人工智能解决胃癌的缺失（瞄准） (GAIN)
胃癌和人工智能：国家级项目
我们的目标项目包括四个核心工作包（WPS）：WP1。 国家级随机对照试验； WP2。 开发创新的AI工具； WP3。 新型的微观仿真； WP4。 患者包容。
民族级别的多中心串联随机对照试验（WP1）将有助于更好地理解实时AI算法如何降低胃镜期间胃癌早期胃癌和发育不良的率。 此外，创新项目将有助于开发一种新型的AI工具（WP2），该工具可以通过识别体内癌前状况来分层胃癌的风险。 此外，微仿真建模将使我们能够预测AI的使用如何预防胃癌并影响成本和患者的负担。 对收益和危害之间的平衡评估至关重要，特别是对于这种类型的医疗设备，由于利益相关者的热情有时会高估创新工具的价值（WP3）。 最后，我们将通过在WP1、2和3（WP4）中包括患者组织来照顾整个研究项目的患者观点。
研究概览
研究类型
注册 (估计的)
阶段
- 不适用
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
描述
纳入标准：
- 所有> 60岁的患者接受高胃肠道上镜（GI）内窥镜检查，以供胃癌高风险的适应症。
排除标准：
- 上GI内窥镜检查的禁忌症。
- 活检的禁忌症。
- 主动上GI出血或紧急上GI内窥镜检查。
- 先前涉及胃的上GI手术的患者。
- 无法或拒绝给予知情书面同意的患者。
学习计划
研究是如何设计的？
设计细节
- 主要用途：预防
- 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 |
|---|---|
|
无干预：平行臂1
患者将接受标准的高清和高质量上消化道内窥镜检查，根据悉尼系统进行组织学绘图来检测胃部病变
|
|
|
有源比较器：平行臂2
患者将在实时人工智能的实时辅助下接受高清、高质量的上消化道内窥镜检查，以发现早期胃癌和胃发育不良。
|
两种新型深度学习系统，一种用于内窥镜检查，一种用于病理学，将接受训练和验证，用于诊断胃萎缩和化生，包括胃萎缩和化生的范围和严重程度。 这两种算法都将针对训练阶段未使用的情况进行验证。 大约，分区将是5比1。 通过开发胃癌从不典型增生到早期和晚期癌症自然史的马尔可夫模型，以及 GS 对其自然史的影响，模拟人工智能辅助胃癌早期诊断的益处和危害。 这也将模拟提前期和时间长度偏差的潜在影响。 这些数据将被纳入模拟模型中，以便将它们纳入是否应向卫生系统推荐人工智能辅助胃癌检测的决策过程中。 |
|
其他：交叉臂 1（控制）
患者将同时接受两次标准的高清和高质量上消化道内窥镜检查：第一次没有人工智能辅助，第二次有人工智能，以确定标准无辅助上消化道内窥镜检查的漏诊率。
|
两种新型深度学习系统，一种用于内窥镜检查，一种用于病理学，将接受训练和验证，用于诊断胃萎缩和化生，包括胃萎缩和化生的范围和严重程度。 这两种算法都将针对训练阶段未使用的情况进行验证。 大约，分区将是5比1。 通过开发胃癌从不典型增生到早期和晚期癌症自然史的马尔可夫模型，以及 GS 对其自然史的影响，模拟人工智能辅助胃癌早期诊断的益处和危害。 这也将模拟提前期和时间长度偏差的潜在影响。 这些数据将被纳入模拟模型中，以便将它们纳入是否应向卫生系统推荐人工智能辅助胃癌检测的决策过程中。 |
|
有源比较器：交叉臂2
患者将同时接受两次标准的高清和高质量上消化道内窥镜检查：第一次有人工智能辅助，第二次没有人工智能，以确定实施人工智能辅助时漏诊率的降低。
|
两种新型深度学习系统，一种用于内窥镜检查，一种用于病理学，将接受训练和验证，用于诊断胃萎缩和化生，包括胃萎缩和化生的范围和严重程度。 这两种算法都将针对训练阶段未使用的情况进行验证。 大约，分区将是5比1。 通过开发胃癌从不典型增生到早期和晚期癌症自然史的马尔可夫模型，以及 GS 对其自然史的影响，模拟人工智能辅助胃癌早期诊断的益处和危害。 这也将模拟提前期和时间长度偏差的潜在影响。 这些数据将被纳入模拟模型中，以便将它们纳入是否应向卫生系统推荐人工智能辅助胃癌检测的决策过程中。 |
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 |
|---|---|---|
|
降低失误率
大体时间：2025 年：入学 12 个月
|
使用人工智能辅助（串联）时上消化道内镜检查早期胃癌和发育异常病变漏检率的变化。
|
2025 年：入学 12 个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
更改检测数量
大体时间：1天程序并随访2年
|
使用人工智能辅助时，上消化道内镜检查早期胃癌和发育异常病变的检测发生变化（平行）。
|
1天程序并随访2年
|
|
患者满意度
大体时间：2025年：12个月入学期间
|
通过问卷调查评估患者对人工智能技术用于胃部病变检测和表征的可接受性、满意度和耐受性。
|
2025年：12个月入学期间
|
合作者和调查者
研究记录日期
研究主要日期
学习开始 (估计的)
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.