- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT04562168
Využití umělé inteligence jako nástroje na podporu diagnostického rozhodování k pomoci při diagnostice kožních onemocnění v primární zdravotní péči v Katalánsku
Východiska: Dermatologické stavy jsou závažným zdravotním problémem. Modely strojového učení se stále častěji používají v dermatologii jako nástroj na podporu diagnostického rozhodování využívající analýzu obrazu, speciálně pro detekci a klasifikaci rakoviny kůže.
Cíl: Cílem této studie je provést prospektivní validaci ML modelu analýzy obrazu, který je schopen screeningu 44 různých typů kožních onemocnění a porovnat svou diagnostickou kapacitu s diagnostickou kapacitou praktických lékařů (GP) a dermatologů.
Metody: V této prospektivní studii bude vybráno 100 po sobě jdoucích pacientů, kteří navštíví účastnického praktického lékaře s kožním problémem v centrálním Katalánsku, sběr dat je plánován na 7 měsíců. Anonymizované snímky kožních onemocnění budou pořízeny a zavedeny do rozhraní modelu ML, které vrátí 5 nejpřesnějších diagnóz. Stejný snímek bude zaslán také jako teledermatologická konzultace podle aktuálního pracovního postupu. Hodnocení praktického lékaře, ML modelu a dermatologa/ů budou porovnány za účelem výpočtu přesnosti, citlivosti, specificity a přesnosti modelu ML.
Přehled studie
Postavení
Podmínky
Detailní popis
Bezpečné anonymní samostatné webové rozhraní, které je kompatibilní s jakýmkoli mobilním zařízením, bude integrováno s Autoderm API. Studie prováděná v rámci tohoto projektu bude sestávat z prospektivní studie zaměřené na zhodnocení výkonnosti modelu ML, porovnání jeho diagnostické kapacity s praktickými lékaři a dermatology.
Pro provedení studie bude proveden následující postup, dokud nebude dosaženo požadovaného počtu vzorků:
- Vhodný pacient s kožními problémy je požádán, aby se zúčastnil a podepsal s pacientem smlouvu o studii.
- Praktický lékař diagnostikuje stav kůže.
- Praktický lékař (nebo sestra) pořídí jeden kvalitní snímek stavu kůže.
- Praktický lékař zašle fotografii jako teledermatologickou konzultaci podle aktuálního pracovního postupu.
- Obrázek se zadává v rozhraní Autoderm ML.
- Dermatolog diagnostikuje stav kůže.
Studie bude provedena v centrech primární péče spravovaných Katalánským zdravotním institutem. Účastnické PCP se bude nacházet ve venkovských a metropolitních oblastech středního Katalánska, které zahrnuje regiony Anoia, Bages, Moianès, Berguedà a Osona. Referenční populace zahrnutá do studie bude asi 512 050. Nábor potenciálních subjektů bude probíhat postupně.
Praktičtí lékaři budou shromažďovat data od po sobě jdoucích pacientů, kteří splňují kritéria pro zařazení po získání písemného informovaného souhlasu. Shromážděné údaje budou hlášeny výhradně ve formě zprávy o případu (přiložené v příloze V a VI).
Praktický lékař diagnostikuje stav kůže a vyplní „Ošetření tváří v tvář praktickým lékařem“. U každého pacienta praktický lékař pomocí fotoaparátu chytrého telefonu pořídí zblízka kvalitní snímek kožního problému. Snímek bude anonymní a nebude možné identifikovat pacienty. Praktický lékař použije rozhraní Autoderm ML k nahrání anonymizovaného snímku a vyplní dotazník „Posouzení poskytované modelem ML“ 3 nejčastějšími diagnózami generovanými modelem ML.
Aby získal druhý názor, praktický lékař začlení anonymizovaný snímek a přesný popis kožní léze do pacientovy anamnézy podle aktuálního postupu teledermatologie. Praktický lékař po obdržení informace vyplní dotazník „Hodnocení teledermatologií“ s dobou odezvy 2-7 dní.
V případě doporučení na dermatologa vyplní praktický lékař „Posouzení osobním dermatologem“ přístupem k elektronickým zdravotním záznamům, jakmile budou k dispozici, což je průměrná čekací doba na doporučení od 30 do 90 dnů.
Číslo případu dotazníku bude stejné pro všechny dotazníky a nebude možné identifikovat pacienta, protože číslo případu bude předem definováno před zahájením fáze sběru dat.
Aby bylo možné porovnat výkonnost modelu ML s výkonem praktických lékařů a dermatologů, bude vyžadován vzorek o velikosti 100 snímků kožních onemocnění od pacientů, kteří splňují kritéria pro zařazení. Navrhovaná velikost vzorku je založena na výpočtu velikosti vzorku použitého v podobném výzkumu.
Typ studie
Zápis (Aktuální)
Fáze
- Nelze použít
Kontakty a umístění
Studijní místa
-
-
Barcelona
-
Navàs, Barcelona, Španělsko, 08670
- CAP Navàs
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Popis
Kritéria pro zařazení:
- Pacienti, kteří mají kožní onemocnění důvod k návštěvě.
- Pacienti, kteří poskytnou písemný informovaný souhlas.
- Pacienti ve věku 18 let nebo starší.
Kritéria vyloučení:
- Pacienti s pokročilou demencí.
- Pacienti s kožní lézí, kterou nelze vyfotografovat chytrým telefonem, a snímky ve špatné kvalitě.
- Pacienti, kteří mají stavy spojené s rizikem špatného dodržování protokolu.
Studijní plán
Jak je studie koncipována?
Detaily designu
- Primární účel: DIAGNOSTICKÝ
- Přidělení: NA
- Intervenční model: SINGLE_GROUP
- Maskování: ŽÁDNÝ
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
EXPERIMENTÁLNÍ: Diagnostický test: ML model
Diagnostická kapacita modelu ML bude porovnána s kapacitou praktických lékařů a dermatologa.
|
Praktický lékař pomocí fotoaparátu chytrého telefonu pořídí snímek kožního problému a použije rozhraní Autoderm ML k nahrání anonymizovaného snímku.
Získaná predikovaná diagnóza bude zaznamenána ve formě kazuistiky.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Citlivost modelu ML
Časové okno: 1 rok
|
Skutečně pozitivní míra ML modelu
|
1 rok
|
|
Specifičnost modelu ML
Časové okno: 1 rok
|
Skutečná záporná míra modelu ML
|
1 rok
|
|
Přesnost modelu ML
Časové okno: 1 rok
|
Poměr počtu správných predikcí k celkovému počtu vstupních vzorků
|
1 rok
|
|
Oblast pod provozní charakteristikou přijímače modelu ML
Časové okno: 1 rok
|
Diagnostická schopnost modelu ML
|
1 rok
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Míra způsobilých účastníků, kteří souhlasí s účastí ve studii
Časové okno: 1 rok
|
Četnost pacientů, kteří souhlasí s účastí v klinické studii a jsou způsobilí.
|
1 rok
|
Spolupracovníci a vyšetřovatelé
Sponzor
Publikace a užitečné odkazy
Obecné publikace
- Lim HW, Collins SAB, Resneck JS Jr, Bolognia JL, Hodge JA, Rohrer TA, Van Beek MJ, Margolis DJ, Sober AJ, Weinstock MA, Nerenz DR, Smith Begolka W, Moyano JV. The burden of skin disease in the United States. J Am Acad Dermatol. 2017 May;76(5):958-972.e2. doi: 10.1016/j.jaad.2016.12.043. Epub 2017 Mar 1.
- Schofield JK, Fleming D, Grindlay D, Williams H. Skin conditions are the commonest new reason people present to general practitioners in England and Wales. Br J Dermatol. 2011 Nov;165(5):1044-50. doi: 10.1111/j.1365-2133.2011.10464.x. Epub 2011 Sep 22.
- Dokotor.se [Internet]. Survey Telemedicine statistics Dokotor.se, the % of queries that are dermatology related 2019 [cited 2019]
- Activitat assistencial de la xarxa sanitària de Catalunya, any 2012: registre del conjunt mínim bàsic de dades (CMBD). Barcelona: Departament de Salut. 2013.
- Lowell BA, Froelich CW, Federman DG, Kirsner RS. Dermatology in primary care: Prevalence and patient disposition. J Am Acad Dermatol. 2001 Aug;45(2):250-5. doi: 10.1067/mjd.2001.114598.
- Porta N, San Juan J, Grasa MP, Simal E, Ara M, Querol MA. [Diagnostic agreement between primary care physicians and dermatologists in the health area of a referral hospital]. Actas Dermosifiliogr. 2008 Apr;99(3):207-12. Spanish.
- Lopez Segui F, Franch Parella J, Girones Garcia X, Mendioroz Pena J, Garcia Cuyas F, Adroher Mas C, Garcia-Altes A, Vidal-Alaball J. A Cost-Minimization Analysis of a Medical Record-based, Store and Forward and Provider-to-provider Telemedicine Compared to Usual Care in Catalonia: More Agile and Efficient, Especially for Users. Int J Environ Res Public Health. 2020 Mar 18;17(6):2008. doi: 10.3390/ijerph17062008.
- Borve A, Dahlen Gyllencreutz J, Terstappen K, Johansson Backman E, Aldenbratt A, Danielsson M, Gillstedt M, Sandberg C, Paoli J. Smartphone teledermoscopy referrals: a novel process for improved triage of skin cancer patients. Acta Derm Venereol. 2015 Feb;95(2):186-90. doi: 10.2340/00015555-1906.
- Ferrer RT, Bezares AP, Manes AL, Mas AV, Gutierrez IT, Llado CN, Estaras GM. [Diagnostic reliability of an asynchronous teledermatology consultation]. Aten Primaria. 2009 Oct;41(10):552-7. doi: 10.1016/j.aprim.2008.11.012. Epub 2009 Jun 5. Spanish.
- Gomolin A, Netchiporouk E, Gniadecki R, Litvinov IV. Artificial Intelligence Applications in Dermatology: Where Do We Stand? Front Med (Lausanne). 2020 Mar 31;7:100. doi: 10.3389/fmed.2020.00100. eCollection 2020.
- Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, Thrun S. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2;542(7639):115-118. doi: 10.1038/nature21056. Epub 2017 Jan 25. Erratum In: Nature. 2017 Jun 28;546(7660):686.
- Liu Y, Jain A, Eng C, Way DH, Lee K, Bui P, Kanada K, de Oliveira Marinho G, Gallegos J, Gabriele S, Gupta V, Singh N, Natarajan V, Hofmann-Wellenhof R, Corrado GS, Peng LH, Webster DR, Ai D, Huang SJ, Liu Y, Dunn RC, Coz D. A deep learning system for differential diagnosis of skin diseases. Nat Med. 2020 Jun;26(6):900-908. doi: 10.1038/s41591-020-0842-3. Epub 2020 May 18.
- Kamulegeya LH, Okello M, Bwanika JM, Musinguzi D, Lubega W, Rusoke D, et al. Using artificial intelligence on dermatology conditions in Uganda: A case for diversity in training data sets for machine learning. bioRxiv [Internet]. 2019 Jan 1;826057. Available from: http://biorxiv.org/content/early/2019/10/31/826057.abstract .
- Evaluation of the diagnostic accuracy of an online artificial intelligence app for skin disease diagnosis. Alexander Larson, Degree Project in Medicine, Sahlgrenska University Hospital Department of Dermatology and Venereology, Gothenburg, Sweden 2018.
- Brinker TJ, Hekler A, Enk AH, Klode J, Hauschild A, Berking C, Schilling B, Haferkamp S, Schadendorf D, Holland-Letz T, Utikal JS, von Kalle C; Collaborators. Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task. Eur J Cancer. 2019 May;113:47-54. doi: 10.1016/j.ejca.2019.04.001. Epub 2019 Apr 10.
- Haenssle HA, Fink C, Schneiderbauer R, Toberer F, Buhl T, Blum A, Kalloo A, Hassen ABH, Thomas L, Enk A, Uhlmann L; Reader study level-I and level-II Groups; Alt C, Arenbergerova M, Bakos R, Baltzer A, Bertlich I, Blum A, Bokor-Billmann T, Bowling J, Braghiroli N, Braun R, Buder-Bakhaya K, Buhl T, Cabo H, Cabrijan L, Cevic N, Classen A, Deltgen D, Fink C, Georgieva I, Hakim-Meibodi LE, Hanner S, Hartmann F, Hartmann J, Haus G, Hoxha E, Karls R, Koga H, Kreusch J, Lallas A, Majenka P, Marghoob A, Massone C, Mekokishvili L, Mestel D, Meyer V, Neuberger A, Nielsen K, Oliviero M, Pampena R, Paoli J, Pawlik E, Rao B, Rendon A, Russo T, Sadek A, Samhaber K, Schneiderbauer R, Schweizer A, Toberer F, Trennheuser L, Vlahova L, Wald A, Winkler J, Wolbing P, Zalaudek I. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol. 2018 Aug 1;29(8):1836-1842. doi: 10.1093/annonc/mdy166.
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (AKTUÁLNÍ)
Primární dokončení (AKTUÁLNÍ)
Dokončení studie (AKTUÁLNÍ)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (AKTUÁLNÍ)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (AKTUÁLNÍ)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
- P20/159-P
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu IPD
Časový rámec sdílení IPD
Kritéria přístupu pro sdílení IPD
Typ podpůrných informací pro sdílení IPD
- PROTOKOL STUDY
- CSR
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .
Klinické studie na Kožní choroby
-
University of Kansas Medical CenterDokončeno
-
University Hospital, ToursAktivní, ne náborPředčasně narození novorozenci | Skin to SkinFrancie
-
Centre Hospitalier le MansNábor
-
Northwestern UniversityUniversity of Wisconsin, StoutDokončenoPerception of Skin of Color Clinics u AfroameričanůSpojené státy
-
Instituto de Oftalmología Fundación Conde de ValencianaDokončenoOmlazení | Tvář | Skin FoldMexiko
-
The First Affiliated Hospital of Dalian Medical...NeznámýRány a zranění | Trauma | Zlomeniny, otevřené | Skin ExpanderČína
-
Ventrus Biosciences, IncNeznámýDiltiazem Skin Sensitivity.Spojené státy
-
Molnlycke Health Care ABDokončenoPotvrďte výkon a bezpečnost Exufiber při použití k určenému účelu na dárcovských stránkách (ExuDS01)Akutní rána | Donorské stránky | Split Skin GraftŠvédsko
-
Mastelli S.r.l1MedNáborElasticita kůže | Hydratace pleti u zdravých dobrovolníků | Estetické zlepšení kůže | Skin Turgor | Spokojenost předmětuItálie
-
Shenzhen Precision Health Food Technology Co. Ltd...Zatím nenabírámeLaxita kůže | Skin FoldČína