通过胃镜检查集成神经网络获得山级知识 (HillKING)
使用人工智能在胃镜检查过程中实时确定山坡等级
研究概览
详细说明
客观的:
本研究的主要目标是比较基于人工智能 (AI) 的系统和执行检查的医生在胃镜检查过程中确定 Hill 分类的准确性。 次要结果包括评估每个类别的准确性和其他统计指标,例如精确度、召回率和 f1 分数。
学习规划:
单中心、内窥镜盲法研究。 先前研究中考虑的模型的平均准确度为 88%。 所有参与者最初都参加了一场讲座,以复习有关希尔分类的知识。 随后,医生被要求提供测试图像的 Hill 分类,专家注释图像描绘了不同的 Hill 等级,平均准确度达到 72%。 因此需要 127 次配对测量。 考虑到患者退出,至少需要招募 159 名患者。 在内窥镜检查期间检查瓣膜时,医生需要存储后屈期间瓣膜的图像,这是标准程序的一部分,并根据该图像确定 Hill 分类。 AI 模型在此图像上的预测被视为模型输出,并被视为模型的输出。 由三名内窥镜专家组成的小组根据多数票决定每幅图像的希尔分类,这被视为黄金标准。
AI设置和限制:
人工智能不存在任何限制。 该方法对记录进行逐帧分析。 这些图像是从基于人工智能的系统中解析出来的,以获得预测。 该方法所需的唯一交互是按下按钮以启动检查记录过程,并按下第二个按钮以终止记录。 这分别在考试开始和结束时进行。 本研究中使用的模型是初步研究中报告的模型的更新版本,该模型已使用更多数据以及辅助输出进行训练,用于预测 Hill 分类是否与显示的图像相关。
研究人群:
所有被指定进行胃镜检查但不符合排除标准的成年患者都将被要求获得知情同意。 排除标准包括以前的手术干预或改变的解剖结构妨碍了瓣阀的正确检查、未检查瓣阀的检查以及专家委员会未产生多数票的检查。
干涉:
医生照常进行检查。 检查瓣阀后,医生会像往常一样拍摄检查图像,并给出 Hill 等级的评估。 同一图像的模型输出被视为模型预测。 医生对模型的预测视而不见。
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名:Alexander Hann, Professor
- 电话号码:+49 931 201-45918
- 邮箱:hann_a@ukw.de
学习地点
-
-
Bayern
-
Würzburg、Bayern、德国、97080
- 招聘中
- Universitätsklinikum Würzburg
-
接触:
- Alexander Hann, Prof. Dr. med.
- 电话号码:+49 931 201-45918
- 邮箱:Hann_A@ukw.de
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 成年患者(>18岁)
- 预约胃镜检查
排除标准:
考试级别
- 以前的手术干预或改变的解剖结构妨碍了瓣阀的正确检查
- 未检查瓣阀
数据级别:
- 瓣阀检查期间的图像未存储
- 专家委员会未获得多数票
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 |
---|---|
实验:干预臂
研究中的所有患者都包含在干预组中:Hill 分类由医生和 AI 方法确定。
|
EndoMind 系统配备了人工智能模型,用于预测胃镜检查期间的 Hill 等级。
|
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 |
---|---|---|
医生希尔分类和人工智能方法评估的准确性。
大体时间:通过学习完成,平均需要5个月
|
医生与人工智能正确和错误预测的二元评估。
|
通过学习完成,平均需要5个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
医生和人工智能方法对每个 Hill 等级的评估准确性。
大体时间:通过学习完成,平均需要5个月
|
描述:每个特定 Hill 类别的正确和错误预测。
|
通过学习完成,平均需要5个月
|
内窥镜医师和人工智能方法对每个山的评估的精确度和召回率。
大体时间:通过学习完成,平均需要5个月
|
四个不同 Hill 类别中每个类别 (1v0) 的精确度和召回率统计数据。
|
通过学习完成,平均需要5个月
|
标签评估与金标准标签的距离。
大体时间:通过学习完成,平均需要5个月
|
金标准标签与医生和AI方法分配的标签之间的距离比较。
|
通过学习完成,平均需要5个月
|
合作者和调查者
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
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.