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

Klinisk studie om noggrannheten av AI-assisterad endocytoskopi i realtid vid diagnos av kolorektala diminutiva polyper

5 mars 2025 uppdaterad av: The First Hospital of Jilin University

Klinisk studie om noggrannheten av AI-assisterad endocytoskopi i realtid vid diagnosen av kolorektala diminutiva polyper

Kolorektal cancer (CRC) är den tredje vanligaste maligna tumören i världen och den näst största orsaken till cancerrelaterad död [1]. Koloskopi anses vara den föredragna metoden för screening för kolorektal cancer, och tidig och resekterbar upptäckt av kolorektala neoplastiska lesioner kan avsevärt minska morbiditeten och dödligheten i kolorektal cancer. Under de senaste åren, med den kontinuerliga utvecklingen av endoskopiska diagnostiska tekniker och standardisering och förstärkning av endoskopistutbildning, har upptäcktsfrekvensen av kolorektala polyper ökat år för år. I takt med att antalet endoskopiska excisioner ökar ökar kostnaderna för endoskopisk excision och patologisk diagnos av exciserade prover år för år. Forskningsresultat visade att cirka 90 % av de upptäckta polyperna var små polyper (6-9 mm) och diminutiva polyper (≤5 mm), och nästan hälften av dem var icke-neoplastiska polyper, så endoskopisk resektion och histopatologisk undersökning krävdes inte [ 2, 3]. För att minska onödig patologisk undersökning och endoskopisk behandling föreslog American Society of Digestive Endoscopy PIVI-strategier: "excise and discard" och "diagnose and do not excise" strategier.

Endocytoskopi är en slags ultrahög förstoring av endoskopi. I kombination med kemisk färgning och smalbandsavbildningsteknik kan endoskopister observera och bedöma kärnmorfologin, körtelkanalmorfologin och mikrovaskulär morfologi av kolorektala lesioner genom blotta öga och därmed inse syftet med realtidsbiopsi in vivo. Det krävs emellertid mycket ansamling av erfarenhet för att förbättra bedömningsnoggrannheten för endoskopibilder, och endoskopi som läkare har vissa subjektiva bedömningar och fel i processen för att bedöma resultat. För att lösa detta problem föreslås därför artificiell intelligens (AI) kliniskt. Vårt centrum har utvecklat en konstgjord intelligensassisterad diagnossystem baserat på endocytoskopi för att hjälpa endocytoskopi vid bedömningen av naturen hos kolorektala lesioner. Huruvida detta konstgjorda intelligensassisterade diagnossystem är korrekt när det gäller att bedöma arten av kolorektala minskande polypper och är lämplig för utbredd marknadsföring och tillämpning av PIVI -strategi saknar relevanta kliniska data. Denna studie avser att genomföra denna kliniska studie för att verifiera den diagnostiska noggrannheten för denna konstgjorda intelligens vid diagnosen kolorektal diminutiva polypper.

Studieöversikt

Status

Rekrytering

Betingelser

Studietyp

Observationell

Inskrivning (Beräknad)

600

Kontakter och platser

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

Studiekontakt

Studieorter

    • Jilin
      • Changchun, Jilin, Kina, 130021
        • Rekrytering
        • First Hospital of Jilin University
        • Kontakt:

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

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Sannolikhetsprov

Studera befolkning

Patienter med kolorektala skador

Beskrivning

Inkluderingskriterier:

  • kolorektala skador

Uteslutningskriterier:

  • lesioner som saknar bilder av hög kvalitet;
  • Inflammatorisk tarmsjukdom, familjär adenomatös polypos och andra speciella sjukdomar;
  • submukosala tumörer;
  • Patologisk diagnos av inflammatoriska polyper, Peutz-Jeghers polyper, juvenila polyper, lymfom och andra patologiska typer.

Studieplan

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

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Tidsram
Negativt prediktivt värde
Tidsram: 2025-12-31
2025-12-31
känslighet
Tidsram: 2025-12-31
2025-12-31
specificitet
Tidsram: 2025-12-31
2025-12-31
noggrannhet
Tidsram: 2025-12-31
2025-12-31

Samarbetspartners och utredare

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

Utredare

  • Huvudutredare: Hong Xu, Docror, The First Hospital of Jilin 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)

5 februari 2025

Primärt slutförande (Beräknad)

31 december 2025

Avslutad studie (Beräknad)

31 december 2025

Studieregistreringsdatum

Först inskickad

20 januari 2025

Först inskickad som uppfyllde QC-kriterierna

20 januari 2025

Första postat (Faktisk)

25 mars 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

25 mars 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

5 mars 2025

Senast verifierad

1 januari 2025

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 25K014-001

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

produkt tillverkad i och exporterad från U.S.A.

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