基于智能手机衍生的多模态图像的 AI 模型评估肝硬化患者的门静脉高压症 (CHESS2203)
门静脉高压症是肝硬化的主要并发症。 目前,肝静脉压力梯度(hepatic venous pressure gradient,HVPG)是评价肝硬化门静脉压力的参考标准。 然而,HVPG 的实践仅限于需要丰富的经验和高度专业化的中心。 近年来,提出了预测肝硬化门脉高压程度的无创方法。 肝硬度是目前应用最广泛的门脉高压无创评估方法。 更新的 Baveno VII 建议通过瞬时弹性成像检测肝脏硬度≥ 25 kPa 足以识别具有临床意义的门静脉高压症(特异性和阳性预测值 > 90%)。 肝硬度虽然对临床显着性门静脉高压症的评估具有较好的预测价值,但由于设备昂贵,难以在基层医院推广应用。
最近,一项多中心研究表明,基于眼部图像的人工智能分析可以帮助筛查和诊断肝胆疾病。 实现了基于手机终端的中医诊断图像采集与分析专利技术。 该技术主要包括图像采集、质量控制与分析、临床信息采集等。 肝硬化属于中医的胀积症,最常见的症状是肝胆湿热和肝郁脾虚。 肝病中医诊疗的主要内容包括舌象、目象和掌象。 本研究应用基于人工智能的中医专利技术,结合影像的宏观特征和微观病理指标,建立门脉高压合并肝硬化的中西医精准评价模型。
研究概览
详细说明
门静脉高压症是肝硬化的主要并发症。 目前,肝静脉压力梯度(hepatic venous pressure gradient,HVPG)是评价肝硬化门静脉压力的参考标准。 然而,HVPG 的实践仅限于需要丰富的经验和高度专业化的中心。 近年来,提出了预测肝硬化门脉高压程度的无创方法。 肝硬度是目前应用最广泛的门脉高压无创评估方法。 更新的 Baveno VII 建议通过瞬时弹性成像检测肝脏硬度≥ 25 kPa 足以识别具有临床意义的门静脉高压症(特异性和阳性预测值 > 90%)。 肝硬度虽然对临床显着性门静脉高压症的评估具有较好的预测价值,但由于设备昂贵,难以在基层医院推广应用。
最近,一项多中心研究表明,基于眼部图像的人工智能分析可以帮助筛查和诊断肝胆疾病。 实现了基于手机终端的中医诊断图像采集与分析专利技术。 该技术主要包括图像采集、质量控制与分析、临床信息采集等。 肝硬化属于中医学的胀积症,最常见的症状是肝胆湿热和肝郁脾虚。 肝病中医诊证的主要内容包括舌象、目象和掌象。 本研究应用基于人工智能的中医专利技术,结合影像的宏观特征和微观病理指标,建立门脉高压合并肝硬化的中西医精准评价模型。
研究类型
注册 (预期的)
联系人和位置
学习联系方式
- 姓名:Chuan Liu, MD
- 电话号码:+8615626415443
- 邮箱:845424585@qq.com
学习地点
-
-
Beijing
-
Beijing、Beijing、中国、1000000
- 招聘中
- CHESS
-
首席研究员:
- Xiaolong Qi, Prof
-
Beijing、Beijing、中国、100000
- 尚未招聘
- Institute for TCM-X, MOE Key Laboratory of Bioinformatics/Bioinformatics Division, BNRIST, Department of Automation, Tsinghua University
-
首席研究员:
- Shao Li, Prof
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准:
- 年龄大于或等于 18 岁;
- 根据肝硬化的放射学、组织学特征和临床表现完成肝硬化的诊断;
- 在过去 6 个月内进行过 HVPG 检查;
- 应用基于手机的舌-眼-掌图像采集和分析专利技术
- 签署知情同意书。
排除标准:
- HVPG 考试的矛盾;
- 接受一级预防(非选择性β受体阻滞剂或内窥镜静脉曲张结扎术);
- 接受经颈静脉肝内门体分流术;
- 诊断为肝细胞癌。
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
干预/治疗 |
---|---|
培训队列
根据肝硬化的放射学、组织学特征和临床表现,患者均符合肝硬化的诊断。
|
所有患者均在局部麻醉下进行 HVPG 测量。
|
验证队列
根据肝硬化的放射学、组织学特征和临床表现,患者均符合肝硬化的诊断。
|
所有患者均在局部麻醉下进行 HVPG 测量。
|
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 |
---|---|---|
结合影像宏观特征和微观病理指标的中西医精准评价门脉高压合并肝硬化方法的准确性[J].
大体时间:1年
|
以HVPG(mmHg)作为介入专科门静脉压力评估的参考方法,开发一种基于图像宏观特征和微观病理指标的中西医新方法,评估诊断门静脉高压症的准确性。
|
1年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
结合影像宏观特征和微观病理指标的中西医精准评价肝硬化高危静脉曲张方法的准确性[J].
大体时间:1年
|
评估中西医精准评估方法,避免肝硬化患者不必要的内镜检查。
|
1年
|
合作者和调查者
出版物和有用的链接
一般刊物
- Qi X, Berzigotti A, Cardenas A, Sarin SK. Emerging non-invasive approaches for diagnosis and monitoring of portal hypertension. Lancet Gastroenterol Hepatol. 2018 Oct;3(10):708-719. doi: 10.1016/S2468-1253(18)30232-2.
- Garcia-Tsao G, Abraldes JG, Berzigotti A, Bosch J. Portal hypertensive bleeding in cirrhosis: Risk stratification, diagnosis, and management: 2016 practice guidance by the American Association for the study of liver diseases. Hepatology. 2017 Jan;65(1):310-335. doi: 10.1002/hep.28906. Epub 2016 Dec 1. No abstract available. Erratum In: Hepatology. 2017 Jul;66(1):304.
- Abraldes JG, Bureau C, Stefanescu H, Augustin S, Ney M, Blasco H, Procopet B, Bosch J, Genesca J, Berzigotti A; Anticipate Investigators. Noninvasive tools and risk of clinically significant portal hypertension and varices in compensated cirrhosis: The "Anticipate" study. Hepatology. 2016 Dec;64(6):2173-2184. doi: 10.1002/hep.28824. Epub 2016 Oct 27. Erratum In: Hepatology. 2017 Jul;66(1):304-305.
- Pons M, Augustin S, Scheiner B, Guillaume M, Rosselli M, Rodrigues SG, Stefanescu H, Ma MM, Mandorfer M, Mergeay-Fabre M, Procopet B, Schwabl P, Ferlitsch A, Semmler G, Berzigotti A, Tsochatzis E, Bureau C, Reiberger T, Bosch J, Abraldes JG, Genesca J. Noninvasive Diagnosis of Portal Hypertension in Patients With Compensated Advanced Chronic Liver Disease. Am J Gastroenterol. 2021 Apr;116(4):723-732. doi: 10.14309/ajg.0000000000000994.
- de Franchis R, Bosch J, Garcia-Tsao G, Reiberger T, Ripoll C; Baveno VII Faculty. Baveno VII - Renewing consensus in portal hypertension. J Hepatol. 2022 Apr;76(4):959-974. doi: 10.1016/j.jhep.2021.12.022. Epub 2021 Dec 30. Erratum In: J Hepatol. 2022 Apr 14;:
- Xiao W, Huang X, Wang JH, Lin DR, Zhu Y, Chen C, Yang YH, Xiao J, Zhao LQ, Li JO, Cheung CY, Mise Y, Guo ZY, Du YF, Chen BB, Hu JX, Zhang K, Lin XS, Wen W, Liu YZ, Chen WR, Zhong YS, Lin HT. Screening and identifying hepatobiliary diseases through deep learning using ocular images: a prospective, multicentre study. Lancet Digit Health. 2021 Feb;3(2):e88-e97. doi: 10.1016/S2589-7500(20)30288-0.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (预期的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
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.