Estudo sobre a eficácia do controle de qualidade da operação do gastroscópio baseado em tecnologia de inteligência artificial
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
A gastroscopia desempenha um papel importante na detecção e diagnóstico de doenças do trato gastrointestinal superior. É necessário que os endoscopistas operem o gastroscópio de acordo com o processo padronizado, a fim de evitar a perda de lesões precoces. No entanto, com o rápido aumento do número de endoscopias, a carga de trabalho dos endoscopistas aumenta ainda mais. A alta carga de trabalho reduz a qualidade da endoscopia, resultando em observação incompleta de partes anatômicas que são facilmente perdidas no processo de gastroscopia. Existem diferenças significativas no nível de operação de diferentes endoscopistas. Portanto, a realização de métodos de inteligência artificial tem boa pesquisa acadêmica e valor prático para melhorar a qualidade do diagnóstico e tratamento endoscópico.
Dispositivos de inteligência artificial precisam usar um grande número de imagens endoscópicas, com base nisso, pretendemos coletar dados de imagens endoscópicas de nossos hospitais para treinamento e validação do modelo.
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
Haidian
-
Beijing, Haidian, China, 100142
- Beijing Cancer hospital
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Pacientes com 18 anos ou mais submetidos à gastroscopia;
- Ser capaz de ler, compreender e assinar o consentimento informado;
Critério de exclusão:
- Pacientes com contraindicações absolutas ao exame de endoscopia;
- mulheres grávidas;
- história prévia de cirurgia gástrica;
- o pesquisador considera que o assunto não é adequado para ensaio clínico.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão
Prazo: 2020.2.22-2020.7.1
|
Calcule a precisão do julgamento da IA nas imagens
|
2020.2.22-2020.7.1
|
|
Sensibilidade
Prazo: 2020.2.22-2020.7.1
|
número de imagens em que a IA diagnosticou corretamente o positivo/todas as imagens com positivo
|
2020.2.22-2020.7.1
|
|
Especificidade
Prazo: 2020.2.22-2020.7.1
|
número de imagens em que a IA diagnosticou corretamente o negativo/todas as imagens negativas
|
2020.2.22-2020.7.1
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Cadeira de estudo: Qi Wu, MD., Peking University Cancer Hospital & Institute
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- PX2020047
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
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 .