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

Validering af et Multitask Deep Learning System ved Spine Metastasis CT

31. maj 2022 opdateret af: Zhao Hui, Shanghai 6th People's Hospital

Multicenter-validering af et multitask-dybt læringssystem for spinal ustabilitet ved CT-metastase i ryggen

Multitask deep learning-systemet (DLS) med fem algoritmer, der detekterer fem kvantitative faktorer af Spinal Instability Neoplastic Score (SINS) blev udviklet. Radiologer og onkologer fra multicenter vil blive rekrutteret til at læse CT-scanningerne i billedarkiverings- og kommunikationssystem (PACS) uafhængigt, sammenlignet med DLS. En måned efter at have læst CT-scanningerne i PACS, vil deltagerne også blive bedt om at udføre en webbaseret test på DLS hjemmeside ved hjælp af de samme CT-scanninger. Areal under modtagerens driftskarakteristikkurve (AUC), følsomhed og specificitet af DLS blev beregnet med professionelle gradere som referencestandard.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Forventet)

420

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

14 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Patienter med rygsøjlemetastaser

Beskrivelse

Inklusionskriterier:

  1. patologisk bevist diagnose af solid tumor;
  2. spinal CT-scanning, der indikerer spinal metastase med mindst én læsion;
  3. ingen tidligere operation for spinal metastaser

Ekskluderingskriterier:

  1. spinal CT-scanninger uden sagittal rekonstruktion;
  2. radiologen mente, at kvaliteten af ​​CT-billedet var ukvalificeret.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Observationsmodeller: Kohorte
  • Tidsperspektiver: Fremadrettet

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
rutinelæger
Diagnostisk test: Deep Learning System
Multitask DLS med fem algoritmer, der detekterer fem kvantitative faktorer af SINS
DLS
Diagnostisk test: Deep Learning System
Multitask DLS med fem algoritmer, der detekterer fem kvantitative faktorer af SINS

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
AUC
Tidsramme: 1 måned
Område under modtagerens operationskarakteristiske kurve (AUC) for påvisning af spinal ustabilitet
1 måned

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
følsomhed
Tidsramme: 1 måned
følsomhed ved påvisning af spinal ustabilitet
1 måned
specificitet
Tidsramme: 1 måned
specificitet for påvisning af spinal ustabilitet
1 måned

Samarbejdspartnere og efterforskere

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

Sponsor

Shanghai 6th People's Hospital

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. juli 2022

Primær færdiggørelse (Forventet)

31. december 2023

Studieafslutning (Forventet)

31. december 2023

Datoer for studieregistrering

Først indsendt

12. december 2021

Først indsendt, der opfyldte QC-kriterier

12. december 2021

Først opslået (Faktiske)

14. december 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

1. juni 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

31. maj 2022

Sidst verificeret

1. maj 2022

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • DLS01

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 Deep Learning System

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Angola

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner