Umělá inteligence urychluje křivku učení pro zvládnutí ultrazvuku uzlů štítné žlázy s vylepšeným kontrastem (AIA-CEUD-TN)
22. března 2026 aktualizováno: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Umělá inteligence urychluje učební křivku pro zvládnutí hlášení štítné žlázy a datového systému ultrazvuku s vylepšeným kontrastem
Cílem této observační studie je seznámit se s křivkou učení pro zvládnutí hlášení štítné žlázy a datového systému kontrastního ultrazvuku s pomocí umělé inteligence u pacientů s uzly štítné žlázy. Hlavní otázky, na které chce odpovědět, jsou:
- Můžeme vyvinout umělý inteligentní software, který pomůže lékařům při diagnostice uzlů štítné žlázy pomocí ultrazvuku se zvýšeným kontrastem?
- Dokáže umělá inteligence snížit počet případů a čas, aby lékaři zvládli kontrastní ultrazvukovou diagnostiku uzlů štítné žlázy?
Účastníci budou požádáni, aby podstoupili kontrastní ultrazvukové vyšetření a ultrazvukem řízenou aspiraci uzlů štítné žlázy tenkou jehlou. Vědci budou porovnávat počet případů a čas, který lékaři s pomocí umělé inteligence a bez pomoci uměle ovládají, aby zvládli ultrazvukovou diagnostiku uzlů štítné žlázy pomocí kontrastu, aby zjistili, zda umělá inteligence sníží počet případů a čas.
Přehled studie
Typ studie
Intervenční
Zápis (Aktuální)
1955
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
-
-
Guangdong
-
Guangzhou, Guangdong, Čína, 510289
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
-
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
- Starší dospělý
Přijímá zdravé dobrovolníky
Ne
Studijní populace
Studijní populace se stejnou indikací pro kontrastní ultrazvuk a biopsii tenkou jehlou:
- Plánovaná ablace nebo chirurgický zákrok;
- Alespoň jeden podezřelý ultrazvukový znak, jako je hypoechogenní/velmi hypoechogenní, nepravidelný/lobulovaný okraj, vyšší než široký nebo tečkovité echogenní ložisko.
Popis
Kritéria pro zařazení:
- Pacienti s uzly štítné žlázy se solidní složkou ≥5 mm potvrzenými konvenčním ultrazvukem;
- Pacienti, kteří podstoupili konvenční ultrazvuk, kontrastní ultrazvuk a biopsii tenkou jehlou;
- Pacienti s konečnými benigními nebo maligními patologickými výsledky.
Kritéria vyloučení:
- Pacienti s cytopatologií Bethesda I, III nebo IV a bez konečné benigní nebo maligní patologie；
- Pacienti s anamnézou ablace štítné žlázy nebo chirurgického zákroku;
- Pacienti s nekvalitními ultrazvukovými snímky.
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: N/A
- Intervenční model: Přiřazení jedné skupiny
- Maskování: Žádné (otevřený štítek)
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
Jiný: Testovací sada
Účastníci s uzly ve štítné žláze podstoupili kontrastní ultrazvuk a ultrazvukem řízenou aspiraci tenkou jehlou během ledna 2021 a prosince 2022 v Památníkové nemocnici Sun Yat-sen Univerzity Sun Yat-sen, Nemocnici Houjie v Dongguanu a Přidružené nemocnici Huadu Jižní lékařské univerzity.
|
Diagnóza uzlů štítné žlázy pomocí kontrastní ultrazvukové metody s asistencí umělé inteligence.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Diagnostický výkon
Časové okno: První týden po datu ukončení primární fáze.
|
Senzitivita, specificita, pozitivní prediktivní hodnota, negativní prediktivní hodnota, přesnost, plocha pod křivkou
|
První týden po datu ukončení primární fáze.
|
|
Nutnost biopsie
Časové okno: První týden po datu primárního ukončení.
|
Míra zbytečných biopsií
|
První týden po datu primárního ukončení.
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Vyšetřovatelé
- Vrchní vyšetřovatel: Jingliang Ruan, PhD, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
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
- Haugen BR, Alexander EK, Bible KC, Doherty GM, Mandel SJ, Nikiforov YE, Pacini F, Randolph GW, Sawka AM, Schlumberger M, Schuff KG, Sherman SI, Sosa JA, Steward DL, Tuttle RM, Wartofsky L. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer. Thyroid. 2016 Jan;26(1):1-133. doi: 10.1089/thy.2015.0020.
- Russ G, Bonnema SJ, Erdogan MF, Durante C, Ngu R, Leenhardt L. European Thyroid Association Guidelines for Ultrasound Malignancy Risk Stratification of Thyroid Nodules in Adults: The EU-TIRADS. Eur Thyroid J. 2017 Sep;6(5):225-237. doi: 10.1159/000478927. Epub 2017 Aug 8.
- Burgos N, Zhao J, Brito JP, Hoang JK, Pitoia F, Maraka S, Castro MR, Lee JH, Singh Ospina N. Clinician Agreement on the Classification of Thyroid Nodules Ultrasound Features: A Survey of 2 Endocrine Societies. J Clin Endocrinol Metab. 2022 Jul 14;107(8):e3288-e3294. doi: 10.1210/clinem/dgac279.
- Tessler FN, Middleton WD, Grant EG, Hoang JK, Berland LL, Teefey SA, Cronan JJ, Beland MD, Desser TS, Frates MC, Hammers LW, Hamper UM, Langer JE, Reading CC, Scoutt LM, Stavros AT. ACR Thyroid Imaging, Reporting and Data System (TI-RADS): White Paper of the ACR TI-RADS Committee. J Am Coll Radiol. 2017 May;14(5):587-595. doi: 10.1016/j.jacr.2017.01.046. Epub 2017 Apr 2.
- Burgos N, Ospina NS, Sipos JA. The Future of Thyroid Nodule Risk Stratification. Endocrinol Metab Clin North Am. 2022 Jun;51(2):305-321. doi: 10.1016/j.ecl.2021.12.002. Epub 2022 May 4.
- Zhou J, Yin L, Wei X, Zhang S, Song Y, Luo B, Li J, Qian L, Cui L, Chen W, Wen C, Peng Y, Chen Q, Lu M, Chen M, Wu R, Zhou W, Xue E, Li Y, Yang L, Mi C, Zhang R, Wu G, Du G, Huang D, Zhan W; Superficial Organ and Vascular Ultrasound Group of the Society of Ultrasound in Medicine of the Chinese Medical Association; Chinese Artificial Intelligence Alliance for Thyroid and Breast Ultrasound. 2020 Chinese guidelines for ultrasound malignancy risk stratification of thyroid nodules: the C-TIRADS. Endocrine. 2020 Nov;70(2):256-279. doi: 10.1007/s12020-020-02441-y. Epub 2020 Aug 21.
- Shin JH, Baek JH, Chung J, Ha EJ, Kim JH, Lee YH, Lim HK, Moon WJ, Na DG, Park JS, Choi YJ, Hahn SY, Jeon SJ, Jung SL, Kim DW, Kim EK, Kwak JY, Lee CY, Lee HJ, Lee JH, Lee JH, Lee KH, Park SW, Sung JY; Korean Society of Thyroid Radiology (KSThR) and Korean Society of Radiology. Ultrasonography Diagnosis and Imaging-Based Management of Thyroid Nodules: Revised Korean Society of Thyroid Radiology Consensus Statement and Recommendations. Korean J Radiol. 2016 May-Jun;17(3):370-95. doi: 10.3348/kjr.2016.17.3.370. Epub 2016 Apr 14.
- Kwak JY, Han KH, Yoon JH, Moon HJ, Son EJ, Park SH, Jung HK, Choi JS, Kim BM, Kim EK. Thyroid imaging reporting and data system for US features of nodules: a step in establishing better stratification of cancer risk. Radiology. 2011 Sep;260(3):892-9. doi: 10.1148/radiol.11110206. Epub 2011 Jul 19.
- Sidhu PS, Cantisani V, Dietrich CF, Gilja OH, Saftoiu A, Bartels E, Bertolotto M, Calliada F, Clevert DA, Cosgrove D, Deganello A, D'Onofrio M, Drudi FM, Freeman S, Harvey C, Jenssen C, Jung EM, Klauser AS, Lassau N, Meloni MF, Leen E, Nicolau C, Nolsoe C, Piscaglia F, Prada F, Prosch H, Radzina M, Savelli L, Weskott HP, Wijkstra H. The EFSUMB Guidelines and Recommendations for the Clinical Practice of Contrast-Enhanced Ultrasound (CEUS) in Non-Hepatic Applications: Update 2017 (Long Version). Ultraschall Med. 2018 Apr;39(2):e2-e44. doi: 10.1055/a-0586-1107. Epub 2018 Mar 6.
- Zhang Y, Zhou P, Tian SM, Zhao YF, Li JL, Li L. Usefulness of combined use of contrast-enhanced ultrasound and TI-RADS classification for the differentiation of benign from malignant lesions of thyroid nodules. Eur Radiol. 2017 Apr;27(4):1527-1536. doi: 10.1007/s00330-016-4508-y. Epub 2016 Aug 15.
- Tang C, Fang K, Guo Y, Li R, Fan X, Chen P, Chen Z, Liu Q, Zou Y. Safety of Sulfur Hexafluoride Microbubbles in Sonography of Abdominal and Superficial Organs: Retrospective Analysis of 30,222 Cases. J Ultrasound Med. 2017 Mar;36(3):531-538. doi: 10.7863/ultra.15.11075. Epub 2017 Jan 10.
- Seifert P, Gorges R, Zimny M, Kreissl MC, Schenke S. Interobserver agreement and efficacy of consensus reading in Kwak-, EU-, and ACR-thyroid imaging recording and data systems and ATA guidelines for the ultrasound risk stratification of thyroid nodules. Endocrine. 2020 Jan;67(1):143-154. doi: 10.1007/s12020-019-02134-1. Epub 2019 Nov 18.
- Wildman-Tobriner B, Buda M, Hoang JK, Middleton WD, Thayer D, Short RG, Tessler FN, Mazurowski MA. Using Artificial Intelligence to Revise ACR TI-RADS Risk Stratification of Thyroid Nodules: Diagnostic Accuracy and Utility. Radiology. 2019 Jul;292(1):112-119. doi: 10.1148/radiol.2019182128. Epub 2019 May 21.
- Zhang B, Tian J, Pei S, Chen Y, He X, Dong Y, Zhang L, Mo X, Huang W, Cong S, Zhang S. Machine Learning-Assisted System for Thyroid Nodule Diagnosis. Thyroid. 2019 Jun;29(6):858-867. doi: 10.1089/thy.2018.0380. Epub 2019 Apr 27.
- Jin Z, Pei S, Ouyang L, Zhang L, Mo X, Chen Q, You J, Chen L, Zhang B, Zhang S. Thy-Wise: An interpretable machine learning model for the evaluation of thyroid nodules. Int J Cancer. 2022 Dec 15;151(12):2229-2243. doi: 10.1002/ijc.34248. Epub 2022 Sep 12.
- Chen Y, Gao Z, He Y, Mai W, Li J, Zhou M, Li S, Yi W, Wu S, Bai T, Zhang N, Zeng W, Lu Y, Liu H. An Artificial Intelligence Model Based on ACR TI-RADS Characteristics for US Diagnosis of Thyroid Nodules. Radiology. 2022 Jun;303(3):613-619. doi: 10.1148/radiol.211455. Epub 2022 Mar 22.
- Zhao CK, Ren TT, Yin YF, Shi H, Wang HX, Zhou BY, Wang XR, Li X, Zhang YF, Liu C, Xu HX. A Comparative Analysis of Two Machine Learning-Based Diagnostic Patterns with Thyroid Imaging Reporting and Data System for Thyroid Nodules: Diagnostic Performance and Unnecessary Biopsy Rate. Thyroid. 2021 Mar;31(3):470-481. doi: 10.1089/thy.2020.0305. Epub 2020 Sep 9.
- Zhao J, Zhou X, Shi G, Xiao N, Song K, Zhao J, Hao R, Li K. Semantic consistency generative adversarial network for cross-modality domain adaptation in ultrasound thyroid nodule classification. Appl Intell (Dordr). 2022;52(9):10369-10383. doi: 10.1007/s10489-021-03025-7. Epub 2022 Jan 13.
- Peng S, Liu Y, Lv W, Liu L, Zhou Q, Yang H, Ren J, Liu G, Wang X, Zhang X, Du Q, Nie F, Huang G, Guo Y, Li J, Liang J, Hu H, Xiao H, Liu Z, Lai F, Zheng Q, Wang H, Li Y, Alexander EK, Wang W, Xiao H. Deep learning-based artificial intelligence model to assist thyroid nodule diagnosis and management: a multicentre diagnostic study. Lancet Digit Health. 2021 Apr;3(4):e250-e259. doi: 10.1016/S2589-7500(21)00041-8.
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)
3. června 2023
Primární dokončení (Aktuální)
2. března 2026
Dokončení studie (Aktuální)
16. března 2026
Termíny zápisu do studia
První předloženo
24. července 2023
První předloženo, které splnilo kritéria kontroly kvality
8. srpna 2023
První zveřejněno (Aktuální)
9. srpna 2023
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
25. března 2026
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
22. března 2026
Naposledy ověřeno
1. března 2026
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- SYSKY-2023-702-01
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
ANO
Popis plánu IPD
Data vygenerovaná nebo analyzovaná během studie jsou k dispozici od hlavního vyšetřovatele na vyžádání.
Časový rámec sdílení IPD
První týden po zveřejnění výzkumných prací.
Kritéria přístupu pro sdílení IPD
Data vygenerovaná nebo analyzovaná během studie jsou k dispozici u hlavního zkoušejícího na požádání.
Typ podpůrných informací pro sdílení IPD
- PROTOKOL STUDY
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 .