基于内镜超声检查的胰腺囊性病变多模态、多类别诊断人工智能系统
2026年9月2日 更新者：Qilu Hospital of Shandong University
基于内镜超声的多模态、多类别胰腺囊性病变人工智能诊断系统
本研究旨在开发和验证一种名为iEUS-PCL（智能内镜超声系统-胰腺囊性病变）的人工智能系统，用于在内镜超声（EUS）检查期间检测和进行多模态、多类别的胰腺囊性病变（PCL）诊断。
研究概览
详细说明
这项多中心前瞻性队列研究旨在开发并验证一种名为iEUS-PCL的多模态人工智能系统，用于胰腺囊性病变（PCL）的检测与鉴别诊断。
该模型基于回顾性收集的接受超声内镜（EUS）检查患者的EUS图像、EUS特征、临床数据及影像学特征开发。
iEUS-PCL的诊断性能将通过实时EUS视频进行前瞻性评估，并与超声内镜医师的诊断表现进行对比。
研究类型
观察性的
注册 (估计的)
176
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：Zhen Li
- 电话号码：86+18560086106
- 邮箱：qilulizhen@sdu.edu.cn
学习地点
-
-
Shandong
-
Jinan、Shandong、中国、250012
- 招聘中
- Qilu Hospital of Shandong University
-
接触：
- Zhen Li, doctor
- 电话号码：86+18560086106
- 邮箱：qilulizhen@sdu.edu.cn
-
-
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
取样方法
非概率样本
研究人群
接受内镜超声检查的疑似胰腺囊性病变成年患者。
描述
纳入标准：
- 1. 年龄≥18岁，根据临床症状、病史、实验室检查或影像学检查怀疑患有胰腺囊性病变，计划进行超声内镜检查，并同意参与研究、自愿签署知情同意书的患者。
2. 既往无胰腺病变治疗史的患者。
排除标准：
- 1. 存在超声内镜检查绝对禁忌症的患者。 2. 妊娠或哺乳期。 3. 无法纠正的凝血功能障碍（PTT>50秒或INR>1.5） 和/或无法纠正的血小板减少症（血小板计数<50×10⁹/L）。 4. 上消化道梗阻。 5. 因其他胸部和/或腹部器官病变接受过胰腺手术治疗或解剖结构改变的患者，以及存在先天性解剖异常的患者。
6. 曾接受胆管/胰管支架置入术的患者。 7. 拒绝签署知情同意书的患者。
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 |
|---|---|
|
接受EUS（超声内镜）检查的患者
符合以下条件的患者可入选：年龄≥18岁，计划接受EUS检查，且根据临床症状、病史、实验室检查或放射学检查疑似存在胰腺囊性病变，同意参与研究并自愿签署知情同意书。
|
iEUS-PCL将自动检测胰腺囊性病变，并整合患者的EUS图像、EUS特征、临床数据和放射影像特征，执行三项分类任务：
|
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 |
|---|---|---|
|
iEUS-PCL对胰腺囊性病变诊断的准确性
大体时间：手术期间
|
本研究的主要结果是评估iEUS-PCL在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；4分类）方面的准确性。
|
手术期间
|
|
iEUS-PCL对胰腺囊性病变的灵敏度
大体时间：术中
|
该研究的主要结果是评估iEUS-PCL在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；4分类）中的敏感性。
|
术中
|
|
iEUS-PCL对胰腺囊性病变的特异性
大体时间：手术期间
|
本研究的主要结果是评估iEUS-PCL在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；4分类）中的特异性。
|
手术期间
|
|
iEUS-PCL对胰腺囊性病变的阳性预测值
大体时间：手术期间
|
本研究的主要结果是评估iEUS-PCL在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；4类）方面的阳性预测值。
|
手术期间
|
|
iEUS-PCL对胰腺囊性病变的阴性预测值
大体时间：术中
|
本研究的主要结局是评估iEUS-PCL在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；四分类）中的阴性预测值。
|
术中
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
iEUS-PCL与超声内镜医师准确性的比较
大体时间：手术过程中
|
该研究的次要结局是比较iEUS-PCL与不同水平的内镜超声医师在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；4分类）方面的准确性。
|
手术过程中
|
|
iEUS-PCL与超声内镜医师的敏感性对比
大体时间：术中
|
该研究的次要结局是比较iEUS-PCL与不同水平内镜超声医师在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；4分类）方面的敏感性。
|
术中
|
|
iEUS-PCL与内镜超声医师特异性比较
大体时间：术中
|
本研究的次要结局是比较iEUS-PCL与不同水平的内镜超声医师在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；四分类）方面的特异性。
|
术中
|
|
iEUS-PCL与内镜超声医师之间阳性预测值的比较
大体时间：手术期间
|
本研究的次要结局是比较iEUS-PCL与不同水平的内镜超声医师在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；4分类）方面的阳性预测值。
|
手术期间
|
|
iEUS-PCL与内镜超声医师阴性预测值比较
大体时间：手术过程中
|
本研究的次要结局是比较iEUS-PCL与不同水平的超声内镜医师在识别胰腺囊性病变（良性/恶性；黏液性/非黏液性；4分类）时的阴性预测值。
|
手术过程中
|
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。
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
- Wu HL, Yao LW, Shi HY, Wu LL, Li X, Zhang CX, Chen BR, Zhang J, Tan W, Cui N, Zhou W, Zhang JX, Xiao B, Gong RR, Ding Z, Yu HG. Validation of a real-time biliopancreatic endoscopic ultrasonography analytical device in China: a prospective, single-centre, randomised, controlled trial. Lancet Digit Health. 2023 Nov;5(11):e812-e820. doi: 10.1016/S2589-7500(23)00160-7. Epub 2023 Sep 27.
- Tian S, Shi H, Chen W, Li S, Han C, Du F, Wang W, Wen H, Lei Y, Deng L, Tang J, Zhang J, Lin J, Shi L, Ning B, Zhao K, Miao J, Wang G, Hou H, Huang X, Kong W, Jin X, Ding Z, Lin R. Artificial intelligence-based diagnosis of standard endoscopic ultrasonography scanning sites in the biliopancreatic system: a multicenter retrospective study. Int J Surg. 2024 Mar 1;110(3):1637-1644. doi: 10.1097/JS9.0000000000000995.
- Lipkova J, Chen RJ, Chen B, Lu MY, Barbieri M, Shao D, Vaidya AJ, Chen C, Zhuang L, Williamson DFK, Shaban M, Chen TY, Mahmood F. Artificial intelligence for multimodal data integration in oncology. Cancer Cell. 2022 Oct 10;40(10):1095-1110. doi: 10.1016/j.ccell.2022.09.012.
- Schulz D, Heilmaier M, Phillip V, Treiber M, Mayr U, Lahmer T, Mueller J, Demir IE, Friess H, Reichert M, Schmid RM, Abdelhafez M. Accurate prediction of histological grading of intraductal papillary mucinous neoplasia using deep learning. Endoscopy. 2023 May;55(5):415-422. doi: 10.1055/a-1971-1274. Epub 2022 Nov 2.
- Kuwahara T, Hara K, Mizuno N, Okuno N, Matsumoto S, Obata M, Kurita Y, Koda H, Toriyama K, Onishi S, Ishihara M, Tanaka T, Tajika M, Niwa Y. Usefulness of Deep Learning Analysis for the Diagnosis of Malignancy in Intraductal Papillary Mucinous Neoplasms of the Pancreas. Clin Transl Gastroenterol. 2019 May 22;10(5):1-8. doi: 10.14309/ctg.0000000000000045.
- Nguon LS, Seo K, Lim JH, Song TJ, Cho SH, Park JS, Park S. Deep Learning-Based Differentiation between Mucinous Cystic Neoplasm and Serous Cystic Neoplasm in the Pancreas Using Endoscopic Ultrasonography. Diagnostics (Basel). 2021 Jun 8;11(6):1052. doi: 10.3390/diagnostics11061052.
- Vilas-Boas F, Ribeiro T, Afonso J, Cardoso H, Lopes S, Moutinho-Ribeiro P, Ferreira J, Mascarenhas-Saraiva M, Macedo G. Deep Learning for Automatic Differentiation of Mucinous versus Non-Mucinous Pancreatic Cystic Lesions: A Pilot Study. Diagnostics (Basel). 2022 Aug 24;12(9):2041. doi: 10.3390/diagnostics12092041.
- Gheorghiu MI, Seicean A, Pojoga C, Hagiu C, Seicean R, Sparchez Z. Contrast-enhanced guided endoscopic ultrasound procedures. World J Gastroenterol. 2024 May 7;30(17):2311-2320. doi: 10.3748/wjg.v30.i17.2311.
- Huang W, Xu Y, Li Z, Li J, Chen Q, Huang Q, Wu Y, Chen H. Enhancing noninvasive pancreatic cystic neoplasm diagnosis with multimodal machine learning. Sci Rep. 2025 May 12;15(1):16398. doi: 10.1038/s41598-025-01502-4.
- Hwang J, Kim YK, Min JH, Jeong WK, Hong SS, Kim HJ. Comparison between MRI with MR cholangiopancreatography and endoscopic ultrasonography for differentiating malignant from benign mucinous neoplasms of the pancreas. Eur Radiol. 2018 Jan;28(1):179-187. doi: 10.1007/s00330-017-4926-5. Epub 2017 Aug 4.
- Jiang J, Chao WL, Cao T, Culp S, Napoleon B, El-Dika S, Machicado JD, Pannala R, Mok S, Luthra AK, Akshintala VS, Muniraj T, Krishna SG. Improving Pancreatic Cyst Management: Artificial Intelligence-Powered Prediction of Advanced Neoplasms through Endoscopic Ultrasound-Guided Confocal Endomicroscopy. Biomimetics (Basel). 2023 Oct 19;8(6):496. doi: 10.3390/biomimetics8060496.
- Oh S, Kim YJ, Park YT, Kim KG. Automatic Pancreatic Cyst Lesion Segmentation on EUS Images Using a Deep-Learning Approach. Sensors (Basel). 2021 Dec 30;22(1):245. doi: 10.3390/s22010245.
- Rangwani S, Ardeshna DR, Rodgers B, Melnychuk J, Turner R, Culp S, Chao WL, Krishna SG. Application of Artificial Intelligence in the Management of Pancreatic Cystic Lesions. Biomimetics (Basel). 2022 Jun 14;7(2):79. doi: 10.3390/biomimetics7020079.
- European Study Group on Cystic Tumours of the Pancreas. European evidence-based guidelines on pancreatic cystic neoplasms. Gut. 2018 May;67(5):789-804. doi: 10.1136/gutjnl-2018-316027. Epub 2018 Mar 24.
- Elta GH, Enestvedt BK, Sauer BG, Lennon AM. ACG Clinical Guideline: Diagnosis and Management of Pancreatic Cysts. Am J Gastroenterol. 2018 Apr;113(4):464-479. doi: 10.1038/ajg.2018.14. Epub 2018 Feb 27.
- Vilela A, Quingalahua E, Vargas A, Hawa F, Shannon C, Carpenter ES, Shi J, Krishna SG, Lee UJ, Chalhoub JM, Machicado JD. Global Prevalence of Pancreatic Cystic Lesions in the General Population on Magnetic Resonance Imaging: A Systematic Review and Meta-analysis. Clin Gastroenterol Hepatol. 2024 Sep;22(9):1798-1809.e6. doi: 10.1016/j.cgh.2024.02.018. Epub 2024 Feb 28.
- Kloth C, Haggenmuller B, Beck A, Wagner M, Kornmann M, Steinacker JP, Steinacker-Stanescu N, Vogele D, Beer M, Juchems MS, Schmidt SA. Diagnostic, Structured Classification and Therapeutic Approach in Cystic Pancreatic Lesions: Systematic Findings with Regard to the European Guidelines. Diagnostics (Basel). 2023 Jan 26;13(3):454. doi: 10.3390/diagnostics13030454.
- Tian G, Xu D, He Y, Chai W, Deng Z, Cheng C, Jin X, Wei G, Zhao Q, Jiang T. Deep learning for real-time auxiliary diagnosis of pancreatic cancer in endoscopic ultrasonography. Front Oncol. 2022 Oct 7;12:973652. doi: 10.3389/fonc.2022.973652. eCollection 2022.
- Qin X, Ran T, Chen Y, Zhang Y, Wang D, Zhou C, Zou D. Artificial Intelligence in Endoscopic Ultrasonography-Guided Fine-Needle Aspiration/Biopsy (EUS-FNA/B) for Solid Pancreatic Lesions: Opportunities and Challenges. Diagnostics (Basel). 2023 Sep 26;13(19):3054. doi: 10.3390/diagnostics13193054.
- Goyal H, Sherazi SAA, Gupta S, Perisetti A, Achebe I, Ali A, Tharian B, Thosani N, Sharma NR. Application of artificial intelligence in diagnosis of pancreatic malignancies by endoscopic ultrasound: a systemic review. Ther Adv Gastroenterol. 2022 Apr 29;15:17562848221093873. doi: 10.1177/17562848221093873. eCollection 2022.
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)
2026年4月20日
初级完成 (估计的)
2028年6月30日
研究完成 (估计的)
2028年6月30日
研究注册日期
首次提交
2026年4月15日
首先提交符合 QC 标准的
2026年4月15日
首次发布 (实际的)
2026年4月21日
研究记录更新
最后更新发布 (实际的)
2026年9月3日
上次提交的符合 QC 标准的更新
2026年9月2日
最后验证
2026年9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.