Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Et forbedret kunstig intelligens bryst MR tolkningssystem (IntelliScan)

5. februar 2019 opdateret af: Jamil Kanfoud

En sammenlignende enkeltcenterundersøgelse til evaluering af et forbedret kunstig intelligens bryst-MR-tolkningssystem hos kvinder over 20 år med brystlæsioner

Tolkning af bryst-MR-billeder er en meget tidskrævende proces og lægger en stor byrde på brystradiologer. Dette projekt har til formål at udvikle en teknisk løsning, der adresserer denne sundhedsudfordring ved at udvikle et system, der er i stand til automatisk at fortolke bryst-MR-billeder for at hjælpe radiologen i deres diagnose.

Studieoversigt

Status

Ukendt

Betingelser

Detaljeret beskrivelse

Brystkræft er den mest almindelige form for kræft hos kvinder på verdensplan, med næsten 1,7 millioner nye tilfælde diagnosticeret i 2015. I Storbritannien resulterer et ud af fem tilfælde af brystkræft i en dødsfald. IntelliScan-projektet har til formål at udvikle en teknologisk løsning, der adresserer en væsentlig sundhedsudfordring. IntelliScan vil udvikle et softwaresystem, der vil være i stand til at fortolke bryst MR-billeder automatisk for at identificere potentielle brystkræftformer.

Regelmæssig MR-screening af brystet tilbydes kvinder fra 20 år, som har større risiko for at udvikle brystkræft. MR-billedsekvenser giver en stor mængde information til radiologen, og tolkningen af ​​billeder er en manuel proces, som er meget tidskrævende. Det høje antal kvinder, der er berettiget til MR-screening kombineret med mængden af ​​data fra MR-scanninger, lægger en stor byrde på sundhedssystemerne. Derfor vil automatisering af denne proces i høj grad aflaste denne byrde og har også potentiale til at give mere præcise diagnoser.

I denne første undersøgelse vil systemets brugergrænseflade samt algoritmen blive udviklet ved hjælp af eksisterende MR-scanninger. Eksisterende MR-scanninger med kendte brystanomalier vil blive brugt til at udvikle beslutningsgrundlaget for algoritmen. Systemet vil derefter blive testet ved hjælp af eksisterende MR-scanninger uden information om mulige anomalier, og resultaterne vil blive sammenlignet med resultater fra det softwaresystem, der er i brug. Derudover vil brugervenligheden af ​​systemets brugerflade også blive evalueret.

Undersøgelsestype

Interventionel

Tilmelding (Forventet)

1526

Fase

  • Ikke anvendelig

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

20 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Kvinde

Beskrivelse

Inklusionskriterier:

  • Bryst MR-scanninger
  • MR-undersøgelser foretaget hos partneren NHS Trust i Storbritannien
  • MR-undersøgelser udført på det MR-system, der i øjeblikket er installeret på partner NHS Trust-webstedet (siden 2008)

Ekskluderingskriterier:

  • Ufuldstændige bryst MR-datasæt
  • Bryst MR uden læsioner
  • Brystlæsion på MR ikke biopsieret

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Diagnostisk
  • Tildeling: N/A
  • Interventionel model: Enkelt gruppeopgave
  • Maskning: Enkelt

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Følsomhed/specificitet af brystfortolkningsalgoritme
Tidsramme: 1 år
Sensitiviteten og specificiteten af ​​informationen fra brystfortolkningsalgoritmen skal være over henholdsvis 90 % og 70 %
1 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Tid nødvendig til diagnose
Tidsramme: 1 år
Den tid, der kræves for at nå frem til en diagnose ved hjælp af IntelliScan, bør være mindre end ved manuelle procedurer
1 år
Brugervenlighed af IntelliScan-systemet
Tidsramme: 1 år
Indlysende score for kategorisering af bæstlæsioner (0 [ikke indlysende] til 100 [ekstremt indlysende]); brugervenlig score for IntelliScan-systemet (0 [ikke let at bruge] til 10 [ekstremt let at bruge])
1 år

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Efterforskere

  • Studieleder: Steve Dennis, B.Sc., First Option Software

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Forventet)

1. april 2019

Primær færdiggørelse (Forventet)

1. januar 2020

Studieafslutning (Forventet)

1. juli 2020

Datoer for studieregistrering

Først indsendt

30. januar 2019

Først indsendt, der opfyldte QC-kriterier

1. februar 2019

Først opslået (Faktiske)

4. februar 2019

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

6. februar 2019

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

5. februar 2019

Sidst verificeret

1. februar 2019

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • 4901

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 .

Abonner