Algoritmo de Deep Learning para o Diagnóstico de Doenças Gastrointestinais
14 de fevereiro de 2020 atualizado por: Xiuli Zuo, Shandong University
Desenvolvimento e Validação de um Algoritmo de Deep Learning para o Diagnóstico de Doenças Gastrointestinais
O objetivo deste estudo é desenvolver e validar um algoritmo de aprendizado profundo para o diagnóstico de doenças gastrointestinais.
Em seguida, avalie a precisão desse novo sistema de reconhecimento assistido por inteligência artificial (IA) na prática clínica.
Visão geral do estudo
Status
Desconhecido
Condições
Intervenção / Tratamento
Descrição detalhada
Recentemente, o algoritmo de aprendizado profundo baseado em redes neurais centrais (CNN) mostrou potencial múltiplo na detecção auxiliada por computador e no diagnóstico auxiliado por computador de lesões gastrointestinais.
No entanto, ainda há um espaço em branco no reconhecimento de todas as doenças gastrointestinais.
Este estudo tem como objetivo desenvolver e validar um algoritmo de aprendizagem profunda para o diagnóstico de doenças gastrointestinais.
Em seguida, avalie a precisão desse novo sistema de reconhecimento assistido por inteligência artificial (IA) na prática clínica.
Tipo de estudo
Intervencional
Inscrição (Antecipado)
100000
Estágio
- Não aplicável
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
Shandong
-
Jinan, Shandong, China, 250012
- Recrutamento
- Qilu Hospital, Shandong University
-
Contato:
- Xiuli Zuo, PhD
- Número de telefone: 053188369277 15588818685
- E-mail: zuoxiuli@sdu.edu.cn
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
18 anos e mais velhos (Adulto, Adulto mais velho)
Aceita Voluntários Saudáveis
Não
Gêneros Elegíveis para o Estudo
Tudo
Descrição
Critério de inclusão:
- Os participantes, com 18 anos ou mais, que não haviam feito uma endoscopia anterior, foram retirados de todos os hospitais participantes.
Critério de exclusão:
-
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Diagnóstico
- Alocação: N / D
- Modelo Intervencional: Atribuição de grupo único
- Mascaramento: Nenhum (rótulo aberto)
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
|---|---|
|
Experimental: Endoscopia gastrointestinal de monitoramento por IA
Depois de receber o regime de preparação padrão, os pacientes passam por colonoscopia ou gastroscopia sob o dispositivo de monitoramento AI.
Todo o procedimento é monitorado pelo sistema de reconhecimento associado à IA.
As doenças gastrointestinais serão detectadas e diagnosticadas em que o dispositivo AI irá capturar automaticamente as imagens relevantes e relatar o local de cada segmento na tela.
A análise histológica é definida como um padrão de ouro.
Em seguida, todas as imagens capturadas por IA serão revisadas pelo grupo humano, que consiste de três a cinco médicos endoscópicos experientes.
|
Depois de receber o regime de preparação padrão, os pacientes passam por colonoscopia ou gastroscopia sob o dispositivo de monitoramento AI.
Todo o procedimento é monitorado pelo sistema de reconhecimento associado à IA.
As doenças gastrointestinais serão detectadas e diagnosticadas em que o dispositivo AI irá capturar automaticamente as imagens relevantes e relatar o local de cada segmento na tela.
A análise histológica é definida como um padrão de ouro.
Em seguida, todas as imagens capturadas por IA serão revisadas pelo grupo humano, que consiste de três a cinco médicos endoscópicos experientes.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
A precisão diagnóstica de doenças gastrointestinais com algoritmo de aprendizado profundo.
Prazo: 1 mês
|
A precisão diagnóstica de doenças gastrointestinais com algoritmo de aprendizado profundo.
|
1 mês
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
A sensibilidade diagnóstica de doenças gastrointestinais com algoritmo de aprendizado profundo.
Prazo: 1 mês
|
A sensibilidade diagnóstica de doenças gastrointestinais com algoritmo de aprendizado profundo.
|
1 mês
|
|
A especificidade diagnóstica de doenças gastrointestinais com algoritmo de aprendizado profundo.
Prazo: 1 mês
|
A especificidade diagnóstica de doenças gastrointestinais com algoritmo de aprendizado profundo.
|
1 mês
|
|
O valor preditivo positivo diagnóstico de doenças gastrointestinais com algoritmo de aprendizado profundo.
Prazo: 1 mês
|
A especificidade diagnóstica de doenças gastrointestinais com algoritmo de aprendizado profundo.
|
1 mês
|
|
O valor preditivo negativo diagnóstico de doenças gastrointestinais com algoritmo de aprendizado profundo.
Prazo: 1 mês
|
A especificidade diagnóstica de doenças gastrointestinais com algoritmo de aprendizado profundo.
|
1 mês
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
1 de janeiro de 2020
Conclusão Primária (Antecipado)
1 de fevereiro de 2020
Conclusão do estudo (Antecipado)
1 de fevereiro de 2020
Datas de inscrição no estudo
Enviado pela primeira vez
7 de janeiro de 2020
Enviado pela primeira vez que atendeu aos critérios de CQ
7 de janeiro de 2020
Primeira postagem (Real)
10 de janeiro de 2020
Atualizações de registro de estudo
Última Atualização Postada (Real)
18 de fevereiro de 2020
Última atualização enviada que atendeu aos critérios de controle de qualidade
14 de fevereiro de 2020
Última verificação
1 de fevereiro de 2020
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 2019-SDU-QILU-G710
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
produto fabricado e exportado dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .