- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT07381192
Um Sistema de Inteligência Artificial para Diagnóstico Multimodal e Multiclasse de Lesões Sólidas do Pâncreas Baseado em Ultrassonografia Endoscópica
23 de janeiro de 2026 atualizado por: Qilu Hospital of Shandong University
Um Sistema de Inteligência Artificial para Diagnóstico Multimodal e Multiclasse de Lesões Sólidas Pancreáticas Baseado em Ultrassonografia Endoscópica
O objetivo deste estudo é validar um sistema de inteligência artificial denominado iEUS-SPL (sistema de ultrassonografia endoscópica inteligente - lesão sólida pancreática) para detetar e diagnosticar multimodal e multiclasse lesões sólidas pancreáticas durante o exame de ultrassonografia endoscópica (EUS).
Visão geral do estudo
Status
Recrutamento
Descrição detalhada
Este é um estudo observacional com um desenho prospectivo de coorte.
Desenvolvemos um sistema de inteligência artificial denominado iEUS-SPL para o diagnóstico multimodal e multiclasse de lesões pancreáticas sólidas, utilizando imagens de ultrassonografia endoscópica, características de ultrassonografia endoscópica, dados clínicos e características de imagem de pacientes recolhidos retrospectivamente que foram submetidos a EUS.
A taxa de deteção de lesões e o desempenho diagnóstico do iEUS-SPL na identificação de lesões pancreáticas sólidas serão avaliados em vídeos de EUS em tempo real em casos prospectivamente recrutados.
Tipo de estudo
Observacional
Inscrição (Estimado)
383
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
- Nome: Zhen Li
- Número de telefone: 18560086106
- E-mail: qilulizhen@sdu.edu.cn
Locais de estudo
-
-
Shandong
-
Jinan, Shandong, China, 250012
- Recrutamento
- Qilu Hospital of Shandong University
-
Contato:
- Zhen Li, doctor
- Número de telefone: 18560086106
- E-mail: qilulizhen@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
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Sim
Método de amostragem
Amostra Não Probabilística
População do estudo
Doentes adultos com suspeita de lesões sólidas pancreáticas a realizar EUS.
Descrição
Critérios de Inclusão:
- Pacientes com idade ≥18 anos agendados para EUS com suspeita de lesões pancreáticas sólidas com base em sintomas clínicos, histórico médico, exames laboratoriais ou exames radiológicos concordam em participar na investigação e são capazes de assinar o consentimento informado.
- Pacientes sem histórico anterior de tratamento para lesões pancreáticas.
Critérios de Exclusão:
- Pacientes com contraindicações absolutas para o exame de EUS.
- Gravidez ou lactação.
- Coagulopatia não corrigível (PTT>50 segundos ou INR>1.5) e/ou trombocitopenia não corrigível (contagem de plaquetas<50×109/L).
- Obstrução do trato gastrointestinal superior.
- Pacientes que foram submetidos a tratamento cirúrgico ou alterações anatómicas do pâncreas devido a lesões noutros órgãos torácicos e/ou abdominais, bem como pacientes com anomalias anatómicas congénitas.
- Pacientes que foram submetidos à colocação de stent no ducto biliar/pancreático.
- Pacientes que recusam assinar o 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 |
|---|---|
|
Doentes submetidos a EUS
Pacientes com idade ≥18 anos agendados para EUS com suspeita de lesões pancreáticas sólidas com base em sintomas clínicos, histórico médico, exames laboratoriais ou exames radiológicos concordam em participar na investigação e são capazes de assinar o consentimento informado.
|
O iEUS-SPL irá detetar automaticamente lesões pancreáticas sólidas e integrar as imagens de ultrassonografia endoscópica dos pacientes, características de ultrassonografia endoscópica, dados clínicos e características de imagem para realizar uma classificação de cinco categorias para as lesões, categorizando-as como cancro pancreático, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune e pancreatite crónica.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
A precisão do iEUS-SPL para lesões pancreáticas sólidas
Prazo: Durante o procedimento
|
O resultado primário do estudo é avaliar a precisão do iEUS-SPL na identificação das lesões pancreáticas sólidas (incluindo cancro do pâncreas, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
A sensibilidade do iEUS-SPL para lesões pancreáticas sólidas
Prazo: Durante o procedimento
|
O resultado primário do estudo é avaliar a sensibilidade do iEUS-SPL na identificação das lesões sólidas pancreáticas (incluindo cancro pancreático, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
A especificidade do iEUS-SPL para lesões pancreáticas sólidas
Prazo: Durante o procedimento
|
O resultado primário do estudo é avaliar a especificidade do iEUS-SPL na identificação de lesões pancreáticas sólidas (incluindo cancro do pâncreas, tumor neuroendócrino pancreático, tumor pseudopapilífero sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
O valor preditivo positivo do iEUS-SPL para lesões pancreáticas sólidas
Prazo: Durante o procedimento
|
O principal resultado do estudo é avaliar o valor preditivo positivo do iEUS-SPL na identificação das lesões pancreáticas sólidas (incluindo cancro pancreático, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
O valor preditivo negativo do iEUS-SPL para lesões pancreáticas sólidas
Prazo: Durante o procedimento
|
O resultado primário do estudo é avaliar o valor preditivo negativo do iEUS-SPL na identificação de lesões pancreáticas sólidas (incluindo cancro pancreático, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
a taxa de deteção de lesões do iEUS-SPL para detetar lesões pancreáticas sólidas
Prazo: Durante o procedimento
|
O resultado primário do estudo é avaliar a taxa de deteção de lesões do iEUS-SPL na identificação de lesões pancreáticas sólidas (definida como o número de lesões detetadas dividido pelo número total de lesões).
|
Durante o procedimento
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Comparação da precisão entre iEUS-SPL e endossonografistas
Prazo: Durante o procedimento
|
O resultado secundário do estudo é comparar a precisão entre iEUS-SPL e endossonografistas de diferentes níveis na identificação de lesões pancreáticas sólidas (incluindo cancro do pâncreas, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
Comparação da sensibilidade entre iEUS-SPL e endossonografistas
Prazo: Durante o procedimento
|
O resultado secundário do estudo é comparar a sensibilidade entre iEUS-SPL e endossonografistas de diferentes níveis na identificação das lesões pancreáticas sólidas (incluindo cancro do pâncreas, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
Comparação da especificidade entre iEUS-SPL e endossonografistas
Prazo: Durante o procedimento
|
O resultado secundário do estudo é comparar a especificidade entre iEUS-SPL e endossonografistas de diferentes níveis na identificação de lesões pancreáticas sólidas (incluindo cancro do pâncreas, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
Comparação do valor preditivo positivo entre iEUS-SPL e endossonografistas
Prazo: Durante o procedimento
|
O desfecho secundário do estudo é comparar o valor preditivo positivo entre iEUS-SPL e diferentes níveis de endossonografistas na identificação de lesões sólidas pancreáticas (incluindo cancro do pâncreas, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
|
Comparação do valor preditivo negativo entre iEUS-SPL e endossonografistas
Prazo: Durante o procedimento
|
O desfecho secundário do estudo é comparar o valor preditivo negativo entre iEUS-SPL e diferentes níveis de endossonografistas na identificação de lesões sólidas pancreáticas (incluindo cancro pancreático, tumor neuroendócrino pancreático, tumor pseudopapilar sólido, pancreatite autoimune, pancreatite crónica).
|
Durante o procedimento
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Publicações Gerais
- Wu HL, Yao LW, Shi HY, Wu LL, Li X, Zhang CX, Chen BR, Zhang J, Tan W, Cui N, Zhou W, Zhang JX, Xiao B, Gong RR, Ding Z, Yu HG. Validation of a real-time biliopancreatic endoscopic ultrasonography analytical device in China: a prospective, single-centre, randomised, controlled trial. Lancet Digit Health. 2023 Nov;5(11):e812-e820. doi: 10.1016/S2589-7500(23)00160-7. Epub 2023 Sep 27.
- Oh CK, Kim T, Cho YK, Cheung DY, Lee BI, Cho YS, Kim JI, Choi MG, Lee HH, Lee S. Convolutional neural network-based object detection model to identify gastrointestinal stromal tumors in endoscopic ultrasound images. J Gastroenterol Hepatol. 2021 Dec;36(12):3387-3394. doi: 10.1111/jgh.15653. Epub 2021 Aug 16.
- Bang JY, Saftoiu A, Udristoiu A, Gruionu L, Codruta Gheorghe E, Gruionu G, Ramesh J, Wilcox CM, Varadarajulu S. Prospective clinical validation of a novel artificial intelligence system for real-time detection of solid pancreatic masses during endoscopic ultrasonography. Endoscopy. 2025 Oct 13. doi: 10.1055/a-2701-6530. Online ahead of print.
- Cui H, Zhao Y, Xiong S, Feng Y, Li P, Lv Y, Chen Q, Wang R, Xie P, Luo Z, Cheng S, Wang W, Li X, Xiong D, Cao X, Bai S, Yang A, Cheng B. Diagnosing Solid Lesions in the Pancreas With Multimodal Artificial Intelligence: A Randomized Crossover Trial. JAMA Netw Open. 2024 Jul 1;7(7):e2422454. doi: 10.1001/jamanetworkopen.2024.22454.
- Zhang J, Zhu L, Yao L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, An P, Xu B, Tan W, Hu S, Cheng F, Yu H. Deep learning-based pancreas segmentation and station recognition system in EUS: development and validation of a useful training tool (with video). Gastrointest Endosc. 2020 Oct;92(4):874-885.e3. doi: 10.1016/j.gie.2020.04.071. Epub 2020 May 6.
- Dahiya DS, Al-Haddad M, Chandan S, Gangwani MK, Aziz M, Mohan BP, Ramai D, Canakis A, Bapaye J, Sharma N. Artificial Intelligence in Endoscopic Ultrasound for Pancreatic Cancer: Where Are We Now and What Does the Future Entail? J Clin Med. 2022 Dec 16;11(24):7476. doi: 10.3390/jcm11247476.
- Kim YH, Kim GH, Kim KB, Lee MW, Lee BE, Baek DH, Kim DH, Park JC. Application of A Convolutional Neural Network in The Diagnosis of Gastric Mesenchymal Tumors on Endoscopic Ultrasonography Images. J Clin Med. 2020 Sep 29;9(10):3162. doi: 10.3390/jcm9103162.
- Qin X, Zhang M, Zhou C, Ran T, Pan Y, Deng Y, Xie X, Zhang Y, Gong T, Zhang B, Zhang L, Wang Y, Li Q, Wang D, Gao L, Zou D. A deep learning model using hyperspectral image for EUS-FNA cytology diagnosis in pancreatic ductal adenocarcinoma. Cancer Med. 2023 Aug;12(16):17005-17017. doi: 10.1002/cam4.6335. Epub 2023 Jul 17.
- Tian S, Shi H, Chen W, Li S, Han C, Du F, Wang W, Wen H, Lei Y, Deng L, Tang J, Zhang J, Lin J, Shi L, Ning B, Zhao K, Miao J, Wang G, Hou H, Huang X, Kong W, Jin X, Ding Z, Lin R. Artificial intelligence-based diagnosis of standard endoscopic ultrasonography scanning sites in the biliopancreatic system: a multicenter retrospective study. Int J Surg. 2024 Mar 1;110(3):1637-1644. doi: 10.1097/JS9.0000000000000995.
- Oh S, Kim YJ, Park YT, Kim KG. Automatic Pancreatic Cyst Lesion Segmentation on EUS Images Using a Deep-Learning Approach. Sensors (Basel). 2021 Dec 30;22(1):245. doi: 10.3390/s22010245.
- Norton ID, Zheng Y, Wiersema MS, Greenleaf J, Clain JE, Dimagno EP. Neural network analysis of EUS images to differentiate between pancreatic malignancy and pancreatitis. Gastrointest Endosc. 2001 Nov;54(5):625-9. doi: 10.1067/mge.2001.118644.
- Nakamura H, Fukuda M, Matsuda A, Makino N, Kimura H, Ohtaki Y, Nawa Y, Oyama S, Suzuki Y, Kobayashi T, Ishizawa T, Kakizaki Y, Ueno Y. Differentiating localized autoimmune pancreatitis and pancreatic ductal adenocarcinoma using endoscopic ultrasound images with deep learning. DEN Open. 2024 Mar 2;4(1):e344. doi: 10.1002/deo2.344. eCollection 2024 Apr.
- Dhali A, Kipkorir V, Srichawla BS, Kumar H, Rathna RB, Ongidi I, Chaudhry T, Morara G, Nurani K, Cheruto D, Biswas J, Chieng LR, Dhali GK. Artificial intelligence assisted endoscopic ultrasound for detection of pancreatic space-occupying lesion: a systematic review and meta-analysis. Int J Surg. 2023 Dec 1;109(12):4298-4308. doi: 10.1097/JS9.0000000000000717.
- Das A, Nguyen CC, Li F, Li B. Digital image analysis of EUS images accurately differentiates pancreatic cancer from chronic pancreatitis and normal tissue. Gastrointest Endosc. 2008 May;67(6):861-7. doi: 10.1016/j.gie.2007.08.036. Epub 2008 Jan 7.
- Kuwahara T, Hara K, Mizuno N, Haba S, Okuno N, Kuraishi Y, Fumihara D, Yanaidani T, Ishikawa S, Yasuda T, Yamada M, Onishi S, Yamada K, Tanaka T, Tajika M, Niwa Y, Yamaguchi R, Shimizu Y. Artificial intelligence using deep learning analysis of endoscopic ultrasonography images for the differential diagnosis of pancreatic masses. Endoscopy. 2023 Feb;55(2):140-149. doi: 10.1055/a-1873-7920. Epub 2022 Jun 10.
- Tian G, Xu D, He Y, Chai W, Deng Z, Cheng C, Jin X, Wei G, Zhao Q, Jiang T. Deep learning for real-time auxiliary diagnosis of pancreatic cancer in endoscopic ultrasonography. Front Oncol. 2022 Oct 7;12:973652. doi: 10.3389/fonc.2022.973652. eCollection 2022.
- Qin X, Ran T, Chen Y, Zhang Y, Wang D, Zhou C, Zou D. Artificial Intelligence in Endoscopic Ultrasonography-Guided Fine-Needle Aspiration/Biopsy (EUS-FNA/B) for Solid Pancreatic Lesions: Opportunities and Challenges. Diagnostics (Basel). 2023 Sep 26;13(19):3054. doi: 10.3390/diagnostics13193054.
- Goyal H, Sherazi SAA, Gupta S, Perisetti A, Achebe I, Ali A, Tharian B, Thosani N, Sharma NR. Application of artificial intelligence in diagnosis of pancreatic malignancies by endoscopic ultrasound: a systemic review. Therap Adv Gastroenterol. 2022 Apr 29;15:17562848221093873. doi: 10.1177/17562848221093873. eCollection 2022.
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 setembro de 2025
Conclusão Primária (Estimado)
30 de junho de 2028
Conclusão do estudo (Estimado)
30 de junho de 2028
Datas de inscrição no estudo
Enviado pela primeira vez
24 de dezembro de 2025
Enviado pela primeira vez que atendeu aos critérios de CQ
23 de janeiro de 2026
Primeira postagem (Real)
2 de fevereiro de 2026
Atualizações de registro de estudo
Última Atualização Postada (Real)
2 de fevereiro de 2026
Última atualização enviada que atendeu aos critérios de controle de qualidade
23 de janeiro de 2026
Última verificação
1 de setembro de 2025
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Outros números de identificação do estudo
- 2025-SDU-QILU-6
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 .
Ensaios clínicos em Ultrassom Endoscópico (EUS)
-
Nanfang Hospital of Southern Medical UniversityShenzhen People's Hospital; Second Affiliated Hospital of Guangzhou Medical...Ainda não está recrutandoLesões Pancreáticas Sólidas | EUS-FNB
-
Asan Medical CenterDesconhecidoEUS-FNA | CitodiagnósticoRepublica da Coréia
-
University Hospital, LimogesConcluídoDrenagem Biliar Guiada por EUSFrança
-
University of California, IrvineConcluídoColangiopancreatografia Retrógrada Endoscópica (CPRE) | Ultrassom Endoscópico (EUS)Estados Unidos
-
University of California, DavisAinda não está recrutandoBiópsia | Biópsia Guiada por EUS | Diagnóstico de uma Perturbação PancreatobiliarEstados Unidos
-
National Taiwan University HospitalInscrevendo-se por conviteEndoscopia, Aparelho Digestivo | Obstrução da Saída Gástrica Devido a Malignidade | Anastomose enteroentérica orientada pela EUSTaiwan
-
University of TehranRecrutamentoPancreatite Aguda | Biópsia Guiada por EUSIrã
-
Assiut UniversityAinda não está recrutandoTomografia computadorizada | Biópsia Guiada por EUS | Lesões Pancreáticas Localizadas no Corpo ou na Cauda
-
Seoul National University HospitalDesconhecidoDor de Garganta Após Inserção de EUS