多模态内窥镜图像融合评估浅表食管鳞状细胞癌的浸润情况
2024年5月10日 更新者:Changhai Hospital
基于多模态内镜和弱监督深度学习——早期食管鳞癌浸润深度精准预测研究
该项目的目标是开创一种新的方案,用于早期食管癌及其癌前病变的辅助筛查。 预期的成果包括简化用户的培训过程、缩短检查时间以及比目前的超声技术更精确地评估食管癌侵袭的程度。 该研究致力于利用超声内镜(EUS)和放大内窥镜的协同作用,并通过人工智能(AI)的模式识别和关联能力增强,来检测早期食管鳞状细胞癌及其侵袭性,以及高级别上皮内瘤变。 总体目标是确定这种方法在食管癌早期检测中的潜力和意义。
该项目的主要目标是开发三种不同的人工智能辅助诊断系统:
人工智能驱动的电子内窥镜诊断系统,旨在自主识别病变。
基于人工智能的 EUS 诊断系统能够自动描绘受影响的区域。
一种将电子内窥镜与 EUS 相结合的多模式诊断框架,以提高诊断准确性和效率。
研究概览
详细说明
该研究分两个不同的阶段进行。
初始阶段被指定为建模阶段(第一阶段),对来自海军军医大学第一附属医院、四川大学华西医院、山东省立医院等医疗机构联合体的合格受试者进行回顾性分析第一医科大学、苏州大学第一附属医院、河南科技大学第一附属医院、石河子大学第一附属医院,均在2024年1月1日前入选。
第二阶段被称为真实世界评估阶段(第 2 阶段),前瞻性地招募了计划于 2024 年 4 月至 2024 年 6 月期间在上述医院接受磁力内窥镜检查和 EUS 的连续患者。
研究类型
观察性的
注册 (估计的)
450
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。
学习联系方式
- 姓名:Luowei Wang
- 电话号码:86-21-31161337
- 邮箱:wangluoweimd@smmu.edu.cn
学习地点
-
-
-
Shanghai、中国
- Changhai Hospital
-
接触:
- Han Lin
- 邮箱:babyhan831@aliyun.com
-
-
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
- 成人
- 年长者
接受健康志愿者
不适用
取样方法
非概率样本
研究人群
该研究分两个阶段进行。
初始阶段为建模阶段(第一阶段),纳入2024年1月1日前来自海军军医大学第一附属医院等六家医院的患者。
第二阶段称为真实世界评估阶段(第 2 阶段),前瞻性地招募了计划于 2024 年 4 月至 6 月期间在上述医院接受放大内窥镜检查和 EUS 的连续患者。
描述
纳入标准:
需要放大内窥镜检查和内窥镜超声检查的患者。 年满 18 岁或以上的任何性别的个人。
排除标准:
无法完成食管电子内窥镜检查。 缺乏活检或手术,导致无法获得病理结果。 接受内镜下病灶破坏或分段切除术,无法获得整块切除样本的患者。
具有明显内镜、影像或病理证据的晚期食管癌患者。
患者有明显的食管狭窄或扩张症状。 有其他恶性肿瘤病史的人。 接受过新辅助放疗的患者。 拒绝参加研究且未提供知情同意书的患者。
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 |
---|---|
食管鳞状上皮低度上皮内瘤变
|
获得的放大内窥镜和内窥镜超声图像与人工智能共享,用于机器学习、诊断建模和优化。
在现实世界评估阶段,前瞻性纳入了计划接受食管电子内镜检查的早期食管癌高危人群。
术前利用人工智能辅助诊断系统进行预测,以术后病理结果为金标准进行分组诊断。
|
食管鳞状上皮高级别上皮内瘤变
|
获得的放大内窥镜和内窥镜超声图像与人工智能共享,用于机器学习、诊断建模和优化。
在现实世界评估阶段,前瞻性纳入了计划接受食管电子内镜检查的早期食管癌高危人群。
术前利用人工智能辅助诊断系统进行预测,以术后病理结果为金标准进行分组诊断。
|
T1a期食管鳞状细胞癌
|
获得的放大内窥镜和内窥镜超声图像与人工智能共享,用于机器学习、诊断建模和优化。
在现实世界评估阶段,前瞻性纳入了计划接受食管电子内镜检查的早期食管癌高危人群。
术前利用人工智能辅助诊断系统进行预测,以术后病理结果为金标准进行分组诊断。
|
T1b期食管鳞状细胞癌
|
获得的放大内窥镜和内窥镜超声图像与人工智能共享,用于机器学习、诊断建模和优化。
在现实世界评估阶段,前瞻性纳入了计划接受食管电子内镜检查的早期食管癌高危人群。
术前利用人工智能辅助诊断系统进行预测,以术后病理结果为金标准进行分组诊断。
|
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 |
---|---|---|
低级别上皮内瘤变、高级别上皮内瘤变和浅表性食管鳞癌模型的诊断性能
大体时间:2024.04.01-2024.10.30
|
内镜粘膜下剥离术 (ESD) 是金标准。
敏感性和特异性的计算涉及使用四个基本指标:真阳性 (TP)、真阴性 (TN)、假阴性 (FN) 和假阳性 (FP)。
随后,利用曲线下面积(AUC)来评估模型的诊断功效。
|
2024.04.01-2024.10.30
|
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 (估计的)
2024年5月15日
初级完成 (估计的)
2024年8月30日
研究完成 (估计的)
2024年10月30日
研究注册日期
首次提交
2024年5月6日
首先提交符合 QC 标准的
2024年5月10日
首次发布 (实际的)
2024年5月14日
研究记录更新
最后更新发布 (实际的)
2024年5月14日
上次提交的符合 QC 标准的更新
2024年5月10日
最后验证
2024年5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.