Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Endoscopia de luz branca assistida por IA para identificar a classificação Kimura-Takemoto de gastrite atrófica

10 de abril de 2024 atualizado por: Yanqing Li, Shandong University

Endoscopia de luz branca assistida por inteligência artificial para identificar a classificação Kimura-Takemoto de gastrite atrófica para obter avaliação de risco de câncer gástrico

A graduação da atrofia endoscópica de acordo com a classificação de Kimura-Takemoto pode avaliar o risco de desenvolvimento de neoplasia gástrica. No entanto, a taxa de falsos negativos de gastrite atrófica crônica é alta devido à padronização diagnóstica variável, experiência diagnóstica e níveis de endoscopistas. Portanto, este estudo tem como objetivo desenvolver um modelo de IA para identificar a classificação de Kimura-Takemoto.

Visão geral do estudo

Status

Recrutamento

Condições

Intervenção / Tratamento

Descrição detalhada

A graduação da atrofia endoscópica de acordo com a classificação de Kimura-Takemoto pode avaliar o risco de desenvolvimento de neoplasia gástrica. Quanto maior a pontuação, mais grave o grau de gastrite atrófica. No entanto, a taxa de falsos negativos de gastrite atrófica crônica é alta devido à padronização diagnóstica variável, experiência diagnóstica e níveis de endoscopistas. Portanto, este estudo tem como objetivo desenvolver um modelo de IA para identificar a classificação Kimura-Takemoto de gastrite atrófica para obter avaliação de risco de câncer gástrico.

Tipo de estudo

Observacional

Inscrição (Estimado)

1500

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.

Contato de estudo

Locais de estudo

  • China
    • Shandong
      • Shangdong, Shandong, China, 250012
        • Recrutamento
        • Department of Gastrology, QiLu Hospital, Shandong University
        • Contato:

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

  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Não

Método de amostragem

Amostra Não Probabilística

População do estudo

Pacientes consecutivos que recebem o exame de endoscopia gastrointestinal e triados que atendem aos critérios de elegibilidade no Qilu Hospital, Shandong University serão incluídos no estudo

Descrição

Critério de inclusão:

Pacientes com idade entre 18 e 80 anos submetidos ao exame endoscópico de luz branca Termo de consentimento informado fornecido pelo paciente.

Critério de exclusão:

  1. pacientes com disfunção cardíaca, cerebral, pulmonar ou renal grave ou psiquiátrica;
  2. distúrbios que não podem participar da gastroscopia;
  3. Pacientes com câncer gástrico progressivo;
  4. imagens de baixa qualidade;
  5. pacientes com procedimentos cirúrgicos prévios no estômago ou esôfago;
  6. 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

Coortes e Intervenções

Grupo / Coorte
Intervenção / Tratamento
Gastrite atrófica crônica observada por endoscópio de luz branca
Obtenha imagens do antro gástrico, ângulo gástrico, curvatura menor do corpo gástrico, cárdia, fundo gástrico, curvatura maior do corpo gástrico pelo endoscópio de luz branca
Teste de diagnostico: Teste de diagnóstico: O diagnóstico da Inteligência Artificial e dos endosopistas
Os endosopistas e a IA avaliarão a classificação de Kimura-Takemoto de forma independente quando os pacientes forem elegíveis.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Precisão do modelo de IA para diagnosticar a classificação de Kimura-Takemoto
Prazo: 2 anos
Precisão do modelo de IA para diagnosticar a classificação de Kimura-Takemoto
2 anos
Sensibilidade do modelo de IA para diagnosticar a classificação de Kimura-Takemoto
Prazo: 2 anos
Sensibilidade do modelo de IA para diagnosticar a classificação de Kimura-Takemoto
2 anos
Especificidade do modelo de IA para diagnosticar a classificação de Kimura-Takemoto
Prazo: 2 anos
Especificidade do modelo de IA para diagnosticar a classificação de Kimura-Takemoto
2 anos

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
O valor MIOU do modelo AI na segmentação semântica da imagem de atrofia endoscópica
Prazo: 2 anos
O valor MIOU do modelo AI na segmentação semântica da imagem de atrofia endoscópica
2 anos

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Shandong University

Colaboradores

Linyi County People's Hospital,Dezhou,China

Investigadores

  • Cadeira de estudo: yanqing li, MD,PHD, Qilu Hospital, Shandong University

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 junho de 2023

Conclusão Primária (Estimado)

31 de dezembro de 2024

Conclusão do estudo (Estimado)

31 de dezembro de 2024

Datas de inscrição no estudo

Enviado pela primeira vez

14 de junho de 2023

Enviado pela primeira vez que atendeu aos critérios de CQ

14 de junho de 2023

Primeira postagem (Real)

23 de junho de 2023

Atualizações de registro de estudo

Última Atualização Postada (Real)

12 de abril de 2024

Última atualização enviada que atendeu aos critérios de controle de qualidade

10 de abril de 2024

Última verificação

1 de abril de 2024

Mais Informações

Termos relacionados a este estudo

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • 2022SDU-QILU-123

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 .

Ensaios clínicos em Inteligência artificial

Pesquisar ensaios semelhantes

Patrocinadores e Colaboradores

Condições médicas

Intervenções de drogas

CROs by country

CROs in Singapore

Condições

Doenças Raras

Intervenções de drogas

Suplementos Alimentares

Patrocinador / Colaboradores

Localizações

Se inscrever