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

EndoStyle: Bildtransformationsverktyg för artificiell intelligens för koloskopi (EndoStyle)

25 augusti 2025 uppdaterad av: Wuerzburg University Hospital

EndoStyle: Undersökning av läkare om endoskopisk bildstilsöverföring.

Studien tar upp begränsningarna hos nuvarande AI-system inom gastrointestinal endoskopi, som vanligtvis tränas med data från en enda typ av endoskopiprocessor och har begränsade expertkommenterade bilder. Utredarna siktar på att utveckla och validera EndoStyle, ett AI-system som kan generera bilder i stil med olika processorer från en enda referensbild. EndoStyle kommer att testas genom att visa endoskopister koloskopisekvenser med olika bildtyper för att avgöra om de kan urskilja AI-transformerade bilder. Framgång skulle förbättra AI-utbildning för olika kliniska uppställningar.

Studieöversikt

Status

Avslutad

Intervention / Behandling

Detaljerad beskrivning

Användningen av artificiell intelligens (AI) vid gastrointestinal endoskopi har blivit utbredd. Dessa system är dock ofta bara tränade med data från en enda typ av endoskopiprocessor, vilket begränsar deras tillämplighet. Dessutom är tillgången på bilder kommenterade av experter begränsad, vilket påverkar datavariabiliteten och därmed prestandan hos AI-system.

Syftet med denna studie är att utveckla ett nytt artificiell intelligens (AI) baserat system (EndoStyle) och validera dess äkthet med hjälp av en undersökning bland läkare, som kan generera flera bilder i stil med olika processortyper (inklusive Olympus, Pentax och Storz) från en enda endoskopireferensbild.

Utredarnas hypotes är att AI-systemet framgångsrikt kan ändra bildstilen hos videoprocessorer, med skillnaderna som är omärkliga för endoskopistens öga.

Metodiken består av att visa för flera endoskopister 28 koloskopisekvenser på 10 sekunder vardera. I var och en av dem kommer 3 bilder att visas som kan vara alla möjliga kombinationer av bilder som tillhör positiv kontroll, negativ kontroll och Endostyle (interventionsgrupp). Genom att utföra en statistisk jämförelse av procentandelen utvalda bilder för varje grupp kommer utredarna att kunna fastställa om deltagarna kan särskilja bilderna som transformerats av AI.

Om resultaten bekräftar vår hypotes kan vårt system generera bilder som skulle möjliggöra en mer anpassad träning av AI-system för varje klinisk uppsättning.

Studietyp

Observationell

Inskrivning (Faktisk)

40

Kontakter och platser

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

Studieorter

    • Bavaria
      • Würzburg, Bavaria, Tyskland, 97080
        • University Clinic of Würzburg

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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Ja

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Deltagarna i undersökningen kommer att vara läkare med erfarenhet av koloskopi.

Beskrivning

Inklusionskriterier:

  • Läkare med erfarenhet av koloskopi.

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
Positiv kontroll
Bilden som visas för deltagaren tillhör samma koloskopi som visas i den 10 sekunder långa videosekvensen.
Negativ kontroll
Bilden som visas för deltagaren tillhör samma koloskopi som visas i den 10 sekunder långa videosekvensen.
EndoStyle (interventionsgrupp)
Bilden som visas för deltagaren tillhör inte den 10 sekunder långa koloskopivideosekvensen utan har transformerats med AI för att simulera videons stil.
EndoStyle-systemet kan förvandla stilen på de olika videoprocessorbilderna.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Perceptuell omöjlighet att urskilja AI-transformerade endoskopiska bilder
Tidsram: 5 månader
Jämförelse av noggrannheten för varje studiegrupp.
5 månader

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Tid som tagits för bildidentifiering
Tidsram: 5 månader
Tid det tar att bedöma de olika uppgifterna enligt varje studiegrupp.
5 månader
Påverkan av regelbundet använd processor
Tidsram: 5 månader
Inverkan av regelbundet använd endskopiprocessor under kliniskt arbete för den perceptuella omöjligheten att urskilja AI-transformerade endoskopiska bilder med definierade processorklasser
5 månader
Inverkan av endoskopi erfarenhet
Tidsram: 5 månader
Inverkan av erfarenhet av endoskopi mätt under livstidsutförda koloskopier på perceptuell omöjlighet att urskilja AI-transformerade endoskopiska bilder
5 månader

Samarbetspartners och utredare

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

Utredare

  • Huvudutredare: Alexander Hann, MD, University hospital of Würzburg

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)

15 augusti 2024

Primärt slutförande (Faktisk)

22 augusti 2025

Avslutad studie (Faktisk)

22 augusti 2025

Studieregistreringsdatum

Först inskickad

8 augusti 2024

Först inskickad som uppfyllde QC-kriterierna

13 augusti 2024

Första postat (Faktisk)

14 augusti 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Beräknad)

2 september 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

25 augusti 2025

Senast verifierad

1 augusti 2025

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

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 .

Prenumerera