Wieloośrodkowe badanie walidacyjne dotyczące dokładności systemu wspomaganego sztuczną inteligencją w klinicznych zastosowaniach endoskopii przewodu pokarmowego
7 stycznia 2021 zaktualizowane przez: Renmin Hospital of Wuhan University
Jest to oparty na sztucznej inteligencji optyczny system wspomagany sztuczną inteligencją, który może pomóc endoskopistom w poprawie jakości endoskopii.
Przegląd badań
Status
Aktywny, nie rekrutujący
Szczegółowy opis
Diagnostyka i leczenie endoskopowe odgrywają ważną rolę w wykrywaniu i leczeniu chorób przewodu pokarmowego. Wraz z szybkim wzrostem liczby endoskopii, obciążenie pracą endoskopistów jeszcze bardziej wzrasta. Duże obciążenie pracą obniża jakość endoskopii, prowadząc do niepełnego pokrycia i niepełnego wykrywania zmian chorobowych. Wraz z gwałtownym wzrostem liczby wykonywanych endoskopii obciążenie pracą endoskopistów jeszcze wzrasta. Wysokie obciążenie pracą obniża jakość endoskopii, prowadząc do niepełnego pokrycia i niepełnego wykrycia zmian chorobowych. Dlatego też przeprowadzanie głębokiego uczenia i innych metod sztucznej inteligencji ma dobre badania naukowe i praktyczną wartość dla poprawy jakości diagnostyki i leczenia endoskopowego. Badania i rozwój, testowanie i ocena funkcjonalna urządzeń sztucznej inteligencji muszą wykorzystywać dużą liczbę obrazów endoskopowych, a jednocześnie skuteczność i bezpieczeństwo urządzeń sztucznej inteligencji musi zostać zweryfikowanych w różnych szpitalach i środowiskach. Na tej podstawie nasza grupa badawcza zamierza zebrać dane obrazu endoskopowego z różnych szpitali w celu szkolenia i walidacji modelu.
Typ studiów
Obserwacyjny
Zapisy (Oczekiwany)
10000
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Hubei
-
Wuhan, Hubei, Chiny, 430000
- Renmin Hospital of Wuhan University
-
-
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 i starsze (DOROSŁY, STARSZY_DOROŚLI)
Akceptuje zdrowych ochotników
Nie dotyczy
Płeć kwalifikująca się do nauki
Wszystko
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Pacjenci spełniający kryteria przyjęcia do badania endoskopowego.
Opis
Kryteria przyjęcia:
- mężczyzna lub kobieta w wieku 18 lat lub starsza;
- endoskopia i badania pokrewne powinny być wykonane w celu dalszego wyjaśnienia charakterystyki chorób przewodu pokarmowego;
- być w stanie przeczytać, zrozumieć i podpisać świadomą zgodę;
- badacz uważa, że uczestnik może zrozumieć proces badania klinicznego, jest chętny i zdolny do ukończenia wszystkich procedur badawczych i wizyt kontrolnych oraz współpracuje w ramach procedur badawczych;
Kryteria wyłączenia:
- brały udział w innych badaniach klinicznych, podpisały świadomą zgodę i były w okresie obserwacji innych badań klinicznych;
- nadużywanie narkotyków lub alkoholu lub zaburzenia psychiczne w ciągu ostatnich 5 lat;
- kobiety w ciąży lub karmiące;
- osoby z wcześniejszą operacją żołądkowo-jelitową;
- badacz uzna, że pacjent nie nadaje się do endoskopii i badań pokrewnych;
- choroby wysokiego ryzyka lub inne szczególne warunki, które badacz uzna za nieodpowiednie do udziału uczestnika w badaniu klinicznym.
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
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dokładność
Ramy czasowe: 2020.1.12-2023.12.31
|
Oblicz dokładność oceny AI na temat obrazów i filmów.
Dokładność to:
|
2020.1.12-2023.12.31
|
|
Wrażliwość
Ramy czasowe: 2020.1.12-2023.12.31
|
Oblicz czułość oceny AI na temat obrazów i filmów.
Czułość to: w próbie, która jest faktycznie dodatnia, proporcja, która jest oceniana jako dodatnia (na przykład u osoby, która jest naprawdę chora, jest oceniana jako proporcja chora przez szpital), metoda obliczeniowa to stosunek, który prawdziwie pozytywna dzieli prawdziwie pozytywna dodać fałszywie ujemną (właściwie być dodatnim, ale ocena jest negatywna).
|
2020.1.12-2023.12.31
|
|
Specyficzność
Ramy czasowe: 2020.1.12-2023.12.31
|
Oblicz specyfikę oceny AI na temat obrazów i filmów.
Swoistość polega na tym, że w próbkach, które są rzeczywiście ujemne, odsetek tych, które zostały ocenione jako negatywne (na przykład odsetek osób, które nie są faktycznie chore, które zostały uznane przez szpital za zdrowych) jest obliczany jako stosunek prawdziwie ujemne podzielone przez prawdziwie ujemne + fałszywie dodatnie (faktycznie ujemne, ale oceniane pozytywnie).
|
2020.1.12-2023.12.31
|
|
Dodatnia wartość predykcyjna (PPV)
Ramy czasowe: 2020.1.12-2023.12.31
|
Odsetek osób prawdziwie pozytywnych w dodatnich wynikach testu wskazuje na prawdopodobieństwo, że pozytywne wyniki testu należą do prawdziwych przypadków.
|
2020.1.12-2023.12.31
|
|
Ujemna wartość predykcyjna (NPV)
Ramy czasowe: 2020.1.12-2023.12.31
|
Odsetek prawdziwie negatywnych wyników testu do negatywnych wskazuje prawdopodobieństwo, że negatywne wyniki testu nie są przypadkami.
|
2020.1.12-2023.12.31
|
|
Krzywa charakterystyki operacyjnej odbiornika (ROC).
Ramy czasowe: 2020.1.12-2023.12.31
|
Definicja 1: Krzywa charakterystyki działania pacjenta jest wykresem współrzędnych składającym się z odsetka wyników fałszywie dodatnich na osi poziomej i odsetka wyników prawdziwie dodatnich na osi pionowej oraz krzywej narysowanej przez podmiot w określonych warunkach bodźcowych ze względu na różne kryteria oceny. Definicja 2: Krzywe ROC zostały utworzone przez wykreślenie odsetka przypadków prawdziwie dodatnich (czułość) w stosunku do odsetka przypadków fałszywie dodatnich (swoistość 1), zmieniając próg prawdopodobieństwa predykcyjnego. |
2020.1.12-2023.12.31
|
|
Pole pod krzywą (AUC)
Ramy czasowe: 2020.1.12-2023.12.31
|
Oblicz pole pod krzywą charakterystyki działania odbiornika AI (ROC).
|
2020.1.12-2023.12.31
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
średnia średnia precyzja (mAP)
Ramy czasowe: 2020.1.12-2023.12.31
|
mAP ustawia próg dla średniej precyzji i przyjmuje 1 lub 0, a następnie bierze średnią z sumy średniej precyzji podzielonej przez liczbę wartości.
|
2020.1.12-2023.12.31
|
|
Współczynnik Sørensena-Dice'a (wynik F1)
Ramy czasowe: 2020.1.12-2023.12.31
|
Współczynnik Sørensena-Dice'a to statystyka używana do oceny podobieństwa dwóch próbek.
Wynik F1 to średnia ważona dokładności i pamięci modelu.
|
2020.1.12-2023.12.31
|
|
Współczynnik przywołania
Ramy czasowe: 2020.1.12-2023.12.31
|
Procent pozytywnych przykładów przewidywanych par we wszystkich próbkach przewidywanych par (w tym poprawnie przewidywanych przykładów pozytywnych i poprawnie przewidywanych przykładów negatywnych).
|
2020.1.12-2023.12.31
|
|
Pozytywny współczynnik prawdopodobieństwa
Ramy czasowe: 2020.1.12-2023.12.31
|
2020.1.12-2023.12.31
|
|
|
Ujemny współczynnik prawdopodobieństwa
Ramy czasowe: 2020.1.12-2023.12.31
|
2020.1.12-2023.12.31
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Śledczy
- Dyrektor Studium: Yu Honggang, MD, Wuhan University Renmin Hospital
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 (RZECZYWISTY)
1 stycznia 2020
Zakończenie podstawowe (OCZEKIWANY)
31 grudnia 2025
Ukończenie studiów (OCZEKIWANY)
31 grudnia 2025
Daty rejestracji na studia
Pierwszy przesłany
14 stycznia 2020
Pierwszy przesłany, który spełnia kryteria kontroli jakości
14 stycznia 2020
Pierwszy wysłany (RZECZYWISTY)
18 stycznia 2020
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (RZECZYWISTY)
8 stycznia 2021
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
7 stycznia 2021
Ostatnia weryfikacja
1 stycznia 2021
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- EA-19-006
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 .