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

Endoskopia światła białego wspomagana sztuczną inteligencją w celu zidentyfikowania klasyfikacji zanikowego zapalenia błony śluzowej żołądka według Kimury-Takemoto

10 kwietnia 2024 zaktualizowane przez: Yanqing Li, Shandong University

Endoskopia światła białego wspomagana sztuczną inteligencją w celu identyfikacji klasyfikacji zanikowego zapalenia błony śluzowej żołądka według Kimury-Takemoto w celu oceny ryzyka raka żołądka

Stopniowanie atrofii endoskopowej według klasyfikacji Kimury-Takemoto pozwala ocenić ryzyko rozwoju nowotworu żołądka. Jednak odsetek wyników fałszywie ujemnych w przypadku przewlekłego zanikowego zapalenia błony śluzowej żołądka jest wysoki ze względu na różną standaryzację diagnostyczną i doświadczenie diagnostyczne oraz liczbę endoskopistów. Dlatego niniejsze badanie ma na celu opracowanie modelu AI w celu zidentyfikowania klasyfikacji Kimura-Takemoto.

Przegląd badań

Szczegółowy opis

Stopniowanie atrofii endoskopowej według klasyfikacji Kimury-Takemoto pozwala ocenić ryzyko rozwoju nowotworu żołądka. Im wyższy wynik, tym cięższy stopień zanikowego zapalenia błony śluzowej żołądka. Jednak odsetek wyników fałszywie ujemnych w przypadku przewlekłego zanikowego zapalenia błony śluzowej żołądka jest wysoki ze względu na różną standaryzację diagnostyczną i doświadczenie diagnostyczne oraz liczbę endoskopistów. Dlatego to badanie ma na celu opracowanie modelu AI w celu zidentyfikowania klasyfikacji zanikowego zapalenia błony śluzowej żołądka według Kimury-Takemoto w celu uzyskania oceny ryzyka raka żołądka.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

1500

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

    • Shandong
      • Shangdong, Shandong, Chiny, 250012
        • Rekrutacyjny
        • Department of Gastrology, QiLu Hospital, Shandong University
        • Kontakt:

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

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Do badania zostaną włączeni kolejni pacjenci, którzy zostaną poddani badaniu endoskopowemu przewodu pokarmowego i zostaną poddani badaniu przesiewowemu, spełniający kryteria kwalifikacyjne w szpitalu Qilu na Uniwersytecie Shandong

Opis

Kryteria przyjęcia:

Pacjenci w wieku 18-80 lat poddawani badaniu endoskopowemu w świetle białym Formularz świadomej zgody dostarczony przez pacjenta.

Kryteria wyłączenia:

  1. pacjenci z ciężkimi zaburzeniami czynności serca, mózgu, płuc lub nerek lub zaburzeniami psychicznymi;
  2. zaburzenia, które nie mogą uczestniczyć w gastroskopii;
  3. Pacjenci z postępującym rakiem żołądka;
  4. zdjęcia niskiej jakości;
  5. pacjenci po wcześniejszych zabiegach chirurgicznych na żołądku lub przełyku;
  6. pacjenci, którzy odmawiają podpisania formularza świadomej zgody;

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

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Przewlekłe zanikowe zapalenie błony śluzowej żołądka obserwowane za pomocą endoskopu w świetle białym
Uzyskaj zdjęcia z jamy żołądka, kąta żołądka, mniejszej krzywizny trzonu żołądka, wpustu, dna żołądka, większej krzywizny trzonu żołądka za pomocą endoskopu z białym światłem
Endosopiści i sztuczna inteligencja niezależnie ocenią klasyfikację Kimura-Takemoto, jeśli pacjenci się kwalifikują.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Dokładność modelu AI do diagnozy klasyfikacji Kimura-Takemoto
Ramy czasowe: 2 lata
Dokładność modelu AI do diagnozy klasyfikacji Kimura-Takemoto
2 lata
Czułość modelu AI do diagnozowania klasyfikacji Kimura-Takemoto
Ramy czasowe: 2 lata
Czułość modelu AI do diagnozowania klasyfikacji Kimura-Takemoto
2 lata
Specyfika modelu AI do diagnozowania klasyfikacji Kimura-Takemoto
Ramy czasowe: 2 lata
Specyfika modelu AI do diagnozowania klasyfikacji Kimura-Takemoto
2 lata

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Wartość MIOU modelu AI w segmentacji semantycznej obrazu atrofii endoskopowej
Ramy czasowe: 2 lata
Wartość MIOU modelu AI w segmentacji semantycznej obrazu atrofii endoskopowej
2 lata

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Krzesło do nauki: yanqing li, MD,PHD, Qilu Hospital, Shandong University

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 czerwca 2023

Zakończenie podstawowe (Szacowany)

31 grudnia 2024

Ukończenie studiów (Szacowany)

31 grudnia 2024

Daty rejestracji na studia

Pierwszy przesłany

14 czerwca 2023

Pierwszy przesłany, który spełnia kryteria kontroli jakości

14 czerwca 2023

Pierwszy wysłany (Rzeczywisty)

23 czerwca 2023

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

12 kwietnia 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

10 kwietnia 2024

Ostatnia weryfikacja

1 kwietnia 2024

Więcej informacji

Terminy związane z tym badaniem

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 .

Subskrybuj