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

Automatiseret påvisning af metastatisk knoglesygdom på knoglescintigrafiscanninger

16. marts 2023 opdateret af: Maastricht University

I Silico Clinical Trial, der sammenligner lægers læsenøjagtighed og en dyb indlæringsalgoritme til påvisning af metastatisk knoglesygdom på knoglescintigrafiscanninger.

Knoglescintigrafi-scanninger er todimensionelle medicinske billeder, der bruges meget i nuklearmedicin. Scanningerne registrerer ændringer i knoglemetabolismen med høj følsomhed, men den mangler specificiteten til underliggende årsager. Derfor vil yderligere billeddannelse være påkrævet for at bekræfte den underliggende årsag. Formålet med denne undersøgelse er at undersøge, om deep learning kan forbedre den kliniske beslutning baseret på knoglescintigrafi-scanninger.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

2365

Kontakter og lokationer

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

Studiesteder

  • Holland
    • Limburg
      • Maastricht, Limburg, Holland, 6229ER
        • Maastricht University

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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Enhver patient, der havde en indikation for at gennemgå knoglescintigrafi i et af de deltagende centre.

Beskrivelse

Inklusionskriterier:

  • Patienter, der har gennemgået en knoglescintigrafisk scanning, som er tilgængelig med den røntgenologiske rapport mellem 2010-2018

Ekskluderingskriterier:

  • Manglen på en knoglescanning eller tilsvarende radiologisk rapport

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
BS-UKA
Patienter, der gennemgik knoglescintigrafiscanning mellem 2010 og 2018 på RTWH Aachen universitetshospital og havde en knoglescanningsrapport, der indikerer tilstedeværelse eller fravær af metastatisk knoglesygdom.
Andet: Deep learning baseret påvisning af metastatisk knoglesygdom på knoglescintigrafi-scanninger.
Formålet er at undersøge, om deep learning algoritmer kan detektere knoglemetastaser med høj nøjagtighed og specificitet.
BS-Namur
Patienter, der gennemgik knoglescintigrafi-scanning mellem 2010 og 2018 på Namurs universitetshospital og havde en knoglescanningsrapport, der indikerer tilstedeværelse eller fravær af metastatisk knoglesygdom.
Andet: Deep learning baseret påvisning af metastatisk knoglesygdom på knoglescintigrafi-scanninger.
Formålet er at undersøge, om deep learning algoritmer kan detektere knoglemetastaser med høj nøjagtighed og specificitet.
BS-Aalborg
Patienter, der har gennemgået knoglescintigrafiscanning mellem 2010 og 2018 på Aalborg Universitetshospital, og har fået en knoglescanningsrapport, der indikerer tilstedeværelse eller fravær af metastatisk knoglesygdom.
Andet: Deep learning baseret påvisning af metastatisk knoglesygdom på knoglescintigrafi-scanninger.
Formålet er at undersøge, om deep learning algoritmer kan detektere knoglemetastaser med høj nøjagtighed og specificitet.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Klassificeringsydelsen af ​​DL-algoritmen sammenlignet med grundsandheden
Tidsramme: Juni 2021
Rapportering af ydeevnemålene (areal under kurven, nøjagtighed, specificitet osv.)
Juni 2021

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Sammenligning af klassificeringsydelsen af ​​DL-algoritmen med lægers
Tidsramme: Juni 2021
Korrekthed af diagnosen Dr versus AI (dikotom variabel: korrekt versus ikke korrekt) på en delmængde af valideringsdata ved hjælp af en McNemar statistisk test
Juni 2021

Samarbejdspartnere og efterforskere

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

Sponsor

Maastricht University

Samarbejdspartnere

Aalborg University Hospital
Centre Hospitalier Universitaire de Liege
University Hospital, Aachen
University of Namur

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

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 (Faktiske)

10. marts 2021

Primær færdiggørelse (Faktiske)

30. december 2021

Studieafslutning (Faktiske)

31. december 2021

Datoer for studieregistrering

Først indsendt

19. april 2021

Først indsendt, der opfyldte QC-kriterier

25. oktober 2021

Først opslået (Faktiske)

8. november 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

20. marts 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

16. marts 2023

Sidst verificeret

1. marts 2023

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • MBDDL

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 .

Kliniske forsøg med Metastatisk knogletumor

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Hong Kong

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner