Automatisk utvärdering av omfattningen av intestinal metaplasi med artificiell intelligens
14 juli 2022 uppdaterad av: Yanqing Li, Shandong University
Utveckling och validering av ett artificiellt intelligenssystem för automatisk utvärdering av omfattningen av intestinal metaplasi
Magtarmsmetaplasi (GIM) är ett viktigt stadium i magcancer (GC).
Med tekniska framsteg av bildförstärkt endoskopi (IEE) har studier visat att IEE har hög noggrannhet för diagnos av GIM.
Det endoskopiska graderingssystemet (EGGIM), ett nytt endoskopiskt riskpoängsystem för GC, har visat sig exakt identifiera ett brett spektrum av patienter med GIM.
Den höga diagnostiska noggrannheten hos GIM med IEE- och EGGIM-bedömningar som utförs kräver dock mycket erfarenhet, vilket begränsar tillämpningen av EGGIM.
Utredarna strävar efter att designa ett datorstödt diagnosprogram som använder djupa neurala nätverk för att automatiskt utvärdera omfattningen av IM och beräkna EGGIM-poängen.
Studieöversikt
Status
Rekrytering
Detaljerad beskrivning
Globalt är magcancer den femte vanligaste maligniteten och den tredje vanligaste orsaken till cancerdödlighet.
Gastric intestinal metaplasia (GIM) är en mellanliggande precancerös gastrisk lesion i magcancerkaskaden.
Studier har visat att den 5-åriga kumulativa incidensen av magcancer hos IM-patienter varierar från 5,3 % till 9,8 %.
Med tekniska framsteg av bildförstärkt endoskopi (IEE) har studier visat att IEE har hög noggrannhet för diagnos av GIM.
Det endoskopiska graderingssystemet (EGGIM), ett nytt endoskopiskt riskpoängsystem för GC, har visat sig exakt identifiera ett brett spektrum av patienter med GIM.
Den höga diagnostiska noggrannheten hos GIM med IEE- och EGGIM-bedömningar som utförs kräver dock mycket erfarenhet, vilket begränsar tillämpningen av EGGIM.
Utredarna strävar efter att designa ett datorstödt diagnosprogram som använder djupa neurala nätverk för att automatiskt utvärdera omfattningen av IM och beräkna EGGIM-poängen.
Studietyp
Observationell
Inskrivning (Förväntat)
600
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Shandong
-
Jinan, Shandong, Kina, 250012
- Rekrytering
- Department of Gastrology, QiLu Hospital, Shandong University
-
-
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, Äldre vuxen)
Tar emot friska volontärer
Nej
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
På varandra följande patienter som får IEE-undersökningen och screenas som uppfyller behörighetskriterierna vid Qilu Hospital, Shandong University kommer att registreras i studien
Beskrivning
Inklusionskriterier:
- patienter i åldern 18-80 år som genomgår IEE-undersökningen
Exklusions kriterier:
- patienter med allvarlig hjärt-, cerebral, lung- eller njurdysfunktion eller psykiatriska störningar som inte kan delta i gastroskopi
- patienter med tidigare kirurgiska ingrepp på magen
- patienter som vägrar att underteckna formuläret för informerat samtycke
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Övrig
- Tidsperspektiv: Retrospektiv
Kohorter och interventioner
Grupp / Kohort |
|---|
|
grupp för att träna algoritmen
Denna grupp av bilder används för att träna algoritmen för artificiell intelligens
|
|
grupp för att testa algoritmen
Denna grupp av bilder används för att testa algoritmen för den artificiella intelligensen
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Specificiteten hos AI-modell för att bedöma graden av tarmmetaplasi i en endoskopisk bild
Tidsram: 2 år
|
Specificiteten hos AI-modell för att bedöma graden av tarmmetaplasi i en endoskopisk bild
|
2 år
|
|
Noggrannheten av AI-modell för att bedöma graden av tarmmetaplasi i en endoskopisk bild
Tidsram: 2 år
|
Noggrannheten av AI-modell för att bedöma graden av tarmmetaplasi i en endoskopisk bild
|
2 år
|
|
Känsligheten hos AI-modell för att bedöma graden av intestinal metaplasi i en endoskopisk bild
Tidsram: 2 år
|
Känsligheten hos AI-modellen för att bedöma graden av intestinal metaplasi i en
|
2 år
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Noggrannhet hos erfarna endoskopister för att bedöma graden av tarmmetaplasi
Tidsram: 2 år
|
Noggrannhet hos erfarna endoskopister för att bedöma graden av intestinal metaplasi i en endoskopisk bild
|
2 år
|
|
Noggrannhet hos de oerfarna endoskopisterna för att bedöma graden av intestinal metaplasi
Tidsram: 2 år
|
Noggrannhet hos de oerfarna endoskopisterna för att bedöma graden av intestinal metaplasi i en endoskopisk bild
|
2 år
|
|
Överenskommelse mellan observatörer bland erfarna endoskopister för att identifiera graden av intestinal metaplasi
Tidsram: 2 år
|
Överenskommelse mellan observatörer bland erfarna endoskopister för att identifiera graden av tarmmetaplasi i en endoskopisk bild
|
2 år
|
|
Överenskommelse mellan observatörer bland oerfarna endoskopister för att identifiera graden av intestinal metaplasi
Tidsram: 2 år
|
Överenskommelse mellan observatörer bland oerfarna endoskopister när det gäller att identifiera graden av intestinal metaplasi i en endoskopisk bild
|
2 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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 juli 2022
Primärt slutförande (Förväntat)
30 december 2023
Avslutad studie (Förväntat)
30 december 2023
Studieregistreringsdatum
Först inskickad
8 juli 2022
Först inskickad som uppfyllde QC-kriterierna
14 juli 2022
Första postat (Faktisk)
15 juli 2022
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
15 juli 2022
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
14 juli 2022
Senast verifierad
1 juli 2022
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 2022SDU-QILU-109
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Nej
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 .