ChiCTR2400082633尚未招募诊断试验新技术临床试验
慢性萎缩性胃炎内镜下分型的人工智能模型的临床验证
陆军军医大学优秀人才库重点扶持对象匹配科研经费3 个研究点 分布在 1 个国家开始时间: 2024年4月10日最近更新:
适应症
试验速览
- 阶段
- 诊断试验新技术临床试验
- 状态
- 尚未招募
- 发起方
- 试验地点
- 3
- 主要终点
- 准确率
研究概览
简要总结
对既往所构建的识别 CAG 并做出木村-竹本分型诊断的 AI 模型进行临床检验，观察该模型在诊断 CAG 严重程度的准确率能否满足临床需求，是否优于内镜初学者且不劣于高年资的内镜专家，以协助内镜医生对于胃黏膜的萎缩及其严重程度作出诊断，达到同质化诊断的要求，从而提升医疗质量。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 诊断试验诊断准确性
入排标准
- 年龄范围
- 18 至 80（—）
- 性别
- All
入选标准
- •验证 AI 模型临床效能所需病例的纳入标准：
- •①完成无痛苦电子胃镜检查的患者（因为考虑到阴性验证，所以将标准定义为完成无痛苦电子胃镜检查的）
- •②患者年龄大于或等于 18 岁并签署知情同意书
- •③内镜系统内保有完整的腔内图片或视频资料
- •④内镜医生能准确识别患者的图像所拍到的部位以及准确判断是否存在胃黏膜萎缩，胃粘膜皱襞暴露充分
- •验证 AI 模型临床效能所需内镜医生的纳入标准：
- •内镜初学者：能独立规范地完成胃镜检查操作，完成胃镜检查操作不超过 1000 例
- •高年资内镜专家：能独立规范地完成胃镜检查操作，完成胃镜检查操作超过 10000 例
排除标准
- •①未顺利完成无痛苦电子胃镜检查的
- •②年龄不满 18 岁或未签署知情同意书
- •③内镜系统没有的腔内图像或视频资料
- •④所采集的图像清晰度欠佳，图像欠清晰，存在模糊
- •⑤所采集的图像不能被内镜医生准确判断所拍摄的部位及是否存在萎缩
结局指标
主要结局
准确率
次要结局
未报告次要终点
研究者
研究点 (3)
Loading locations...
相似试验
Unknown
不适用
慢性萎缩性胃炎 AI 诊断模型的效能研究ChiCTR2500100953自选课题（自筹）
Unknown
不适用
基于深度学习的慢性萎缩性胃炎诊断模型在胃镜检查实时视频监控中的应用与研究慢性萎缩性胃炎ChiCTR2100044458宣武医院
Unknown
不适用
人工智能大数据在诊断慢性萎缩性胃炎及消化道恶性肿瘤中的应用：一项基于病案记录的回顾性研究ChiCTR-DRD-17012005首都医科大学附属北京友谊医院
Unknown
不适用
自身免疫性胃炎内镜图像人工智能辅助诊断系统的研发自身免疫性胃炎ChiCTR23000788112023 年北京医院医工专项
尚未招募
Unknown
一项基于深度学习的辅助诊断系统对提高肠上皮化生分级诊断准确度的有效性研究肠上皮化生ChiCTR2300067901