- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT07381192
Sztuczny System Inteligencji do Wielomodalnej, Wieloklasowej Diagnostyki Litych Zmian Trzustki w Oparciu o Endosonografię
23 stycznia 2026 zaktualizowane przez: Qilu Hospital of Shandong University
Sztuczny System Inteligencji do Wielomodalnej, Wieloklasowej Diagnostyki Litych Zmian Trzustkowych w Badaniu Endosonograficznym
Celem tego badania jest walidacja systemu sztucznej inteligencji o nazwie iEUS-SPL (inteligentny system ultrasonografii endoskopowej – lite zmiany trzustki) do wykrywania oraz wielomodalnej, wieloklasowej diagnostyki litych zmian trzustkowych podczas badania ultrasonografii endoskopowej (EUS).
Przegląd badań
Status
Rekrutacyjny
Szczegółowy opis
To jest badanie obserwacyjne o prospektywnym, kohortowym projekcie.
Opracowaliśmy system sztucznej inteligencji o nazwie iEUS-SPL do multimodalnej, wieloklasowej diagnostyki litych zmian trzustkowych, wykorzystujący obrazy ultrasonografii endoskopowej, cechy ultrasonografii endoskopowej, dane kliniczne oraz cechy obrazowania od pacjentów, u których przeprowadzono EUS, zebranych retrospektywnie.
Wskaźnik wykrywania zmian oraz wydajność diagnostyczna systemu iEUS-SPL w identyfikacji litych zmian trzustkowych będą oceniane na podstawie filmów ze skanowania EUS w czasie rzeczywistym wśród prospektywnie zrekrutowanych przypadków.
Typ studiów
Obserwacyjny
Zapisy (Szacowany)
383
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Kontakt w sprawie studiów
- Nazwa: Zhen Li
- Numer telefonu: 18560086106
- E-mail: qilulizhen@sdu.edu.cn
Lokalizacje studiów
-
-
Shandong
-
Jinan, Shandong, Chiny, 250012
- Rekrutacyjny
- Qilu Hospital of Shandong University
-
Kontakt:
- Zhen Li, doctor
- Numer telefonu: 18560086106
- E-mail: qilulizhen@sdu.edu.cn
-
-
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
Tak
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Dorośli pacjenci z podejrzeniem guzów litych trzustki poddawani EUS.
Opis
Kryteria włączenia:
- Pacjenci w wieku ≥18 lat, zakwalifikowani do EUS z podejrzeniem litych zmian trzustkowych na podstawie objawów klinicznych, wywiadu medycznego, badań laboratoryjnych lub badań radiologicznych, wyrażają zgodę na udział w badaniu i są w stanie podpisać świadomą zgodę.
- Pacjenci bez wcześniejszego leczenia zmian trzustkowych.
Kryteria wyłączenia:
- Pacjenci z bezwzględnymi przeciwwskazaniami do badania EUS.
- Ciaża lub laktacja.
- Nieprawidłowa krzepnięcie krwi (PTT>50 sekund lub INR>1,5) i/lub nieprawidłowa małopłytkowość (liczba płytek krwi <50×10⁹/L).
- Niedrożność górnego odcinka przewodu pokarmowego.
- Pacjenci, którzy przeszli leczenie chirurgiczne lub mają zmiany anatomiczne trzustki z powodu zmian w innych narządach klatki piersiowej i/lub jamy brzusznej, a także pacjenci z wrodzonymi nieprawidłowościami anatomicznymi.
- Pacjenci, u których założono stent w przewodach żółciowych/trzustkowych.
- Pacjenci, którzy odmawiają podpisania 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 |
|---|---|
|
Pacjenci poddawani badaniu EUS
Pacjenci w wieku ≥18 lat, u których zaplanowano EUS z powodu podejrzenia litych zmian w trzustce na podstawie objawów klinicznych, wywiadu medycznego, badań laboratoryjnych lub obrazowych, wyrażają zgodę na udział w badaniu i są w stanie podpisać świadomą zgodę.
|
iEUS-SPL automatycznie wykryje guzy lite trzustki i zintegruje obrazy endoskopowej ultrasonografii pacjenta, cechy ultrasonografii endoskopowej, dane kliniczne oraz cechy obrazowania, aby przeprowadzić pięciokategoriową klasyfikację zmian, kategoryzując je jako raka trzustki, guza neuroendokrynnego trzustki, litego guza pseudobrodawkowego, autoimmunologicznego zapalenia trzustki i przewlekłego zapalenia trzustki.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dokładność iEUS-SPL w przypadku litych zmian trzustkowych
Ramy czasowe: Podczas zabiegu
|
Głównym celem badania jest ocena dokładności iEUS-SPL w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, litego guza rzekomobrodawkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas zabiegu
|
|
Czułość iEUS-SPL dla litych zmian trzustkowych
Ramy czasowe: Podczas procedury
|
Głównym celem badania jest ocena czułości metody iEUS-SPL w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, litego guza rzekomobrodawkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas procedury
|
|
Specyficzność iEUS-SPL dla litych zmian trzustkowych
Ramy czasowe: Podczas zabiegu
|
Podstawowym wynikiem badania jest ocena specyficzności iEUS-SPL w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, guza litego brodawkowatego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas zabiegu
|
|
Wartość predykcyjna dodatnia badania iEUS-SPL dla litych zmian trzustkowych
Ramy czasowe: Podczas procedury
|
Głównym celem badania jest ocena wartości predykcyjnej dodatniej iEUS-SPL w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, guza litego rzekomobrodawkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas procedury
|
|
Wartość predykcyjna ujemna iEUS-SPL dla litych zmian trzustkowych
Ramy czasowe: Podczas zabiegu
|
Głównym wynikiem badania jest ocena wartości predykcyjnej ujemnej iEUS-SPL w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, guza litego rzekomobrodawkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas zabiegu
|
|
wykrywalność zmian w przypadku iEUS-SPL w wykrywaniu litych zmian trzustkowych
Ramy czasowe: Podczas procedury
|
Podstawowym celem badania jest ocena wskaźnika wykrywania zmian przez iEUS-SPL w identyfikacji litych zmian trzustkowych (zdefiniowanych jako liczba wykrytych zmian podzielona przez całkowitą liczbę zmian).
|
Podczas procedury
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Porównanie dokładności między iEUS-SPL a endosonografistami
Ramy czasowe: Podczas zabiegu
|
Drugorzędowym celem badania jest porównanie dokładności między iEUS-SPL a endosonografistami o różnym poziomie doświadczenia w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, litego guza rzekomonabłonkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas zabiegu
|
|
Porównanie czułości między iEUS-SPL a endosonografistami
Ramy czasowe: Podczas procedury
|
Drugorzędowym wynikiem badania jest porównanie czułości między iEUS-SPL a endosonografistami o różnym poziomie doświadczenia w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, litego guza rzekomobrodawkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas procedury
|
|
Porównanie specyficzności między iEUS-SPL a endosonografistami
Ramy czasowe: Podczas procedury
|
Drugorzędowym celem badania jest porównanie specyficzności między iEUS-SPL a endosonografistami o różnym poziomie doświadczenia w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, litego guza rzekomobrodawkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas procedury
|
|
Porównanie wartości predykcyjnej dodatniej między iEUS-SPL a endosonografistami
Ramy czasowe: Podczas zabiegu
|
Drugorzędowym celem badania jest porównanie wartości predykcyjnej dodatniej między iEUS-SPL a endosonografistami o różnym poziomie doświadczenia w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, litego guza rzekomobrodawkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas zabiegu
|
|
Porównanie wartości predykcyjnej ujemnej między iEUS-SPL a endosonografistami
Ramy czasowe: Podczas zabiegu
|
Drugorzędowym celem badania jest porównanie wartości predykcyjnej ujemnej między iEUS-SPL a endosonografistami o różnym poziomie doświadczenia w identyfikacji litych zmian trzustkowych (w tym raka trzustki, guza neuroendokrynnego trzustki, litego guza rzekomobrodawkowego, autoimmunologicznego zapalenia trzustki, przewlekłego zapalenia trzustki).
|
Podczas zabiegu
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Publikacje i pomocne linki
Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.
Publikacje ogólne
- Wu HL, Yao LW, Shi HY, Wu LL, Li X, Zhang CX, Chen BR, Zhang J, Tan W, Cui N, Zhou W, Zhang JX, Xiao B, Gong RR, Ding Z, Yu HG. Validation of a real-time biliopancreatic endoscopic ultrasonography analytical device in China: a prospective, single-centre, randomised, controlled trial. Lancet Digit Health. 2023 Nov;5(11):e812-e820. doi: 10.1016/S2589-7500(23)00160-7. Epub 2023 Sep 27.
- Oh CK, Kim T, Cho YK, Cheung DY, Lee BI, Cho YS, Kim JI, Choi MG, Lee HH, Lee S. Convolutional neural network-based object detection model to identify gastrointestinal stromal tumors in endoscopic ultrasound images. J Gastroenterol Hepatol. 2021 Dec;36(12):3387-3394. doi: 10.1111/jgh.15653. Epub 2021 Aug 16.
- Bang JY, Saftoiu A, Udristoiu A, Gruionu L, Codruta Gheorghe E, Gruionu G, Ramesh J, Wilcox CM, Varadarajulu S. Prospective clinical validation of a novel artificial intelligence system for real-time detection of solid pancreatic masses during endoscopic ultrasonography. Endoscopy. 2025 Oct 13. doi: 10.1055/a-2701-6530. Online ahead of print.
- Cui H, Zhao Y, Xiong S, Feng Y, Li P, Lv Y, Chen Q, Wang R, Xie P, Luo Z, Cheng S, Wang W, Li X, Xiong D, Cao X, Bai S, Yang A, Cheng B. Diagnosing Solid Lesions in the Pancreas With Multimodal Artificial Intelligence: A Randomized Crossover Trial. JAMA Netw Open. 2024 Jul 1;7(7):e2422454. doi: 10.1001/jamanetworkopen.2024.22454.
- Zhang J, Zhu L, Yao L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, An P, Xu B, Tan W, Hu S, Cheng F, Yu H. Deep learning-based pancreas segmentation and station recognition system in EUS: development and validation of a useful training tool (with video). Gastrointest Endosc. 2020 Oct;92(4):874-885.e3. doi: 10.1016/j.gie.2020.04.071. Epub 2020 May 6.
- Dahiya DS, Al-Haddad M, Chandan S, Gangwani MK, Aziz M, Mohan BP, Ramai D, Canakis A, Bapaye J, Sharma N. Artificial Intelligence in Endoscopic Ultrasound for Pancreatic Cancer: Where Are We Now and What Does the Future Entail? J Clin Med. 2022 Dec 16;11(24):7476. doi: 10.3390/jcm11247476.
- Kim YH, Kim GH, Kim KB, Lee MW, Lee BE, Baek DH, Kim DH, Park JC. Application of A Convolutional Neural Network in The Diagnosis of Gastric Mesenchymal Tumors on Endoscopic Ultrasonography Images. J Clin Med. 2020 Sep 29;9(10):3162. doi: 10.3390/jcm9103162.
- Qin X, Zhang M, Zhou C, Ran T, Pan Y, Deng Y, Xie X, Zhang Y, Gong T, Zhang B, Zhang L, Wang Y, Li Q, Wang D, Gao L, Zou D. A deep learning model using hyperspectral image for EUS-FNA cytology diagnosis in pancreatic ductal adenocarcinoma. Cancer Med. 2023 Aug;12(16):17005-17017. doi: 10.1002/cam4.6335. Epub 2023 Jul 17.
- Tian S, Shi H, Chen W, Li S, Han C, Du F, Wang W, Wen H, Lei Y, Deng L, Tang J, Zhang J, Lin J, Shi L, Ning B, Zhao K, Miao J, Wang G, Hou H, Huang X, Kong W, Jin X, Ding Z, Lin R. Artificial intelligence-based diagnosis of standard endoscopic ultrasonography scanning sites in the biliopancreatic system: a multicenter retrospective study. Int J Surg. 2024 Mar 1;110(3):1637-1644. doi: 10.1097/JS9.0000000000000995.
- Oh S, Kim YJ, Park YT, Kim KG. Automatic Pancreatic Cyst Lesion Segmentation on EUS Images Using a Deep-Learning Approach. Sensors (Basel). 2021 Dec 30;22(1):245. doi: 10.3390/s22010245.
- Norton ID, Zheng Y, Wiersema MS, Greenleaf J, Clain JE, Dimagno EP. Neural network analysis of EUS images to differentiate between pancreatic malignancy and pancreatitis. Gastrointest Endosc. 2001 Nov;54(5):625-9. doi: 10.1067/mge.2001.118644.
- Nakamura H, Fukuda M, Matsuda A, Makino N, Kimura H, Ohtaki Y, Nawa Y, Oyama S, Suzuki Y, Kobayashi T, Ishizawa T, Kakizaki Y, Ueno Y. Differentiating localized autoimmune pancreatitis and pancreatic ductal adenocarcinoma using endoscopic ultrasound images with deep learning. DEN Open. 2024 Mar 2;4(1):e344. doi: 10.1002/deo2.344. eCollection 2024 Apr.
- Dhali A, Kipkorir V, Srichawla BS, Kumar H, Rathna RB, Ongidi I, Chaudhry T, Morara G, Nurani K, Cheruto D, Biswas J, Chieng LR, Dhali GK. Artificial intelligence assisted endoscopic ultrasound for detection of pancreatic space-occupying lesion: a systematic review and meta-analysis. Int J Surg. 2023 Dec 1;109(12):4298-4308. doi: 10.1097/JS9.0000000000000717.
- Das A, Nguyen CC, Li F, Li B. Digital image analysis of EUS images accurately differentiates pancreatic cancer from chronic pancreatitis and normal tissue. Gastrointest Endosc. 2008 May;67(6):861-7. doi: 10.1016/j.gie.2007.08.036. Epub 2008 Jan 7.
- Kuwahara T, Hara K, Mizuno N, Haba S, Okuno N, Kuraishi Y, Fumihara D, Yanaidani T, Ishikawa S, Yasuda T, Yamada M, Onishi S, Yamada K, Tanaka T, Tajika M, Niwa Y, Yamaguchi R, Shimizu Y. Artificial intelligence using deep learning analysis of endoscopic ultrasonography images for the differential diagnosis of pancreatic masses. Endoscopy. 2023 Feb;55(2):140-149. doi: 10.1055/a-1873-7920. Epub 2022 Jun 10.
- Tian G, Xu D, He Y, Chai W, Deng Z, Cheng C, Jin X, Wei G, Zhao Q, Jiang T. Deep learning for real-time auxiliary diagnosis of pancreatic cancer in endoscopic ultrasonography. Front Oncol. 2022 Oct 7;12:973652. doi: 10.3389/fonc.2022.973652. eCollection 2022.
- Qin X, Ran T, Chen Y, Zhang Y, Wang D, Zhou C, Zou D. Artificial Intelligence in Endoscopic Ultrasonography-Guided Fine-Needle Aspiration/Biopsy (EUS-FNA/B) for Solid Pancreatic Lesions: Opportunities and Challenges. Diagnostics (Basel). 2023 Sep 26;13(19):3054. doi: 10.3390/diagnostics13193054.
- Goyal H, Sherazi SAA, Gupta S, Perisetti A, Achebe I, Ali A, Tharian B, Thosani N, Sharma NR. Application of artificial intelligence in diagnosis of pancreatic malignancies by endoscopic ultrasound: a systemic review. Therap Adv Gastroenterol. 2022 Apr 29;15:17562848221093873. doi: 10.1177/17562848221093873. eCollection 2022.
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 września 2025
Zakończenie podstawowe (Szacowany)
30 czerwca 2028
Ukończenie studiów (Szacowany)
30 czerwca 2028
Daty rejestracji na studia
Pierwszy przesłany
24 grudnia 2025
Pierwszy przesłany, który spełnia kryteria kontroli jakości
23 stycznia 2026
Pierwszy wysłany (Rzeczywisty)
2 lutego 2026
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
2 lutego 2026
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
23 stycznia 2026
Ostatnia weryfikacja
1 września 2025
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- 2025-SDU-QILU-6
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 .
Badania kliniczne na Ultrasonografia endoskopowa (EUS)
-
China National Center for Cardiovascular DiseasesRekrutacyjnyPrzezskórna interwencja wieńcowa | Fizjologia wieńcowa | Intravenous UltrasoundChiny
-
Nanfang Hospital of Southern Medical UniversityShenzhen People's Hospital; Second Affiliated Hospital of Guangzhou Medical...Jeszcze nie rekrutacjaLite zmiany trzustkowe | EUS-FNB
-
Asan Medical CenterNieznanyEUS-FNA | CytodiagnostykaRepublika Korei
-
University Hospital, LimogesZakończonyDrenaż żółciowy pod kontrolą EUSFrancja
-
University of California, IrvineZakończonyEndoskopowa cholangiopankreatografia wsteczna (ERCP) | Ultrasonografia endoskopowa (EUS)Stany Zjednoczone
-
University of California, DavisJeszcze nie rekrutacjaBiopsja | Biopsja pod kontrolą EUS | Diagnoza zaburzenia trzustkowo-żółciowegoStany Zjednoczone
-
National Taiwan University HospitalRejestracja na zaproszenieEndoskopia, Układ pokarmowy | Niedrożność ujścia żołądka spowodowana chorobą nowotworową | Zesprót enteroroderyczny z kierowaną EUSTajwan
-
Seoul National University HospitalNieznanyBól gardła po założeniu EUS
-
Second Affiliated Hospital, School of Medicine,...ZakończonyŻylaki dna żołądka | Endoskopowa ultrasonografia (EUS) z implantacją cewki | Klipsy tytanowe | Embolizacja ektopowa | Ciśnienie Żylaków ŻołądkowychChiny