AI模型与非侵入性纤维化评分在MAFLD诊断中的比较 (MAFLD-AI)
2025年12月12日 更新者：Nahla Ahmed Khalaf、Tanta University
评估AI模型在MAFLD诊断中的效用：与传统非侵入性纤维化评分的比较。
本研究评估使用FibroScan和临床数据的人工智能（AI）模型在预测埃及代谢相关脂肪性肝病（MAFLD）患者肝纤维化方面的准确性。
AI模型的性能将与传统的无创纤维化评分（FIB-4、APRI、NAFLD纤维化评分和FAST）进行比较。
目标是改善纤维化的早期无创诊断，并减少对肝活检的依赖。
研究概览
研究类型
观察性的
注册 (实际的)
522
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
-
-
-
Tanta、埃及
- Faculty of Medicine
-
-
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
- 孩子
- 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
根据国际标准诊断为代谢相关脂肪性肝病（MAFLD）的成年埃及患者（年龄≥18岁），从坦塔大学医学院热带医学系的门诊和FibroScan单元招募。
描述
纳入标准：
- 成年人 ≥18岁。
根据国际标准诊断为代谢相关脂肪性肝病（MAFLD）（肝脂肪变性伴代谢功能障碍）。
有效的FibroScan评估，可获得LSM和CAP值。
排除标准：
- 过量饮酒（男性>30克/天，女性>20克/天）。
慢性病毒性肝炎（HBV或HCV）。
自身免疫性肝炎。
已知恶性肿瘤。
妊娠期。
拒绝参与。
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
研究衡量的是什么？
主要结果指标
结果测量 |
大体时间 |
|---|---|
|
评估AI模型在预测肝纤维化分期（F0-F4）中的诊断准确性
大体时间：在入组时（单次横断面评估）。
|
在入组时（单次横断面评估）。
|
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)
2025年5月13日
初级完成 (实际的)
2025年8月30日
研究完成 (实际的)
2025年11月30日
研究注册日期
首次提交
2025年12月12日
首先提交符合 QC 标准的
2025年12月12日
首次发布 (实际的)
2025年12月26日
研究记录更新
最后更新发布 (实际的)
2025年12月26日
上次提交的符合 QC 标准的更新
2025年12月12日
最后验证
2025年12月1日
更多信息
与本研究相关的术语
其他研究编号
- TANTAU-MAFLD-AI-2025-01
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
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.