Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Automatisk diagnos av tidig esofageal skivepitelneoplasi med pCLE med AI

20 oktober 2019 uppdaterad av: Yanqing Li, Shandong University

Automatisk diagnos av tidig esofageal skvamös neoplasi med hjälp av sondbaserad konfokal laserendomikroskopi med artificiell intelligens

Detektion och differentiering av esofageal skivepitelneoplasi (ESN) är av värde för att förbättra patientresultaten. Sondbaserad konfokal laserendomikroskopi (pCLE) kan diagnostisera ESN exakt. Detta kräver dock mycket erfarenhet, vilket begränsar tillämpningen av pCLE. Utredarna designade ett datorstödt diagnosprogram som använder djupa neurala nätverk för att ställa diagnos automatiskt vid pCLE-undersökning och kontrastera dess prestanda med endoskopister.

Studieöversikt

Status

Okänd

Betingelser

Intervention / Behandling

Studietyp

Observationell

Inskrivning (Förväntat)

60

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

  • Kina
    • Shandong
      • Jinan, Shandong, Kina, 250001
        • Rekrytering
        • Qilu Hospital, Shandong University
        • Kontakt:
          • Yanqing Li, PhD,MD
          • Telefonnummer: 053182169385

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

18 år till 80 år (VUXEN, OLDER_ADULT)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

På varandra följande patienter som får den övre gastrointestinala pCLE-undersökningen och screenad som uppfyller behörighetskriterierna vid Qilu Hospital, Shandong University kommer att registreras i studien

Beskrivning

Inklusionskriterier:

  • mellan 18 och 80 år; samtycker till att ge skriftligt informerat samtycke; misstänkt slemhinneskada i matstrupen hittades med vitljusendoskopi.

Exklusions kriterier:

  • Patienter under tillstånd som är olämpliga för att utföra CLE inklusive koagulopati, nedsatt njur- eller leverfunktion, graviditet eller amning och känd allergi mot fluorescein-natrium; Oförmåga att ge informerat samtycke

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
lesioner i esofagusslemhinnan observerade av pCLE
pCLE används för att särskilja de misstänkta lesionerna som upptäckts med vitljusendoskopi.
Diagnostiskt test: Diagnosen artificiell intelligens och endoskopist
När misstänkt slemhinneskada i matstrupen observeras med pCLE, ställer endoskopist och AI en diagnos oberoende av varandra. Dessutom kan endoskopisten inte se diagnosen AI.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Diagnostiseringseffektiviteten hos artificiell intelligens
Tidsram: 3 månader
Det primära resultatet är att testa den diagnostiska noggrannheten, känsligheten, specificiteten, PPV, NPV för den artificiella intelligensen för att diagnostisera esofagusslemhinnesjukdom vid pCLE-undersökning i realtid.
3 månader

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Jämför diagnoseffektiviteten hos artificiell intelligens med endoskopister
Tidsram: 1 månad
Det sekundära resultatet är att jämföra diagnosens effektivitet (inklusive diagnostisk noggrannhet, sensitivitet, specificitet, PPV, NPV för diagnostisering av esofagusslemhinnesjukdom vid pCLE-undersökning i realtid) mellan artificiell intelligens och endoskopister.
1 månad

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Shandong University

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (FAKTISK)

1 augusti 2019

Primärt slutförande (FÖRVÄNTAT)

1 december 2019

Avslutad studie (FÖRVÄNTAT)

1 december 2019

Studieregistreringsdatum

Först inskickad

20 oktober 2019

Först inskickad som uppfyllde QC-kriterierna

20 oktober 2019

Första postat (FAKTISK)

23 oktober 2019

Uppdateringar av studier

Senaste uppdatering publicerad (FAKTISK)

23 oktober 2019

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

20 oktober 2019

Senast verifierad

1 oktober 2019

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 2019SDU-QILU-66

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på Esofagusneoplasmer

Kliniska prövningar på Diagnosen artificiell intelligens och endoskopist

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Turkmenistan

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

3
Prenumerera