免费获得国外相关药品，最快 1 个工作日回馈药物信息
出境医 / 临床实验 / 恢复性预切除术（Pouchvision）患者袋镜的图像识别中的人工智能识别
恢复性预切除术（Pouchvision）患者袋镜的图像识别中的人工智能识别
研究描述
简要摘要：
人工智能在恢复性促结肠切除术患者的袋镜检查中的应用可能会改善袋炎和肿瘤的诊断。这项试验研究的目的是开发用于小袋镜检查的卷积神经网络算法
| 病情或疾病 | 干预/治疗 |
|---|---|
| 小袋，回肠 | 诊断测试：用于图像识别的人工智能 |
详细说明：
恢复性前结肠切除术是治疗炎症性肠病中难治性严重结肠炎的标准程序，以及癌症预防性治疗患有结肠癌炎性肠病患者和家族性腺瘤性念珠菌结肠（FAP）患者的标准程序。小袋镜检查可用于监测治疗的成功并检测并发症，例如囊炎或肿瘤。人工智能辅助图像识别计划可以支持审查员在培训中寻找诊断和培训医生，在研究背景下对内窥镜检查结果进行客观化，并可能使活检不必要，从而节省成本。迄今为止，尚未证明人工智能在袋镜检查中的应用。这项研究的目的是开发一种图像识别算法，可可靠地检测到袋炎症的不同渐进。这需要使用最大可能数量的图像数据对图像识别程序的培训和微调，这将从UMM和Theresienkrankenhaus Mannheim的图像数据库中募集。将在独立队列上进行统计评估的测试运行。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 500名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 回顾 |
| 官方标题： | 恢复性预切除术患者的图像识别袋镜的人工智能识别 |
| 估计研究开始日期 ： | 2021年6月1日 |
| 估计初级完成日期 ： | 2022年6月1日 |
| 估计 学习完成日期 ： | 2022年12月1日 |
武器和干预措施
| 小组/队列 | 干预/治疗 |
|---|---|
| 带回肠袋的恢复性结肠切除术 带回肠囊的恢复性结肠切除术患者，他们接受袋镜检查囊炎或肿瘤的患者 | 诊断测试：用于图像识别的人工智能 这项研究的目的是开发一种图像识别算法，该算法可靠地检测到小袋炎症和肿瘤的不同渐变 |
结果措施
主要结果指标 ：
- AI与内窥镜医生[时间范围：在应用AI算法后立即或内镜医生评估内窥镜图像后立即]袋镜检查中的AI与评估对袋炎的检测
- AI与病理学家[时间范围：在应用AI算法后立即或评估病理学家袋活检的显微镜图像]囊镜检查中AI与病理学家检测小袋炎
资格标准
| 符合研究资格的年龄： | 18岁以上（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 不 |
| 采样方法： | 概率样本 |
研究人群
带回肠囊的恢复性尿结肠切除术后炎症性肠病和状态的成年患者可能会在小袋中患上囊炎或肿瘤。
标准
联系人和位置
联系人
| 联系人：丹尼尔·施密茨（Daniel Schmitz），博士 | +496214245575 | d.schmitz@theresienkrankenhaus.de | |
| 联系人：彼得·基恩（Peter Kienle），博士 | +496214244252 | p.kienle@theresienkrankenhaus.de |
赞助商和合作者
Theresienkrankenhaus und St. Hedwig-Klinik GmbH
曼海姆大学
调查人员
| 首席研究员： | 丹尼尔·施密茨（Daniel Schmitz）博士 | 海德堡大学Theresienkrankenhaus Mannheim |
| 追踪信息 | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 首先提交日期 | 2021年4月21日 | ||||||||
| 第一个发布日期 | 2021年4月29日 | ||||||||
| 最后更新发布日期 | 2021年4月29日 | ||||||||
| 估计研究开始日期 | 2021年6月1日 | ||||||||
| 估计初级完成日期 | 2022年6月1日（主要结果度量的最终数据收集日期） | ||||||||
| 当前的主要结果指标 |
| ||||||||
| 原始主要结果指标 | 与电流相同 | ||||||||
| 改变历史 | 没有发布更改 | ||||||||
| 当前的次要结果指标 | 不提供 | ||||||||
| 原始的次要结果指标 | 不提供 | ||||||||
| 当前其他预先指定的结果指标 | 不提供 | ||||||||
| 其他其他预先指定的结果指标 | 不提供 | ||||||||
| 描述性信息 | |||||||||
| 简短标题 | 恢复性预切除术患者的图像识别袋镜的人工智能识别 | ||||||||
| 官方头衔 | 恢复性预切除术患者的图像识别袋镜的人工智能识别 | ||||||||
| 简要摘要 | 人工智能在恢复性促结肠切除术患者的袋镜检查中的应用可能会改善袋炎和肿瘤的诊断。这项试验研究的目的是开发用于小袋镜检查的卷积神经网络算法 | ||||||||
| 详细说明 | 恢复性前结肠切除术是治疗炎症性肠病中难治性严重结肠炎的标准程序，以及癌症预防性治疗患有结肠癌炎性肠病患者和家族性腺瘤性念珠菌结肠（FAP）患者的标准程序。小袋镜检查可用于监测治疗的成功并检测并发症，例如囊炎或肿瘤。人工智能辅助图像识别计划可以支持审查员在培训中寻找诊断和培训医生，在研究背景下对内窥镜检查结果进行客观化，并可能使活检不必要，从而节省成本。迄今为止，尚未证明人工智能在袋镜检查中的应用。这项研究的目的是开发一种图像识别算法，可可靠地检测到袋炎症的不同渐进。这需要使用最大可能数量的图像数据对图像识别程序的培训和微调，这将从UMM和Theresienkrankenhaus Mannheim的图像数据库中募集。将在独立队列上进行统计评估的测试运行。 | ||||||||
| 研究类型 | 观察 | ||||||||
| 学习规划 | 观察模型：队列 时间视角：回顾 | ||||||||
| 目标随访时间 | 不提供 | ||||||||
| 生物测量 | 不提供 | ||||||||
| 采样方法 | 概率样本 | ||||||||
| 研究人群 | 带回肠囊的恢复性尿结肠切除术后炎症性肠病和状态的成年患者可能会在小袋中患上囊炎或肿瘤。 | ||||||||
| 健康）状况 | 小袋，回肠 | ||||||||
| 干涉 | 诊断测试：用于图像识别的人工智能 这项研究的目的是开发一种图像识别算法，该算法可靠地检测到小袋炎症和肿瘤的不同渐变 | ||||||||
| 研究组/队列 | 带回肠袋的恢复性结肠切除术 带回肠囊的恢复性结肠切除术患者，他们接受袋镜检查囊炎或肿瘤的患者 干预：诊断测试：用于图像识别的人工智能 | ||||||||
| 出版物 * | van der Sommen F，De Groof J，Struyvenberg M，Van der Putten J，Boers T，Fockens K，Schoon EJ，Curvers W，de with P，Mori Y，Mori Y，Byrne M，Berrne M，Bergman Jjghm。 GI内窥镜检查中的机器学习：如何解释新领域的实用指导。肠。 2020年11月; 69（11）：2035-2045。 doi：10.1136/gutjnl-2019-320466。 EPUB 2020年5月11日。 | ||||||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符（NCT编号）确定的出版物。 | |||||||||
| 招聘信息 | |||||||||
| 招聘状况 | 尚未招募 | ||||||||
| 估计入学人数 | 500 | ||||||||
| 原始估计注册 | 与电流相同 | ||||||||
| 估计学习完成日期 | 2022年12月1日 | ||||||||
| 估计初级完成日期 | 2022年6月1日（主要结果度量的最终数据收集日期） | ||||||||
| 资格标准 | 纳入标准： •所有患有炎症性肠病的年龄≥18岁的患者及其恢复性前结肠切除术后的状态 排除标准： •非常差的内窥镜图像质量 | ||||||||
| 性别/性别 |
| ||||||||
| 年龄 | 18岁以上（成人，老年人） | ||||||||
| 接受健康的志愿者 | 不 | ||||||||
| 联系人 |
| ||||||||
| 列出的位置国家 | 不提供 | ||||||||
| 删除了位置国家 | |||||||||
| 管理信息 | |||||||||
| NCT编号 | NCT04864587 | ||||||||
| 其他研究ID编号 | pouchvision1.0 | ||||||||
| 有数据监测委员会 | 不 | ||||||||
| 美国FDA调节的产品 |
| ||||||||
| IPD共享声明 |
| ||||||||
| 责任方 | Theresienkrankenhaus und St. Hedwig-Klinik GmbH | ||||||||
| 研究赞助商 | Theresienkrankenhaus und St. Hedwig-Klinik GmbH | ||||||||
| 合作者 | 曼海姆大学 | ||||||||
| 调查人员 |
| ||||||||
| PRS帐户 | Theresienkrankenhaus und St. Hedwig-Klinik GmbH | ||||||||
| 验证日期 | 2021年4月 | ||||||||
研究描述
简要摘要：
人工智能在恢复性促结肠切除术患者的袋镜检查中的应用可能会改善袋炎和肿瘤的诊断。这项试验研究的目的是开发用于小袋镜检查的卷积神经网络算法
| 病情或疾病 | 干预/治疗 |
|---|---|
| 小袋，回肠 | 诊断测试：用于图像识别的人工智能 |
详细说明：
恢复性前结肠切除术是治疗炎症性肠病中难治性严重结肠炎的标准程序，以及癌症预防性治疗患有结肠癌炎性肠病患者和家族性腺瘤性念珠菌结肠（FAP）患者的标准程序。小袋镜检查可用于监测治疗的成功并检测并发症，例如囊炎或肿瘤。人工智能辅助图像识别计划可以支持审查员在培训中寻找诊断和培训医生，在研究背景下对内窥镜检查结果进行客观化，并可能使活检不必要，从而节省成本。迄今为止，尚未证明人工智能在袋镜检查中的应用。这项研究的目的是开发一种图像识别算法，可可靠地检测到袋炎症的不同渐进。这需要使用最大可能数量的图像数据对图像识别程序的培训和微调，这将从UMM和Theresienkrankenhaus Mannheim的图像数据库中募集。将在独立队列上进行统计评估的测试运行。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 500名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 回顾 |
| 官方标题： | 恢复性预切除术患者的图像识别袋镜的人工智能识别 |
| 估计研究开始日期 ： | 2021年6月1日 |
| 估计初级完成日期 ： | 2022年6月1日 |
| 估计 学习完成日期 ： | 2022年12月1日 |
武器和干预措施
| 小组/队列 | 干预/治疗 |
|---|---|
| 带回肠袋的恢复性结肠切除术 带回肠囊的恢复性结肠切除术患者，他们接受袋镜检查囊炎或肿瘤的患者 | 诊断测试：用于图像识别的人工智能 这项研究的目的是开发一种图像识别算法，该算法可靠地检测到小袋炎症和肿瘤的不同渐变 |
结果措施
主要结果指标 ：
资格标准
| 符合研究资格的年龄： | 18岁以上（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 不 |
| 采样方法： | 概率样本 |
研究人群
带回肠囊的恢复性尿结肠切除术后炎症性肠病和状态的成年患者可能会在小袋中患上囊炎或肿瘤。
标准
联系人和位置
联系人
| 联系人：丹尼尔·施密茨（Daniel Schmitz），博士 | +496214245575 | d.schmitz@theresienkrankenhaus.de | |
| 联系人：彼得·基恩（Peter Kienle），博士 | +496214244252 | p.kienle@theresienkrankenhaus.de |
赞助商和合作者
Theresienkrankenhaus und St. Hedwig-Klinik GmbH
曼海姆大学
调查人员
| 首席研究员： | 丹尼尔·施密茨（Daniel Schmitz）博士 | 海德堡大学Theresienkrankenhaus Mannheim |
| 追踪信息 | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 首先提交日期 | 2021年4月21日 | ||||||||
| 第一个发布日期 | 2021年4月29日 | ||||||||
| 最后更新发布日期 | 2021年4月29日 | ||||||||
| 估计研究开始日期 | 2021年6月1日 | ||||||||
| 估计初级完成日期 | 2022年6月1日（主要结果度量的最终数据收集日期） | ||||||||
| 当前的主要结果指标 | |||||||||
| 原始主要结果指标 | 与电流相同 | ||||||||
| 改变历史 | 没有发布更改 | ||||||||
| 当前的次要结果指标 | 不提供 | ||||||||
| 原始的次要结果指标 | 不提供 | ||||||||
| 当前其他预先指定的结果指标 | 不提供 | ||||||||
| 其他其他预先指定的结果指标 | 不提供 | ||||||||
| 描述性信息 | |||||||||
| 简短标题 | 恢复性预切除术患者的图像识别袋镜的人工智能识别 | ||||||||
| 官方头衔 | 恢复性预切除术患者的图像识别袋镜的人工智能识别 | ||||||||
| 简要摘要 | 人工智能在恢复性促结肠切除术患者的袋镜检查中的应用可能会改善袋炎和肿瘤的诊断。这项试验研究的目的是开发用于小袋镜检查的卷积神经网络算法 | ||||||||
| 详细说明 | 恢复性前结肠切除术是治疗炎症性肠病中难治性严重结肠炎的标准程序，以及癌症预防性治疗患有结肠癌炎性肠病患者和家族性腺瘤性念珠菌结肠（FAP）患者的标准程序。小袋镜检查可用于监测治疗的成功并检测并发症，例如囊炎或肿瘤。人工智能辅助图像识别计划可以支持审查员在培训中寻找诊断和培训医生，在研究背景下对内窥镜检查结果进行客观化，并可能使活检不必要，从而节省成本。迄今为止，尚未证明人工智能在袋镜检查中的应用。这项研究的目的是开发一种图像识别算法，可可靠地检测到袋炎症的不同渐进。这需要使用最大可能数量的图像数据对图像识别程序的培训和微调，这将从UMM和Theresienkrankenhaus Mannheim的图像数据库中募集。将在独立队列上进行统计评估的测试运行。 | ||||||||
| 研究类型 | 观察 | ||||||||
| 学习规划 | 观察模型：队列 时间视角：回顾 | ||||||||
| 目标随访时间 | 不提供 | ||||||||
| 生物测量 | 不提供 | ||||||||
| 采样方法 | 概率样本 | ||||||||
| 研究人群 | 带回肠囊的恢复性尿结肠切除术后炎症性肠病和状态的成年患者可能会在小袋中患上囊炎或肿瘤。 | ||||||||
| 健康）状况 | 小袋，回肠 | ||||||||
| 干涉 | 诊断测试：用于图像识别的人工智能 这项研究的目的是开发一种图像识别算法，该算法可靠地检测到小袋炎症和肿瘤的不同渐变 | ||||||||
| 研究组/队列 | 带回肠袋的恢复性结肠切除术 带回肠囊的恢复性结肠切除术患者，他们接受袋镜检查囊炎或肿瘤的患者 干预：诊断测试：用于图像识别的人工智能 | ||||||||
| 出版物 * | van der Sommen F，De Groof J，Struyvenberg M，Van der Putten J，Boers T，Fockens K，Schoon EJ，Curvers W，de with P，Mori Y，Mori Y，Byrne M，Berrne M，Bergman Jjghm。 GI内窥镜检查中的机器学习：如何解释新领域的实用指导。肠。 2020年11月; 69（11）：2035-2045。 doi：10.1136/gutjnl-2019-320466。 EPUB 2020年5月11日。 | ||||||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符（NCT编号）确定的出版物。 | |||||||||
| 招聘信息 | |||||||||
| 招聘状况 | 尚未招募 | ||||||||
| 估计入学人数 | 500 | ||||||||
| 原始估计注册 | 与电流相同 | ||||||||
| 估计学习完成日期 | 2022年12月1日 | ||||||||
| 估计初级完成日期 | 2022年6月1日（主要结果度量的最终数据收集日期） | ||||||||
| 资格标准 | 纳入标准： •所有患有炎症性肠病的年龄≥18岁的患者及其恢复性前结肠切除术后的状态 排除标准： •非常差的内窥镜图像质量 | ||||||||
| 性别/性别 |
| ||||||||
| 年龄 | 18岁以上（成人，老年人） | ||||||||
| 接受健康的志愿者 | 不 | ||||||||
| 联系人 |
| ||||||||
| 列出的位置国家 | 不提供 | ||||||||
| 删除了位置国家 | |||||||||
| 管理信息 | |||||||||
| NCT编号 | NCT04864587 | ||||||||
| 其他研究ID编号 | pouchvision1.0 | ||||||||
| 有数据监测委员会 | 不 | ||||||||
| 美国FDA调节的产品 |
| ||||||||
| IPD共享声明 |
| ||||||||
| 责任方 | Theresienkrankenhaus und St. Hedwig-Klinik GmbH | ||||||||
| 研究赞助商 | Theresienkrankenhaus und St. Hedwig-Klinik GmbH | ||||||||
| 合作者 | 曼海姆大学 | ||||||||
| 调查人员 |
| ||||||||
| PRS帐户 | Theresienkrankenhaus und St. Hedwig-Klinik GmbH | ||||||||
| 验证日期 | 2021年4月 | ||||||||