此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

针对口腔潜在恶性疾病和口腔癌筛查的基于智能手机的深度学习系统的应用和验证

2025年3月2日 更新者:National Taiwan University Hospital

针对口腔潜在恶性疾病(OPMD)和口腔癌筛查的基于智能手机的深度学习系统的应用和验证

这项临床试验的目的是学习基于智能手机的深度学习系统是否可以准确检测成人口腔潜在的恶性疾病和口腔癌。 它还将了解它是否与牙医和未认证的健康提供商进行的评估一样有效。

我们预计深度学习系统将在检测口腔潜在的恶性疾病和口腔癌方面具有更高的敏感性,因为作为牙医和未经认证的健康提供者,在筛查中将表现出更高的特异性。

参与者将分为三个武器:深度学习系统(ARM A)或具有深度学习系统(ARM B)的董事会认证的牙医或具有深度学习系统(ARM C)的未认证的健康提供者(全科医生)。

匿名问卷记录了口腔癌危险因素,例如吸烟习惯或咀嚼槟榔或饮酒的习惯。

研究概览

详细说明

背景:

口腔癌仍然是台湾和全球与癌症相关死亡的主要原因之一。 人工智能有可能改善口腔癌筛查,通过解决高质量解决方案的医疗保健访问问题来提早发现。

客观的:

为了验证基于智能手机的深度学习系统在检测口服潜在恶性疾病(OPMD)和口腔癌方面的准确性,同时也证明它与牙医和未认证的健康提供者进行的评估一样有效。

方法:

设计,设置和参与者:在2025年1月至2025年12月之间,将在台湾北部的一个医疗中心进行开放的三臂随机对照试验。 该试验将包括18岁以上的受试者,他们访问了各种筛查的癌症筛查中心。 匿名问卷记录了口腔癌危险因素,例如吸烟习惯或咀嚼槟榔或饮酒的习惯。

干预措施:使用计算机生成的随机化算法与深度学习系统(ARM A)或具有深度学习系统(ARM B)或未认证的健康提供者(总从业者)使用计算机生成的随机化算法(ARM A)或董事会认证的牙医,将符合条件的受试者以1:1:1的比率进行随机分配。 ARM B和C中的深度学习系统只能用于随后的比较,并且不会有助于手动解释。

主要结果和措施:主要结果是深度学习系统,牙医和未认证的健康提供者的三个推荐等级(良性(绿色),潜在的恶性(黄色)和恶性(红色))的敏感性和特异性。 还将计算每个接收器操作特性(ROC)曲线下曲线下的面积(AUC)。 次要结果是受试者在考试期间舒适性的反馈以及评估所需的时间。

预期结果:

我们假设深度学习系统在检测OPMD和口腔癌方面具有更高的敏感性,而牙医和全科医生将在筛查中表现出更高的特异性。 结果可以帮助我们增强口腔癌筛查促进过程。

研究类型

介入性

注册 (估计的)

954

阶段

  • 不适用

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

研究联系人备份

  • 姓名:Shao-Yi Cheng, MD, MSc, DrPH
  • 电话号码:266823 +886-2312-3456
  • 邮箱:scheng2140@gmail.com

学习地点

      • Taipei、台湾、100229
        • Department of Family Medicine, National Taiwan University Hospital
        • 接触:
        • 接触:
        • 接触:
          • Yi-Hsuan Lee, MD, MPH

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

是的

描述

纳入标准:

  • 成人患者(≥18岁)参观癌症筛查中心

排除标准:

  • 无法合作以完全张开嘴/导航舌头
  • 无法合作进行评估

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

  • 主要用途:放映
  • 分配:随机化
  • 介入模型:并行分配
  • 屏蔽:无(打开标签)

武器和干预

参与者组/臂
干预/治疗
实验性的:一个
深度学习系统
基于智能手机的深度学习系统通过2006年至2013年间收集的50,000多个白色宏观图像的数据集进行了培训,以开发Yolov7模型。 病变分为三个推荐等级:良性(绿色),潜在的恶性(黄色)和恶性(红色)。
有源比较器:B
深度学习系统的董事会认证牙医
基于智能手机的深度学习系统通过2006年至2013年间收集的50,000多个白色宏观图像的数据集进行了培训,以开发Yolov7模型。 病变分为三个推荐等级:良性(绿色),潜在的恶性(黄色)和恶性(红色)。
有源比较器:C
深度学习系统的未认证的健康提供者(全科医生)
基于智能手机的深度学习系统通过2006年至2013年间收集的50,000多个白色宏观图像的数据集进行了培训,以开发Yolov7模型。 病变分为三个推荐等级:良性(绿色),潜在的恶性(黄色)和恶性(红色)。

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
有效性和准确性
大体时间:在6个月内
主要结果是深度学习系统,牙医和未认证的健康提供者对三个推荐等级(绿色,黄色和红色)的敏感性和特异性。 还将计算每个接收器操作特性(ROC)曲线下曲线下的面积(AUC)。
在6个月内

次要结果测量

结果测量
措施说明
大体时间
问卷
大体时间:在6个月内
次要结果是受试者在通过视觉模拟量表(VAS)评估的考试期间对舒适性的反馈(10分)。 还将记录筛查所需的时间以评估效率。
在6个月内

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。

调查人员

  • 学习椅:Shao-Yi Cheng, MD, MSc, DrPH、Department of Family Medicine, College of Medicine and Hospital, National Taiwan University

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

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)

2025年3月1日

初级完成 (估计的)

2025年10月1日

研究完成 (估计的)

2025年12月1日

研究注册日期

首次提交

2025年3月2日

首先提交符合 QC 标准的

2025年3月2日

首次发布 (实际的)

2025年3月25日

研究记录更新

最后更新发布 (实际的)

2025年3月25日

上次提交的符合 QC 标准的更新

2025年3月2日

最后验证

2025年2月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

未定

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

在美国制造并从美国出口的产品

不

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.

订阅