EUS 中的人工智能诊断胰腺实性病变
2024年4月2日 更新者：Bin Cheng、Huazhong University of Science and Technology
利用人工智能开发经训练可区分胰腺癌与其他胰腺实体病变的 EUS 卷积神经网络模型
我们的目标是开发一种 EUS-AI 模型，该模型可以通过分析 EUS 图片和患者的临床参数来促进临床诊断。
研究概览
详细说明
由于其高空间分辨率，EUS 被认为是检测胰腺实性病变比 CT 更敏感的方式。
然而，诊断性能在很大程度上取决于从业者的经验和技术能力。
因此，我们的目标是开发一种基于卷积神经网络（一种人工智能技术）的客观 EUS 诊断模型。
此外，该人工智能模型还添加了风险因素、肿瘤生物标志物和放射学检查结果等临床参数，以模拟实际的临床诊断程序并提高该模型的性能。
研究类型
观察性的
注册 (实际的)
130
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
-
-
Hubei
-
Wuhan、Hubei、中国、430030
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
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 及以上 (成人、年长者)
接受健康志愿者
不
取样方法
非概率样本
研究人群
该队列将选自华中科技大学同济医学院同济医院。
描述
纳入标准：
- 自 2014 年以来在我们的附属机构中使用曲线阵列回声内窥镜（GF-UCT260；奥林巴斯医疗系统）接受 EUS 的患者。
- 对于每位患者，包括所有可用的原生 EUS 图片。
- 患者的诊断通过手术结果或细针穿刺 (FNA) 结果得到验证，并且具有相容的临床病程以及超过 6 个月的随访期。
排除标准：
- 图像质量差。
- 这些图像包含独特的标记，可能会使模型产生偏差，例如活检针。
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
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
胰腺EUS
自 2014 年以来，具有正常胰腺或胰腺实性病变的 EUS 照片的患者已被纳入该队列。
|
测试子集（约占患者总数的 20%）保留用于 EUS-AI 模型的最终评估。
测试子集中每个患者的临床参数和EUS图片将被输入到训练好的EUS-AI模型中，模型将给出最可能的诊断。
|
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 |
|---|---|---|
|
该模型区分胰腺癌与其他胰腺实体病变的能力
大体时间：EUS-AI模型训练过程完成后
|
接受者操作特征 (ROC) 分析、敏感性、特异性、准确性、阳性预测值和阴性预测值将用于评估模型的有效性。
|
EUS-AI模型训练过程完成后
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
该模型能够指定胰腺癌、CP、AIP 和 NET 等胰腺实体病变
大体时间：EUS-AI模型训练过程完成后
|
接受者操作特征 (ROC) 分析、敏感性、特异性、准确性、阳性预测值和阴性预测值将用于评估模型的有效性。
|
EUS-AI模型训练过程完成后
|
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)
2022年7月1日
初级完成 (实际的)
2023年6月30日
研究完成 (实际的)
2024年1月24日
研究注册日期
首次提交
2022年7月25日
首先提交符合 QC 标准的
2022年7月25日
首次发布 (实际的)
2022年7月27日
研究记录更新
最后更新发布 (实际的)
2024年4月3日
上次提交的符合 QC 标准的更新
2024年4月2日
最后验证
2024年4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.