使用人工智能的 pCLE 自动实时诊断胃粘膜疾病
2022年3月20日 更新者：Yanqing Li、Shandong University
使用基于探针的共聚焦激光内镜与人工智能自动实时诊断胃粘膜疾病
基于探针的共聚焦激光显微内窥镜检查 (pCLE) 是一种内窥镜技术，可在正在进行的内窥镜检查期间对胃粘膜疾病进行实时组织学评估。
然而这需要很多经验，这限制了 pCLE 的应用。
研究人员设计了一个使用深度神经网络的计算机辅助诊断程序，在 pCLE 检查中自动进行诊断，并将其性能与内窥镜医师进行对比。
研究概览
研究类型
观察性的
注册 (实际的)
951
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Shandong
-
Jinan、Shandong、中国、250001
- Endoscopic unit of Qilu Hospital Shandong University
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 至 80年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
连续在山东大学齐鲁医院接受上消化道pCLE检查并筛查符合入选标准的患者将被纳入研究
描述
纳入标准：
- 18至80岁；
- 同意给予书面知情同意。
排除标准：
- 处于不适合进行 CLE 的条件下的患者，包括凝血病、肾功能或肝功能受损、怀孕或哺乳以及已知对荧光素钠过敏；
- 无法提供知情同意
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 观测模型：其他
- 时间观点：预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
pCLE 观察到的病变
pCLE 用于区分白光内镜检测到的可疑病变。
|
当使用 pCLE 观察到疑似病变时，内窥镜医师和 AI 将独立做出诊断。
此外，内镜医师也看不到AI的诊断。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
人工智能的诊断效率
大体时间：24个月
|
主要结果是测试人工智能在实时 pCLE 检查中诊断胃粘膜疾病的诊断准确性、敏感性、特异性、PPV、NPV。
|
24个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
人工智能与内窥镜诊断效率对比
大体时间：24个月
|
次要结果是比较人工智能和内镜医师之间的诊断效率（包括诊断准确性、敏感性、特异性、PPV、NPV 在实时 pCLE 检查中诊断胃粘膜疾病）。
|
24个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2018年7月1日
初级完成 (实际的)
2021年9月29日
研究完成 (实际的)
2021年9月29日
研究注册日期
首次提交
2018年12月16日
首先提交符合 QC 标准的
2018年12月19日
首次发布 (实际的)
2018年12月21日
研究记录更新
最后更新发布 (实际的)
2022年4月1日
上次提交的符合 QC 标准的更新
2022年3月20日
最后验证
2022年3月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.