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

AI-Wspomagane Precyzyjne Podejmowanie Decyzji w Chorobach Trzustki

23 lutego 2026 zaktualizowane przez: Changhai Hospital

Wieloośrodkowe badanie kliniczne nad zarządzaniem precyzyjnym podejmowaniem decyzji wspomaganym przez sztuczną inteligencję w chorobach trzustki z wykorzystaniem tomografii komputerowej ze wzmocnieniem kontrastowym

To wieloośrodkowe badanie kliniczne ocenia system sztucznej inteligencji (AI) zaprojektowany do wspomagania diagnozy i leczenia chorób trzustki. Wykorzystując kontrastowe badania CT, badanie porównuje rekomendacje AI z decyzjami doświadczonych klinicystów, aby zweryfikować dokładność i bezpieczeństwo systemu w warunkach rzeczywistych. Pacjenci są kategoryzowani do trzech grup zarządzania: Interwencja (operacja/leczenie), Intensywny Nadzór (bliska obserwacja) lub Rutynowy Nadzór (standardowa obserwacja). Głównym celem jest ustalenie, czy system AI może niezawodnie klasyfikować pacjentów, zmniejszyć ryzyko przeoczenia zmian złośliwych i zapobiec niepotrzebnym operacjom, poprawiając tym samym podejmowanie decyzji klinicznych w przypadku chorób trzustki.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

METODA: To wieloośrodkowe badanie kliniczne ocenia wiarygodność i skuteczność systemu sztucznej inteligencji dla pacjentów z chorobami trzustki w rzeczywistym środowisku klinicznym. Badanie oblicza dokładność klasyfikacji systemu AI przy użyciu diagnozy patologicznej (wyniki biopsji/zabiegu chirurgicznego) lub długoterminowej obserwacji jako „złotego standardu” do porównania. Dodatkowo bezpieczeństwo i użyteczność kliniczna strategii zarządzania zalecanych przez AI są oceniane poprzez pomiar ryzyka pominięcia zmian złośliwych, wskaźnika niepotrzebnych operacji w przypadku chorób trzustki oraz poziomu zgodności z tradycyjnymi decyzjami klinicznymi.

PROJEKT BADANIA

Wszystkie obrazy TK z kontrastem od pacjentów z chorobami trzustki są analizowane przez system AI w celu wygenerowania wyniku klasyfikacji (Interwencja, Intensywny Nadzór lub Rutynowy Nadzór). Jednocześnie kliniczni lekarze przeglądają te same dane i kategoryzują pacjentów do tych trzech grup w celu ustalenia ich rzeczywistego planu opieki:

  1. INTERWENCJA: Pacjenci ocenieni przez lekarzy jako wymagający „Interwencji” są kierowani na dalszą ocenę chirurgiczną lub leczenie.
  2. INTENSYWNY NADZÓR: Pacjenci ocenieni przez lekarzy jako wymagający „Intensywnego Nadzoru” otrzymują spersonalizowany, wysokoczęstotliwościowy plan obserwacji do końca badania.
  3. RUTYNOWY NADZÓR: Pacjenci ocenieni przez lekarzy jako wymagający „Rutynowego Nadzoru” przechodzą obserwację przez co najmniej rok. Jeśli w tym okresie pojawią się nieprawidłowości, pacjent jest przenoszony do odpowiedniego protokołu „Interwencji” lub „Intensywnego Nadzoru”.

WYNIKI: Badanie porównuje wydajność systemu AI z klinicznymi lekarzami pod względem dokładności klasyfikacji, ryzyka błędów diagnostycznych, wskaźników niepotrzebnych operacji oraz spójności decyzji. Te metryki są używane do walidacji wartości, bezpieczeństwa i użyteczności systemu AI w klinicznym zarządzaniu chorobami trzustki.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

2000

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

  • Chiny
      • Shanghai, Chiny, 200433
        • Rekrutacyjny
        • Changhai Hospital
        • 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 rekrutowani są pacjenci z klinicznie podejrzewaną chorobą trzustki, którzy mają dostępne kontrastowe skany TK i wyrażają świadomą zgodę. Pacjenci są wykluczani, jeśli mają w wywiadzie operację trzustki, przeciwwskazania do środków kontrastowych, suboptymalną jakość obrazu lub inne schorzenia uznane przez badacza za nieodpowiednie (np. ciąża, zaburzenia poznawcze lub równoczesny udział w badaniu).

Opis

Kryteria włączenia:

  • Kliniczne podejrzenie choroby trzustki.
  • Zaplanowane wykonanie tomografii komputerowej z kontrastem.
  • Podpisana świadoma zgoda na udział w badaniu.

Kryteria wykluczenia:

  • Historia operacji trzustki.
  • Przeciwwskazania do tomografii komputerowej z kontrastem, w tym znana nadwrażliwość na środki kontrastowe zawierające jod lub ciężka niewydolność nerek/wątroby.
  • Niewystarczająca jakość obrazu wpływająca na diagnozę.
  • Jednoczesny udział w innym interwencyjnym badaniu klinicznym.
  • Niekwalifikowanie się do udziału według oceny badacza, w tym, ale nie wyłącznie: ciąża lub karmienie piersią, ciężkie zaburzenia psychiczne lub upośledzenie funkcji poznawczych, istotne choroby współistniejące, które mogą wpływać na wyniki badania lub bezpieczeństwo pacjenta.

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
Grupa AI
Diagnoza przez model sztucznej inteligencji
Test diagnostyczny: Diagnoza przez model sztucznej inteligencji
Opracowanie systemu zarządzania klasyfikacją opartego na sztucznej inteligencji dla chorób trzustki, umożliwiającego automatyczną i precyzyjną klasyfikację. Obrazy TK z kontrastem od wszystkich uczestników badania zostaną przeanalizowane przez system AI w celu wygenerowania wyników klasyfikacji, kategoryzując pacjentów na trzy grupy: INTERWENCJA, INTENSYWNY NADZÓR lub RUTYNOWY NADZÓR.
Grupa klinicystów
Diagnoza przez klinicystów

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Dokładność klasyfikacji
Ramy czasowe: Od daty badania CT z kontrastem do 1 roku
Procent przypadków poprawnie sklasyfikowanych przez AI spośród całkowitej liczby przypadków.
Od daty badania CT z kontrastem do 1 roku

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Wskaźnik zgodności z decyzjami klinicznymi
Ramy czasowe: Od daty wykonania tomografii komputerowej ze wzmocnieniem kontrastowym do 1 roku
Proporcja całkowitej liczby przypadków, w których wyniki klasyfikacji AI i klinicysty są zgodne.
Od daty wykonania tomografii komputerowej ze wzmocnieniem kontrastowym do 1 roku
Procentowy spadek liczby niepotrzebnych zabiegów chirurgicznych
Ramy czasowe: Od daty badania TK z kontrastem do 1 roku
Procentowe zmniejszenie wskaźnika niepotrzebnych operacji osiągnięte dzięki podejmowaniu decyzji przez sztuczną inteligencję w porównaniu z tradycyjnym podejmowaniem decyzji.
Od daty badania TK z kontrastem do 1 roku
Wskaźnik niewykrytych nowotworów złośliwych
Ramy czasowe: Od daty badania TK z kontrastem do 1 roku
Odsetek przypadków sklasyfikowanych przez AI jako nieoperacyjne, które faktycznie wymagały operacji.
Od daty badania TK z kontrastem do 1 roku

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Changhai Hospital

Współpracownicy

The First Affiliated Hospital with Nanjing Medical University
Shengjing Hospital
Xinhua Hospital, Shanghai Jiao Tong University School of Medicine
Shanghai Changzheng Hospital
The Second Affiliated Hospital of Jiaxing University
The Affiliated People's Hospital of Ningbo University
Shanghai Fourth People's Hospital Tongji University
The First Affiliated Hospital of Medical School of Zhejiang University
Shanghai Fudan University Cancer Center

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 (Szacowany)

1 marca 2026

Zakończenie podstawowe (Szacowany)

31 października 2029

Ukończenie studiów (Szacowany)

31 października 2029

Daty rejestracji na studia

Pierwszy przesłany

23 lutego 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

23 lutego 2026

Pierwszy wysłany (Rzeczywisty)

27 lutego 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

27 lutego 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

23 lutego 2026

Ostatnia weryfikacja

1 lutego 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • Prospective PRISM

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 Rak trzustki

Badania kliniczne na Diagnoza przez model sztucznej inteligencji

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Türkiye

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj