跳至主要内容
临床试验/ChiCTR2400087297
ChiCTR2400087297尚未招募Unknown

构建基于超声内镜的多模态人工智能模型用于胰腺占位性病变诊断

未提供3 个研究点 分布在 1 个国家开始时间: 2024年8月1日最近更新:

试验速览

阶段
Unknown
状态
尚未招募
试验地点
3
主要终点
灵敏度

研究概览

简要总结

在临床实践中,超声用于疾病的诊断往往需要联合 B-model、多普勒血流、或谐波造影等模态图像信息进行综合判断。目前通过超声多模态图像,成功建立了 AI 模型预判乳腺病变的恶性程度。而尚未有通过 EUS 多模态图像特征的 AI 模型诊断胰腺占位性病变的报道。我们拟通过全国多中心的 EUS 图像数据库,以深度学习的多模态人工智能建模判断胰腺肿瘤的性质。

研究设计

研究类型
Observational

入排标准

年龄范围
18 至 100(—)
性别
All

入选标准

  • 1)年龄>18 岁,男女均可;
  • 2)在 2012 年 1 月-2024 年 4 月期间行纵轴 EUS 检查发现胰腺占位患者;
  • 3)有完整的 EUS 扫查图像或视频电子文件;
  • 4)进一步行活检(EUS、CT 或术中)或手术获得明确病理诊断;
  • 5)怀疑良性疾病需随访 1 年以上,病变退缩或无进展,无临床恶性依据;
  • 6)病理诊断包括以下:胰腺导管腺癌、胰腺炎性肿块、胰腺神经内分泌肿瘤、胰腺实性假乳头状瘤、胰腺导管内乳头状瘤、胰腺粘液性肿瘤、胰腺浆液性囊腺瘤、胰腺转移性癌、胰内副脾等。

排除标准

  • 无法提供清晰图像进行病变区域识别标准。

结局指标

主要结局

灵敏度

特异度

准确率

曲线下面积

次要结局

未报告次要终点

研究者

发起方
未提供

研究点 (3)

Loading locations...

相似试验