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Główny cel: Diagnostyczny
  • Przydział: Nie dotyczy
  • Model interwencyjny: Zadanie dla jednej grupy
  • Maskowanie: Brak (otwarta etykieta)

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: Kolonoskopia
Próbki kału będą pobierane od pacjentów zapisanych na badanie kolonoskopowe z podejrzeniem nieswoistego zapalenia jelit
Sekwencjonowanie próbek kału nowej generacji i analiza wyników testów za pomocą sztucznej inteligencji
Procedura kolonoskopii

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Dokładność diagnostyczna wspomaganego sztuczną inteligencją badania mikrobiomu kałowego w wykrywaniu nieswoistego zapalenia jelit w porównaniu z kolonoskopią
Ramy czasowe: 2 tygodnie
Dokładność diagnostyczna badania mikrobiomu kałowego wspomaganego sztuczną inteligencją w wykrywaniu nieswoistego zapalenia jelit, mierzona czułością, swoistością, dodatnią wartością predykcyjną, ujemną wartością predykcyjną i polem pod krzywą charakterystyki działania odbiornika (AUC-ROC).
2 tygodnie

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Współpracownicy

Śledczy

  • Główny śledczy: Varol TUNALI, Dr., Celal Bayar University Faculty of Medicine Parasitology Department

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Oczekiwany)

10 kwietnia 2023

Zakończenie podstawowe (Oczekiwany)

28 lutego 2024

Ukończenie studiów (Oczekiwany)

31 grudnia 2024

Daty rejestracji na studia

Pierwszy przesłany

6 marca 2023

Pierwszy przesłany, który spełnia kryteria kontroli jakości

21 marca 2023

Pierwszy wysłany (Rzeczywisty)

4 kwietnia 2023

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

4 kwietnia 2023

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

21 marca 2023

Ostatnia weryfikacja

1 marca 2023

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • 2022-12-08

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .