Hluboké neuronové sítě o přesnosti diagnostiky kožních onemocnění u nedermatologů
25. října 2022 aktualizováno: Pyoeng Gyun Choe
Vliv použití hlubokých neuronových sítí na přesnost diagnostiky kožních onemocnění u nedermatologa
Pozadí: Hluboké neuronové sítě (DNN) byly v experimentálních podmínkách aplikovány na mnoho druhů kožních onemocnění.
Cíl: Cílem této studie je potvrdit augmentaci hlubokých neuronových sítí pro diagnostiku kožních onemocnění u nedermatologických lékařů v reálném prostředí.
Metody: Celkem bude zařazeno 40 nedermatologů v jedné nemocnici terciární péče. Budou randomizováni do skupiny DNN a kontrolní skupiny. Porovnáním dvou skupin vědci odhadnou vliv použití hlubokých neuronových sítí na diagnostiku kožních onemocnění z hlediska přesnosti.
Přehled studie
Postavení
Ukončeno
Podmínky
Detailní popis
Ve skupině DNN a kontrolní skupině jsou tyto kroky stejný proces.
- Rutinní vyšetření a pořízení fotografií kožních lézí pro všechny vhodné pacienty po sobě jdoucích sérií.
- Proveďte klinickou diagnózu (PŘED-DX)
- Proveďte klinickou diagnózu (AFTER-DX)
- poraďte se s dermatologem
Ve skupině DNN po vytvoření BEFORE-DX lékaři používají hluboké neuronové sítě a vytvářejí AFTER-DX s ohledem na výsledky hlubokých neuronových sítí (Model Dermatology, build 2020).
V kontrolní skupině po zhotovení BEFORE-DX lékaři provedou AFTER-DX poté, co si znovu prohlédnou snímky kožních lézí.
Základní pravda bude založena na biopsii, bude-li k dispozici, nebo na konsensuální diagnóze dermatologů.
Výzkumníci budou porovnávat přesnost mezi skupinou DNN a kontrolní skupinou po 6 po sobě jdoucích měsících studie.
Typ studie
Intervenční
Zápis (Aktuální)
55
Fáze
- Nelze použít
Kontakty a umístění
Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.
Studijní místa
-
-
-
Seoul, Korejská republika, 03080
- Seoul National University Hospital
-
-
Kritéria účasti
Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.
Kritéria způsobilosti
Věk způsobilý ke studiu
- DOSPĚLÝ
- OLDER_ADULT
- DÍTĚ
Přijímá zdravé dobrovolníky
Ne
Pohlaví způsobilá ke studiu
Všechno
Popis
Kritéria pro zařazení:
- nedermatologové lékaře (rezidenti), kteří souhlasí s účastí v této studii
Kritéria vyloučení:
- obyvatelé dermatologie
- nedermatologové, kteří pro diagnostiku kožních lézí využívají jiné hluboké neuronové sítě
Studijní plán
Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.
Jak je studie koncipována?
Detaily designu
- Primární účel: DIAGNOSTICKÝ
- Přidělení: RANDOMIZOVANÝ
- Intervenční model: PARALELNÍ
- Maskování: ŽÁDNÝ
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
EXPERIMENTÁLNÍ: Skupina DNN
pomocí hlubokých neuronových sítí pro diagnostiku kožních lézí
|
Lékaři ve skupině DNN pořizují snímky kožní léze a používají algoritmus nahráním snímků.
|
|
NO_INTERVENTION: Kontrolní skupina
konvenční diagnóza
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Nejvyšší přesnost diagnostiky
Časové okno: 6 po sobě jdoucích měsíců
|
četnost správné předpovědi Top-1
|
6 po sobě jdoucích měsíců
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Nejvyšší 2 a 3 diagnostická přesnost
Časové okno: 6 po sobě jdoucích měsíců
|
četnost správné predikce Top-2 a 3
|
6 po sobě jdoucích měsíců
|
|
Citlivost na infekci
Časové okno: 6 po sobě jdoucích měsíců
|
pozitivní míra diagnózy infekce
|
6 po sobě jdoucích měsíců
|
|
Citlivost na malignitu
Časové okno: 6 po sobě jdoucích měsíců
|
Pozitivní míra diagnózy malignity
|
6 po sobě jdoucích měsíců
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Sponzor
Publikace a užitečné odkazy
Osoba odpovědná za zadávání informací o studiu tyto publikace poskytuje dobrovolně. Mohou se týkat čehokoli, co souvisí se studiem.
Obecné publikace
- Wang P, Liu X, Berzin TM, Glissen Brown JR, Liu P, Zhou C, Lei L, Li L, Guo Z, Lei S, Xiong F, Wang H, Song Y, Pan Y, Zhou G. Effect of a deep-learning computer-aided detection system on adenoma detection during colonoscopy (CADe-DB trial): a double-blind randomised study. Lancet Gastroenterol Hepatol. 2020 Apr;5(4):343-351. doi: 10.1016/S2468-1253(19)30411-X. Epub 2020 Jan 22. Erratum In: Lancet Gastroenterol Hepatol. 2020 Apr;5(4):e3.
- Lin H, Li R, Liu Z, Chen J, Yang Y, Chen H, Lin Z, Lai W, Long E, Wu X, Lin D, Zhu Y, Chen C, Wu D, Yu T, Cao Q, Li X, Li J, Li W, Wang J, Yang M, Hu H, Zhang L, Yu Y, Chen X, Hu J, Zhu K, Jiang S, Huang Y, Tan G, Huang J, Lin X, Zhang X, Luo L, Liu Y, Liu X, Cheng B, Zheng D, Wu M, Chen W, Liu Y. Diagnostic Efficacy and Therapeutic Decision-making Capacity of an Artificial Intelligence Platform for Childhood Cataracts in Eye Clinics: A Multicentre Randomized Controlled Trial. EClinicalMedicine. 2019 Mar 17;9:52-59. doi: 10.1016/j.eclinm.2019.03.001. eCollection 2019 Mar.
- 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.
- Han SS, Park I, Eun Chang S, Lim W, Kim MS, Park GH, Chae JB, Huh CH, Na JI. Augmented Intelligence Dermatology: Deep Neural Networks Empower Medical Professionals in Diagnosing Skin Cancer and Predicting Treatment Options for 134 Skin Disorders. J Invest Dermatol. 2020 Sep;140(9):1753-1761. doi: 10.1016/j.jid.2020.01.019. Epub 2020 Mar 31.
- Sellheyer K, Bergfeld WF. A retrospective biopsy study of the clinical diagnostic accuracy of common skin diseases by different specialties compared with dermatology. J Am Acad Dermatol. 2005 May;52(5):823-30. doi: 10.1016/j.jaad.2004.11.072.
- Cui X, Wei R, Gong L, Qi R, Zhao Z, Chen H, Song K, Abdulrahman AAA, Wang Y, Chen JZS, Chen S, Zhao Y, Gao X. Assessing the effectiveness of artificial intelligence methods for melanoma: A retrospective review. J Am Acad Dermatol. 2019 Nov;81(5):1176-1180. doi: 10.1016/j.jaad.2019.06.042. Epub 2019 Jun 27.
- Tschandl P, Codella N, Akay BN, Argenziano G, Braun RP, Cabo H, Gutman D, Halpern A, Helba B, Hofmann-Wellenhof R, Lallas A, Lapins J, Longo C, Malvehy J, Marchetti MA, Marghoob A, Menzies S, Oakley A, Paoli J, Puig S, Rinner C, Rosendahl C, Scope A, Sinz C, Soyer HP, Thomas L, Zalaudek I, Kittler H. Comparison of the accuracy of human readers versus machine-learning algorithms for pigmented skin lesion classification: an open, web-based, international, diagnostic study. Lancet Oncol. 2019 Jul;20(7):938-947. doi: 10.1016/S1470-2045(19)30333-X. Epub 2019 Jun 12.
Termíny studijních záznamů
Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.
Hlavní termíny studia
Začátek studia (AKTUÁLNÍ)
27. listopadu 2020
Primární dokončení (AKTUÁLNÍ)
27. listopadu 2021
Dokončení studie (AKTUÁLNÍ)
27. prosince 2021
Termíny zápisu do studia
První předloženo
13. listopadu 2020
První předloženo, které splnilo kritéria kontroly kvality
13. listopadu 2020
První zveřejněno (AKTUÁLNÍ)
19. listopadu 2020
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (AKTUÁLNÍ)
27. října 2022
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
25. října 2022
Naposledy ověřeno
1. října 2022
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 2020-3233
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
NE
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Ne
Studuje produkt zařízení regulovaný americkým úřadem FDA
Ne
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 .