AI založené na CNN versus lékaři pro diagnostiku solitárních kožních lézí
Porovnání umělé inteligence založené na konvolučních neuronových sítích s dermatology a nedermatology v diagnostice solitárních kožních lézí
Cílem této observační studie je vyhodnotit diagnostickou přesnost umělé inteligence založené na konvoluční neuronové síti (CNN) u pacientů s solitárními kožními lézemi. Hlavní otázky, na které se studie zaměřuje, jsou:
- Jaká je diagnostická výkonnost (senzitivita a specificita) modelu založeného na CNN při identifikaci solitárních kožních lézí pomocí makroskopických klinických snímků?
- Jak se diagnostická přesnost modelu založeného na CNN porovnává s hodnoceními provedenými dermatology a lékaři jiných specializací?
Výzkumníci porovnají diagnostické výstupy modelu AI s nezávislými hodnoceními dermatologů a lékařů jiných specializací, aby zjistili, zda může model AI dosáhnout diagnostické výkonnosti srovnatelné nebo lepší než lidské klinické lékaře.
Účastníci (lékaři působící jako kliničtí čtenáři) budou:
- Nezávisle posuzovat předem definovaný soubor anonymizovaných makroskopických klinických snímků získaných z retrospektivního archivu pacientů.
- Poskytovat primární diagnózu pro každou lézi pouze na základě snímků, bez přístupu k anamnéze pacienta nebo histopatologickým výsledkům.
- Odesílat svá hodnocení, která budou porovnána se zlatým standardem (histopatologická diagnóza) a s výsledky modelu AI.
Přehled studie
Postavení
Detailní popis
Tato studie je retrospektivní observační diagnostická přesnostní studie navržená k vyhodnocení výkonnosti umělého inteligentního modelu založeného na konvoluční neuronové síti (CNN) při hodnocení solitárních kožních lézí pomocí makroskopických klinických snímků.
Makroskopické klinické snímky solitárních kožních lézí s histopatologicky nebo klinicky potvrzenými diagnózami budou retrospektivně získány z dermatologického obrazového archivu Istanbulského výcvikového a výzkumného nemocnice. Všechny snímky a související klinické dokumenty budou před analýzou anonymizovány a jakékoli identifikující vizuální nebo textové informace budou odstraněny. Zpracování a analýza dat budou provedeny v bezpečném, institucionálním prostředí s omezeným přístupem pouze pro studijní tým.
Model umělé inteligence založený na CNN bude vyvinut pomocí technik učení pod dohledem. Kroky předzpracování obrazu budou zahrnovat změnu velikosti na standardizované vstupní rozměry, normalizaci barev a odstranění oblastí obsahujících potenciálně identifikovatelné informace. Datová sada bude rozdělena na tréninkové, validační a testovací podmnožiny, aby umožnila vývoj modelu, optimalizaci hyperparametrů a nezávislé hodnocení výkonnosti. Trénink a vyhodnocení modelu budou implementovány pomocí hlubokého učícího rámce PyTorch.
Diagnostický výkon modelu založeného na CNN bude hodnocen pomocí standardních klasifikačních metrik a bude porovnán s nezávislými hodnoceními dermatologů, dermatologických rezidentů a nedermatologických lékařů, kteří hodnotí stejnou sadu anonymizovaných snímků bez přístupu k dalším klinickým nebo histopatologickým informacím. Provedou se srovnávací analýzy k posouzení rozdílů v diagnostické výkonnosti a shodě mezi modelem umělé inteligence a skupinami lékařů.
Typ studie
Zápis (Odhadovaný)
Kontakty a umístění
Studijní místa
-
-
Fatih
-
Istanbul, Fatih, Turecko (Türkiye), 34098
- S.B.Ü. İstanbul Eğitim ve Araştırma Hastanesi
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dítě
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria zařazení:
- Pacienti, kteří poskytli informovaný souhlas s použitím jejich klinických snímků pro vědecký výzkum.
- Klinické snímky s rozlišením přesahujícím 224x224 pixelů, což zajišťuje kompatibilitu s architekturou umělé inteligence.
- Retrospektivní záznamy solitárních kožních lézí s potvrzenou diagnózou.
Kritéria vyloučení:
- Pacienti, kteří neposkytli souhlas s použitím jejich klinických fotografií pro výzkumné účely.
- Snímky obsahující potenciálně identifikovatelné osobní údaje nebo vizuální prvky, které ohrožují anonymitu pacienta.
- Snímky s rozlišením nižším než 224x224 pixelů nebo s nízkou diagnostickou kvalitou (např. rozmazání, výrazná okluze).
- Duplicitní snímky nebo záznamy stejné léze.
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
|---|
|
Vývojová a validační kohorta
Toto je retrospektivní jednoramenná studie zahrnující 17 625 archivovaných klinických záznamů s potvrzenými histopatologickými diagnózami.
Kohorta bude sloužit jako primární datová sada pro vývoj AI modelu.
Konkrétní podmnožina testovací datové sady bude nezávisle vyhodnocena panelem dermatologů a nedermatologických lékařů prostřednictvím úlohy s výběrem z více možností.
Výkonnost AI modelu bude porovnána jak se zlatým standardem histopatologických výsledků, tak s diagnostickou přesností lidských pozorovatelů.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Diagnostická přesnost umělého inteligentního modelu založeného na konvoluční neuronové síti
Časové okno: Výchozí hodnota (Retrospektivní analýza dat bude dokončena do 4 měsíců)
|
Diagnostická přesnost umělého inteligentního modelu založeného na konvoluční neuronové síti (CNN) při diagnostice solitárních kožních lézí bude hodnocena pomocí hodnot přesnosti a plochy pod křivkou charakteristiky přijímače (ROC-AUC) na základě makroskopických klinických snímků.
|
Výchozí hodnota (Retrospektivní analýza dat bude dokončena do 4 měsíců)
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Rozdíl v diagnostické výkonnosti mezi modelem založeným na konvolučních neuronových sítích (CNN) a dermatology
Časové okno: Výchozí hodnota (Očekávané dokončení do 5 měsíců)
|
Rozdíl v diagnostické výkonnosti mezi umělým inteligentním modelem založeným na CNN a dermatology bude hodnocen na základě metrik přesnosti s použitím stejné sady makroskopických klinických snímků.
|
Výchozí hodnota (Očekávané dokončení do 5 měsíců)
|
|
Rozdíl v diagnostické výkonnosti mezi modelem založeným na konvoluční neuronové síti (CNN) a nelékaři dermatology
Časové okno: Výchozí hodnota (očekávané dokončení do 5 měsíců)
|
Rozdíl v diagnostické výkonnosti mezi umělou inteligencí založenou na konvolučních neuronových sítích (CNN) a lékaři nedermatology bude vyhodnocen na základě metrik přesnosti pomocí stejné sady snímků.
|
Výchozí hodnota (očekávané dokončení do 5 měsíců)
|
|
Citlivost, specificita modelu založeného na CNN a skupin lékařů
Časové okno: Výchozí stav (Předpokládané dokončení do 5 měsíců)
|
Citlivost a specificita umělého inteligentního modelu založeného na CNN a skupin lékařů budou vypočítány a porovnány při hodnocení solitárních kožních lézí.
|
Výchozí stav (Předpokládané dokončení do 5 měsíců)
|
|
F1-skóre modelu založeného na CNN a skupin lékařů
Časové okno: Výchozí stav (očekávané dokončení do 5 měsíců)
|
Při hodnocení solitárních kožních lézí budou vypočítány a porovnány hodnoty F1-skóre umělého inteligentního modelu založeného na CNN a skupin lékařů.
|
Výchozí stav (očekávané dokončení do 5 měsíců)
|
Spolupracovníci a vyšetřovatelé
Vyšetřovatelé
- Studijní židle: Ayşe Esra Koku Aksu, MD, Sağlık Bilimleri Üniversitesi İstanbul Eğitim ve Araştırma Hastanesi
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Odhadovaný)
Dokončení studie (Odhadovaný)
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
- SBU-IEAH-KAEK-20260109-19
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu IPD
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 Novotvary kůže
-
University of Kansas Medical CenterDokončeno
-
University Hospital, ToursAktivní, ne náborPředčasně narození novorozenci | Skin to SkinFrancie
-
Northwestern UniversityUniversity of Wisconsin, StoutDokončenoPerception of Skin of Color Clinics u AfroameričanůSpojené státy
-
Centre Hospitalier le MansNábor
-
The First Affiliated Hospital of Dalian Medical...NeznámýRány a zranění | Trauma | Zlomeniny, otevřené | Skin ExpanderČína
-
Ventrus Biosciences, IncNeznámýDiltiazem Skin Sensitivity.Spojené státy
-
Instituto de Oftalmología Fundación Conde de ValencianaDokončenoOmlazení | Tvář | Skin FoldMexiko
-
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