Integrering af kunstig intelligens i lungekræftscreening. (DACAPO)
En randomiseret kontrolleret undersøgelse af at inkludere en dyb læringsbaseret analyse af brysttomografi som en hjælp til beslutningstagning af tværfaglige teammøder til lungekræftscreening hos kvalificerede patienter
Lungekræftscreening (LC) ved hjælp af lavdosis thorax-CT (LDCT) har allerede bevist sin effektivitet.
Dødelighedsreduktionen forbundet med LC-screening er omkring 20 %, meget højere end reduktionen i dødeligheden forbundet med screening for bryst-, tyktarms- eller prostatacancer.
Implementering af lungekræftscreening i stor skala står over for to hovedhindringer:
- Manglen på thoraxradiologer og LDCT nødvendig for den støtteberettigede befolkning (mellem 1,6 og 2,2 millioner mennesker i Frankrig);
- Den høje frekvens af falsk positive screeninger: I NLST-forsøget blev mere end 20% af de screenede forsøgspersoner fundet at have mindst én knude af en ubestemmelig lungeknude (ILN), mens mindre end 3% af ILN'erne faktisk er LC.
Guldstandarden til bestemmelse af en knudes godartede eller ondartede natur er definitiv histologi. Ellers er udviklingen af knuden på seriel thorax-billeddannelse et godt alternativ. Ubestemmelsesperioden for en knude kan i mange tilfælde være så lang som 24 måneder, hvilket kan være en kilde til langvarig og nogle gange uberettiget angst for screening af kandidater.
Formålet med denne randomiserede kontrollerede undersøgelse, der fokuserer på LC-screening hos patienter i alderen 50 til 80 år, som røg mere end 20 pakker/år eller holdt op med at ryge for mindre end 15 år siden. Dens formål er at afgøre, om assisterende multidisciplinære teammøder (MDT) med en AI-baseret analyse af screening LDCT fremskynder den endelige klassificering af knuder i maligne eller benigne.
Studieoversigt
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
- Navn: Marquette Charles-Hugo, PhD
- Telefonnummer: +33492037777
- E-mail: marquette.c@chu-nice.fr
Undersøgelse Kontakt Backup
- Navn: Boutros Jacques
- Telefonnummer: +33492037777
- E-mail: boutros.j@chu-nice.fr
Studiesteder
-
-
Alpes-maritimes
-
Nice, Alpes-maritimes, Frankrig, 06001
- Rekruttering
- CHU de Nice - Hôpital de Pasteur
-
Kontakt:
- Marquette Charles-Hugo, PhD
- Telefonnummer: +33492037777
- E-mail: marquette.c@chu-nice.fr
-
Kontakt:
- Boutros Jacques
- Telefonnummer: +33492037777
- E-mail: boutros.j@chu-nice.fr
-
Ledende efterforsker:
- Marquette Charles-Hugo, PhD
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Alder mellem 50 og 80 år
- aktiv ryger eller tidligere ryger, der holdt op med at ryge for mindre end 15 år siden
- rygehistorie på mindst 20 pakkeår
- underskrift af det informerede samtykke
- tilknytning til fransk socialsikring
Ekskluderingskriterier:
- kliniske tegn, der tyder på kræft
- nylig thoraxscanning (<1 år) for en anden årsag
- radiologisk abnormitet, der kræver opfølgning eller yderligere undersøgelser
- sundhedsproblem, der væsentligt begrænser den forventede levetid set fra klinikerens synspunkt
- sundhedsproblem, der begrænser evnen eller viljen til at gennemgå en lungeoperation
- Patienter med aktiv neoplasi, undtagen basalcellekarcinom i huden.
- sårbare mennesker: voksne under værgemål, voksne under kurator medicinske og/eller psykiatriske problemer af tilstrækkelig alvorlighed til at begrænse fuld tilslutning til undersøgelsen eller udsætte patienter for overdreven risiko
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Diagnostisk
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: IA Gruppen
Patienter med mindst én knude (> 6 mm), for hvem den tværfaglige gruppemødediskussion er informeret om den AI-baserede analyse af deres thorax-computertomografi
|
Den tværfaglige gruppemødediskussion er informeret om den AI-baserede analyse af deres brysttomografi
|
|
Andet: Gruppe ikke IA-analyse
Patienter med mindst én knude (> 6 mm), for hvem den tværfaglige gruppemødediskussion ikke er informeret om den AI-baserede analyse af deres thorax-computertomografi
|
Diskussionen af det tværfaglige teammøde er ikke informeret om den AI-baserede analyse af deres brysttomografi
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnose af lungesygdom
Tidsramme: På 3 år
|
Forløbet tid mellem opdagelse af lungeknude og MDT-beslutningstagning.
|
På 3 år
|
Sekundære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Driftskarakteristika for Ai-baseret strategi
Tidsramme: På 3 år
|
På 3 år
|
Samarbejdspartnere og efterforskere
Efterforskere
- Ledende efterforsker: Marquette Charles-Hugo, CHU de Nice, Service de Pneumologie
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 22-PP-12
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
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 .