Avaliação automática da extensão da metaplasia intestinal com inteligência artificial
14 de julho de 2022 atualizado por: Yanqing Li, Shandong University
Desenvolvimento e Validação de um Sistema de Inteligência Artificial para Avaliação Automática da Extensão da Metaplasia Intestinal
A metaplasia intestinal gástrica (GIM) é um estágio importante no câncer gástrico (GC).
Com o avanço técnico da endoscopia aprimorada por imagem (IEE), estudos demonstraram que o IEE tem alta acurácia para o diagnóstico de GIM.
O sistema de classificação endoscópica (EGGIM), um novo sistema de classificação de risco endoscópico para GC, demonstrou identificar com precisão uma ampla gama de pacientes com GIM.
No entanto, a alta precisão diagnóstica do GIM usando avaliações IEE e EGGIM realizadas requer muita experiência, o que limita a aplicação do EGGIM.
Os pesquisadores pretendem projetar um programa de diagnóstico auxiliado por computador usando rede neural profunda para avaliar automaticamente a extensão do IM e calcular as pontuações do EGGIM.
Visão geral do estudo
Status
Recrutamento
Descrição detalhada
Globalmente, o câncer gástrico é a quinta neoplasia maligna mais prevalente e a terceira principal causa de mortalidade por câncer.
A metaplasia intestinal gástrica (GIM) é uma lesão gástrica pré-cancerosa intermediária na cascata do câncer gástrico.
Estudos demonstraram que a incidência cumulativa de câncer gástrico em 5 anos em pacientes com IM varia de 5,3% a 9,8%.
Com o avanço técnico da endoscopia aprimorada por imagem (IEE), estudos demonstraram que o IEE tem alta acurácia para o diagnóstico de GIM.
O sistema de classificação endoscópica (EGGIM), um novo sistema de classificação de risco endoscópico para GC, demonstrou identificar com precisão uma ampla gama de pacientes com GIM.
No entanto, a alta precisão diagnóstica do GIM usando as avaliações IEE e EGGIM realizadas exige muita experiência, o que limita a aplicação do EGGIM.
Os pesquisadores pretendem projetar um programa de diagnóstico auxiliado por computador usando rede neural profunda para avaliar automaticamente a extensão do IM e calcular as pontuações do EGGIM.
Tipo de estudo
Observacional
Inscrição (Antecipado)
600
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
- Department of Gastrology, QiLu Hospital, Shandong University
-
-
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 a 80 anos (Adulto, Adulto mais velho)
Aceita Voluntários Saudáveis
Não
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra Não Probabilística
População do estudo
Pacientes consecutivos que recebem o exame IEE e triados que atendem aos critérios de elegibilidade no Qilu Hospital, Shandong University serão incluídos no estudo
Descrição
Critério de inclusão:
- pacientes de 18 a 80 anos que se submetem ao exame IEE
Critério de exclusão:
- pacientes com disfunção cardíaca, cerebral, pulmonar ou renal grave ou distúrbios psiquiátricos que não podem participar da gastroscopia
- pacientes com procedimentos cirúrgicos anteriores no estômago
- pacientes que se recusam a assinar o termo de consentimento informado
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
- Modelos de observação: Outro
- Perspectivas de Tempo: Retrospectivo
Coortes e Intervenções
Grupo / Coorte |
|---|
|
grupo para treinar o algoritmo
Este grupo de imagens é usado para treinar o algoritmo da inteligência artificial
|
|
grupo para testar o algoritmo
Este grupo de imagens é usado para testar o algoritmo da inteligência artificial
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
A especificidade do modelo de IA para avaliar o grau de metaplasia intestinal em uma imagem endoscópica
Prazo: 2 anos
|
A especificidade do modelo de IA para avaliar o grau de metaplasia intestinal em uma imagem endoscópica
|
2 anos
|
|
A precisão do modelo AI para avaliar o grau de metaplasia intestinal em uma imagem endoscópica
Prazo: 2 anos
|
A precisão do modelo AI para avaliar o grau de metaplasia intestinal em uma imagem endoscópica
|
2 anos
|
|
A sensibilidade do modelo AI para avaliar o grau de metaplasia intestinal em uma imagem endoscópica
Prazo: 2 anos
|
A sensibilidade do modelo AI para avaliar o grau de metaplasia intestinal em um
|
2 anos
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão dos endoscopistas experientes para avaliar o grau de metaplasia intestinal
Prazo: 2 anos
|
Precisão dos endoscopistas experientes para avaliar o grau de metaplasia intestinal em uma imagem endoscópica
|
2 anos
|
|
Precisão dos endoscopistas inexperientes para avaliar o grau de metaplasia intestinal
Prazo: 2 anos
|
Precisão dos endoscopistas inexperientes para avaliar o grau de metaplasia intestinal em uma imagem endoscópica
|
2 anos
|
|
Concordância interobservador entre endoscopistas experientes na identificação do grau de metaplasia intestinal
Prazo: 2 anos
|
Concordância interobservador entre endoscopistas experientes na identificação do grau de metaplasia intestinal em uma imagem endoscópica
|
2 anos
|
|
Concordância entre observadores entre endoscopistas inexperientes na identificação do grau de metaplasia intestinal
Prazo: 2 anos
|
Concordância interobservadores entre endoscopistas inexperientes na identificação do grau de metaplasia intestinal em uma imagem endoscópica
|
2 anos
|
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 julho de 2022
Conclusão Primária (Antecipado)
30 de dezembro de 2023
Conclusão do estudo (Antecipado)
30 de dezembro de 2023
Datas de inscrição no estudo
Enviado pela primeira vez
8 de julho de 2022
Enviado pela primeira vez que atendeu aos critérios de CQ
14 de julho de 2022
Primeira postagem (Real)
15 de julho de 2022
Atualizações de registro de estudo
Última Atualização Postada (Real)
15 de julho de 2022
Última atualização enviada que atendeu aos critérios de controle de qualidade
14 de julho de 2022
Última verificação
1 de julho de 2022
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 2022SDU-QILU-109
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Não
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
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 .