Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Управление кистозными поражениями поджелудочной железы с использованием искусственного интеллекта на основе ЭУЗИ и мультимодальных данных

5 марта 2026 г. обновлено: Bin Cheng, Huazhong University of Science and Technology

Многомодальная модель искусственного интеллекта для субтипирования диагностики и клинического ведения кистозных поражений поджелудочной железы на основе эндосонографии и клинической информации

Основная цель — создание мультимодальной модели искусственного интеллекта (Cyst-AI) на основе изображений ЭУЗИ и клинических данных, таких как визуализационные признаки (КТ или МРТ) и лабораторные тесты, для помощи эндоскопистам в диагностике кистозных поражений поджелудочной железы (КППЖ), главным образом, в дифференциации муцинозных и немуцинозных поражений.

Вторичная цель — оценка эффективности модели в стратификации риска и клиническом ведении пациентов с КППЖ.

Обзор исследования

Статус

Рекрутинг

Условия

Вмешательство/лечение

Подробное описание

С развитием технологий медицинской визуализации частота обнаружения кистозных поражений поджелудочной железы (КППЖ) значительно возрастает. Хотя большинство кист являются доброкачественными, значительная их часть имеет потенциал злокачественного перерождения. Клиническое ведение основывается на диагностике и стратификации риска. Для КППЖ разные диагнозы и стратификация риска приводят к совершенно различным клиническим стратегиям и исходам, которые тесно связаны с качеством жизни, экономическим бременем и психологическим стрессом пациентов. Эндоскопическое ультразвуковое исследование (ЭндоУЗИ) сыграло решающую роль в дальнейшей дифференциальной диагностике КППЖ. Искусственный интеллект (ИИ) также показал большой потенциал в клинической диагностике и ведении. Таким образом, мы планируем ретроспективно собрать данные ЭндоУЗИ пациентов, радиологические и лабораторные исследования, а также другую клиническую информацию для построения модели под названием Cyst-AI, которая объединяет функции диагностики и клинического ведения, чтобы помочь в принятии клинических решений.

Тип исследования

Наблюдательный

Регистрация (Оцененный)

500

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Контакты исследования

  • Имя: Bin Cheng
  • Номер телефона: 86-13986097542
  • Электронная почта: b.cheng@tjh.tjmu.edu.cn

Места учебы

  • Китай
    • Hubei
      • Wuhan, Hubei, Китай, 430030
        • Рекрутинг
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Контакт:
      • Wuhan, Hubei, Китай, 430030
        • Еще не набирают
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Контакт:

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

Когорта будет отобрана из нескольких больниц Китая, включая Больницу Тунцзи, Медицинский колледж Тунцзи, HUST.

Описание

Критерии включения:

  • Пациенты, у которых результаты ЭУЗИ указывают на кистозные или кистоподобные поражения поджелудочной железы;
  • Муцинозные поражения: включая муцинозную кистозную неоплазию (MCN), внутрипротоковую папиллярную муцинозную неоплазию (IPMN);
  • Немуцинозные поражения: включая псевдокисту поджелудочной железы, серозную кистозную неоплазию (SCN), кистозную нейроэндокринную опухоль (cNET).

Критерии исключения:

  • Пациенты младше 18 лет;
  • Пациенты, перенесшие операцию на поджелудочной железе до проведения ЭУЗИ;
  • Пациенты, получавшие химиотерапию и лучевую терапию по поводу опухолей поджелудочной железы до проведения ЭУЗИ;
  • Патологические результаты указывают, что поражения поджелудочной железы являются метастатическими из других локализаций;
  • Пациенты, у которых отсутствуют изображения или отчеты ЭУЗИ;
  • Качество изображений ЭУЗИ не соответствует требованиям для анализа, например, размытые изображения или содержащие артефакты, биопсийные иглы, измерительные шкалы или другие дополнительные пометки, не являющиеся частью исходного изображения ЭУЗИ;
  • Пациенты, у которых окончательный диагноз неясен.

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Кистозная ЭндоУЗИ
В эту когорту были включены пациенты до 2026 года с ЭУС-снимками кистозных или кистозно-подобных поражений поджелудочной железы.
Диагностический тест: Модель Cyst-AI
Данные, собранные в рамках многоцентрового исследования, будут разделены на обучающую выборку, валидационную выборку и тестовую выборку для разработки и тестирования модели cyst-AI.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Эффективность диагностической модели в дифференциации муцинозных от немуцинозных ПКЛ
Временное ограничение: В течение 3 месяцев после завершения обучения диагностической модели.
Эффективность диагностической модели Cyst-AI будет оцениваться с использованием площади под кривой рабочих характеристик приемника (AUC-ROC), при этом чувствительность, специфичность, точность, положительная прогностическая ценность (PPV) и отрицательная прогностическая ценность (NPV) рассчитываются на основе прогнозов модели на независимом валидационном наборе данных. PCLs: кистозные поражения поджелудочной железы.
В течение 3 месяцев после завершения обучения диагностической модели.
Стратификационная эффективность риска клинической модели ведения муцинозных PCL
Временное ограничение: В течение 3 месяцев после завершения обучения модели стратификации рисков.
Производительность модели стратификации риска Cyst-AI для правильной классификации поражений на категории «низкий риск», «средний риск» и «высокий риск» будет оценена с использованием площади под кривой рабочих характеристик приемника (AUC-ROC), с расчетом чувствительности, специфичности, точности, положительной прогностической ценности (PPV) и отрицательной прогностической ценности (NPV) на основе предсказаний модели на независимом наборе данных для валидации. PCLs: кистозные поражения поджелудочной железы.
В течение 3 месяцев после завершения обучения модели стратификации рисков.

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Эффективность диагностической модели в дифференциации конкретных типов PCLs
Временное ограничение: В течение 3 месяцев после завершения обучения диагностической модели.
Производительность диагностической модели Cyst-AI будет оценена с использованием площади под кривой рабочих характеристик приемника (AUC-ROC), при этом чувствительность, специфичность, точность, положительная прогностическая ценность (PPV) и отрицательная прогностическая ценность (NPV) будут рассчитаны на основе прогнозов модели на независимом наборе данных для валидации. PCLs: кистозные поражения поджелудочной железы.
В течение 3 месяцев после завершения обучения диагностической модели.
Клиническая эффективность управления клинической моделью муцинозных кист поджелудочной железы
Временное ограничение: В течение 3 месяцев после завершения обучения по модели клинического ведения.
Эффективность клинической модели управления Cyst-AI для предоставления точных клинических рекомендаций будет оцениваться с использованием площади под кривой рабочих характеристик приемника (AUC-ROC), с расчетом чувствительности, специфичности, точности, положительной прогностической ценности (PPV) и отрицательной прогностической ценности (NPV) на основе прогнозов модели на независимом наборе данных для валидации. Кистозные поражения поджелудочной железы: PCLs.
В течение 3 месяцев после завершения обучения по модели клинического ведения.
Производительность модели в помощи эндоскопистам разного уровня в диагностике и лечении ПКЛ
Временное ограничение: В течение 1 месяца по завершении кроссоверного исследования человек-машина
Эффективность модели Cyst-AI в помощи эндоскопистам будет оцениваться с использованием площади под кривой рабочих характеристик приемника (AUC-ROC), при этом чувствительность, специфичность, точность, положительная прогностическая ценность (PPV) и отрицательная прогностическая ценность (NPV) будут рассчитаны на основе прогнозов модели по независимому набору данных для валидации. PCLs: кистозные поражения поджелудочной железы.
В течение 1 месяца по завершении кроссоверного исследования человек-машина
Влияние модели на процесс принятия решений эндоскопистами
Временное ограничение: В течение 1 месяца после завершения кроссоверного исследования "человек-машина".
Анкета для эндоскопистов после оценки будет использоваться для определения степени воздействия.
В течение 1 месяца после завершения кроссоверного исследования "человек-машина".

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Huazhong University of Science and Technology

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Действительный)

1 января 2025 г.

Первичное завершение (Оцененный)

1 апреля 2026 г.

Завершение исследования (Оцененный)

1 июня 2026 г.

Даты регистрации исследования

Первый отправленный

9 декабря 2025 г.

Впервые представлено, что соответствует критериям контроля качества

5 марта 2026 г.

Первый опубликованный (Действительный)

11 марта 2026 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

11 марта 2026 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

5 марта 2026 г.

Последняя проверка

1 марта 2026 г.

Дополнительная информация

Термины, связанные с этим исследованием

Ключевые слова

Дополнительные соответствующие термины MeSH

Другие идентификационные номера исследования

  • Cyst-AI 2024

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .

Подписаться