Multicenter undersøgelse af dyb indlæring AI i brystmasse
En multicenterundersøgelse af brystmassescreening og -diagnose ved hjælp af Deep Learning AI-baseret på ultralydsundersøgelse i realtid
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Som den mest almindelige kræftsygdom, der forventes at forekomme over hele verden, spiller omfattende befolkningsscreening en meget vigtig rolle i den tidlige diagnose og prognose af brystkræften. Røntgen og ultralyd er de mest anvendte screeningsmetoder, og ultralyd er især vigtigt for asiatiske kvinder med tætte bryster. Ultralyd er dog meget påvirket af operatørens dygtighed og erfaring, og den diagnostiske nøjagtighed varierer meget.
Kunstig intelligens (AI) er en ny metode, der er dukket op i de senere år, aktiv inden for mange medicinske områder og effektivt kan forbedre den diagnostiske effektivitet. Tidligere forskning i anvendelsen af AI i ultralyd er imidlertid fokuseret på statiske ultralydsbilleder med enkelt- eller multimodalitet. Denne multicenterundersøgelse har til hensigt at evaluere værdien af påvisningen og differentialdiagnosen af brystmasse ved hjælp af deep learning AI-baseret ultralydsundersøgelse i realtid.
Undersøgelsestype
Undersøgelsestype
Tilmelding (Forventet)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Yong Wang
- Telefonnummer: 13391817899
- E-mail: drwangyong77@163.com
Studiesteder
-
-
Beijing
-
Beijing, Beijing, Kina, 100021
- Rekruttering
- National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College
-
Kontakt:
- Yong Wang
- Telefonnummer: 13391817899
- E-mail: drwangyong77@163.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Kvinder, der gennemgår ultralydsundersøgelse for en klage over brystlæsion;
- Brystlæsionen, der vil opnå sikker patologisk diagnose eller opfølgning i mindst to år.
Ekskluderingskriterier:
- Brystlæsionen, der har modtaget CNB eller FNA;
- Brystkræftpatienten, der har modtaget neoadjuverende kemoterapi.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk ydeevne af brystmasse ved hjælp af deep learning AI-baseret ultralydsundersøgelse i realtid
Tidsramme: 12 måneder
|
Patologi som en guldstandard, for at evaluere den diagnostiske ydeevne (sensitivitet, specificitet og nøjagtighed)
|
12 måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
Efterforskere
Efterforskere
- Ledende efterforsker: Yong Wang, Cancer Institute and Hospital, Chinese Academy of Medical Sciences
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Forventet)
Primær færdiggørelse
Studieafslutning (Forventet)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- NCC2962
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .