Kunstig Intelligent accelererer indlæringskurven for at mestre kontrastforstærket ultralyd af skjoldbruskkirtelknolder (AIA-CEUD-TN)
22. marts 2026 opdateret af: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Kunstig Intelligent accelererer indlæringskurven for at mestre skjoldbruskkirtelbilledrapportering og datasystem for kontrastforstærket ultralyd
Målet med denne observationelle undersøgelse er at lære om indlæringskurven til at mestre skjoldbruskkirtlens billeddannelsesrapportering og datasystemet for kontrastforstærket ultralyd ved hjælp af kunstig intelligens hos patienter med skjoldbruskkirtelknuder. De vigtigste spørgsmål, den sigter mod at besvare er:
- Kan vi udvikle en kunstig intelligent software til at hjælpe læger med at diagnosticere skjoldbruskkirtelknolder ved hjælp af kontrastforstærket ultralyd?
- Kan kunstig intelligent reducere antallet af tilfælde og tid for læger til at mestre den kontrastforstærkede ultralydsdiagnose af skjoldbruskkirtlen?
Deltagerne vil blive bedt om at gennemgå kontrastforstærket ultralydsundersøgelse og ultralydsstyret finnålsaspiration af skjoldbruskkirtlen. Forskere vil sammenligne antallet af tilfælde og tid for læger med og uden kunstig intelligent assistance til at mestre den kontrastforstærkede ultralydsdiagnose af skjoldbruskkirtelknolder for at se, om kunstig intelligent reducerer antallet af tilfælde og tiden.
Studieoversigt
Undersøgelsestype
Interventionel
Tilmelding (Faktiske)
1955
Fase
- Ikke anvendelig
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510289
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen 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
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ingen
Studiebefolkning
Studiepopulation med samme indikation for kontrastforstærket ultralyd og finnålsaspirationsbiopsi:
- Planlagt ablation eller operation;
- Mindst et mistænkeligt ultralydstræk, såsom hypoekkoisk/meget hypoekkoisk, uregelmæssig/lobuleret margin, højere end bred eller punkterede ekkogene foci.
Beskrivelse
Inklusionskriterier:
- Patienter med skjoldbruskkirtelknuder med en fast komponent ≥5 mm bekræftet ved konventionel ultralyd;
- Patienter, der gennemgik konventionel ultralyd, kontrastforstærket ultralyd og finnålsaspirationsbiopsi;
- Patienter med endelige godartede eller ondartede patologiske resultater.
Ekskluderingskriterier:
- Patienter med cytopatologi af Bethesda I, III eller IV og uden endelig benign eller malign patologi;
- Patienter med en historie med skjoldbruskkirtelablation eller kirurgi;
- Patienter med ultralydsbilleder af lav kvalitet.
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: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Andet: Test sæt
Deltagere med skjoldbruskkirtelknuder gennemgik kontrastforstærket ultralydsscanning og ultralydsvejledt finnålsaspiration i perioden januar 2021 til december 2022 på Sun Yat-sen Memorial Hospital ved Sun Yat-sen University, Houjie Hospital i Dongguan og Affiliated Huadu Hospital ved Southern Medical University.
|
Kunstig intelligens-assisteret kontrastforstærket ultralydsdiagnose af skjoldbruskkirtelknuder.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk ydeevne
Tidsramme: Første uge efter primær færdiggørelsesdato.
|
Sensitivitet, specificitet, positiv prædiktiv værdi, negativ prædiktiv værdi, nøjagtighed, areal under kurven
|
Første uge efter primær færdiggørelsesdato.
|
|
Nødvendigheden af biopsi
Tidsramme: Første uge efter primær afslutningsdato.
|
Unødvendig biopsirate
|
Første uge efter primær afslutningsdato.
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Efterforskere
- Ledende efterforsker: Jingliang Ruan, PhD, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
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
- Haugen BR, Alexander EK, Bible KC, Doherty GM, Mandel SJ, Nikiforov YE, Pacini F, Randolph GW, Sawka AM, Schlumberger M, Schuff KG, Sherman SI, Sosa JA, Steward DL, Tuttle RM, Wartofsky L. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer. Thyroid. 2016 Jan;26(1):1-133. doi: 10.1089/thy.2015.0020.
- Russ G, Bonnema SJ, Erdogan MF, Durante C, Ngu R, Leenhardt L. European Thyroid Association Guidelines for Ultrasound Malignancy Risk Stratification of Thyroid Nodules in Adults: The EU-TIRADS. Eur Thyroid J. 2017 Sep;6(5):225-237. doi: 10.1159/000478927. Epub 2017 Aug 8.
- Burgos N, Zhao J, Brito JP, Hoang JK, Pitoia F, Maraka S, Castro MR, Lee JH, Singh Ospina N. Clinician Agreement on the Classification of Thyroid Nodules Ultrasound Features: A Survey of 2 Endocrine Societies. J Clin Endocrinol Metab. 2022 Jul 14;107(8):e3288-e3294. doi: 10.1210/clinem/dgac279.
- Tessler FN, Middleton WD, Grant EG, Hoang JK, Berland LL, Teefey SA, Cronan JJ, Beland MD, Desser TS, Frates MC, Hammers LW, Hamper UM, Langer JE, Reading CC, Scoutt LM, Stavros AT. ACR Thyroid Imaging, Reporting and Data System (TI-RADS): White Paper of the ACR TI-RADS Committee. J Am Coll Radiol. 2017 May;14(5):587-595. doi: 10.1016/j.jacr.2017.01.046. Epub 2017 Apr 2.
- Burgos N, Ospina NS, Sipos JA. The Future of Thyroid Nodule Risk Stratification. Endocrinol Metab Clin North Am. 2022 Jun;51(2):305-321. doi: 10.1016/j.ecl.2021.12.002. Epub 2022 May 4.
- Zhou J, Yin L, Wei X, Zhang S, Song Y, Luo B, Li J, Qian L, Cui L, Chen W, Wen C, Peng Y, Chen Q, Lu M, Chen M, Wu R, Zhou W, Xue E, Li Y, Yang L, Mi C, Zhang R, Wu G, Du G, Huang D, Zhan W; Superficial Organ and Vascular Ultrasound Group of the Society of Ultrasound in Medicine of the Chinese Medical Association; Chinese Artificial Intelligence Alliance for Thyroid and Breast Ultrasound. 2020 Chinese guidelines for ultrasound malignancy risk stratification of thyroid nodules: the C-TIRADS. Endocrine. 2020 Nov;70(2):256-279. doi: 10.1007/s12020-020-02441-y. Epub 2020 Aug 21.
- Shin JH, Baek JH, Chung J, Ha EJ, Kim JH, Lee YH, Lim HK, Moon WJ, Na DG, Park JS, Choi YJ, Hahn SY, Jeon SJ, Jung SL, Kim DW, Kim EK, Kwak JY, Lee CY, Lee HJ, Lee JH, Lee JH, Lee KH, Park SW, Sung JY; Korean Society of Thyroid Radiology (KSThR) and Korean Society of Radiology. Ultrasonography Diagnosis and Imaging-Based Management of Thyroid Nodules: Revised Korean Society of Thyroid Radiology Consensus Statement and Recommendations. Korean J Radiol. 2016 May-Jun;17(3):370-95. doi: 10.3348/kjr.2016.17.3.370. Epub 2016 Apr 14.
- Kwak JY, Han KH, Yoon JH, Moon HJ, Son EJ, Park SH, Jung HK, Choi JS, Kim BM, Kim EK. Thyroid imaging reporting and data system for US features of nodules: a step in establishing better stratification of cancer risk. Radiology. 2011 Sep;260(3):892-9. doi: 10.1148/radiol.11110206. Epub 2011 Jul 19.
- Sidhu PS, Cantisani V, Dietrich CF, Gilja OH, Saftoiu A, Bartels E, Bertolotto M, Calliada F, Clevert DA, Cosgrove D, Deganello A, D'Onofrio M, Drudi FM, Freeman S, Harvey C, Jenssen C, Jung EM, Klauser AS, Lassau N, Meloni MF, Leen E, Nicolau C, Nolsoe C, Piscaglia F, Prada F, Prosch H, Radzina M, Savelli L, Weskott HP, Wijkstra H. The EFSUMB Guidelines and Recommendations for the Clinical Practice of Contrast-Enhanced Ultrasound (CEUS) in Non-Hepatic Applications: Update 2017 (Long Version). Ultraschall Med. 2018 Apr;39(2):e2-e44. doi: 10.1055/a-0586-1107. Epub 2018 Mar 6.
- Zhang Y, Zhou P, Tian SM, Zhao YF, Li JL, Li L. Usefulness of combined use of contrast-enhanced ultrasound and TI-RADS classification for the differentiation of benign from malignant lesions of thyroid nodules. Eur Radiol. 2017 Apr;27(4):1527-1536. doi: 10.1007/s00330-016-4508-y. Epub 2016 Aug 15.
- Tang C, Fang K, Guo Y, Li R, Fan X, Chen P, Chen Z, Liu Q, Zou Y. Safety of Sulfur Hexafluoride Microbubbles in Sonography of Abdominal and Superficial Organs: Retrospective Analysis of 30,222 Cases. J Ultrasound Med. 2017 Mar;36(3):531-538. doi: 10.7863/ultra.15.11075. Epub 2017 Jan 10.
- Seifert P, Gorges R, Zimny M, Kreissl MC, Schenke S. Interobserver agreement and efficacy of consensus reading in Kwak-, EU-, and ACR-thyroid imaging recording and data systems and ATA guidelines for the ultrasound risk stratification of thyroid nodules. Endocrine. 2020 Jan;67(1):143-154. doi: 10.1007/s12020-019-02134-1. Epub 2019 Nov 18.
- Wildman-Tobriner B, Buda M, Hoang JK, Middleton WD, Thayer D, Short RG, Tessler FN, Mazurowski MA. Using Artificial Intelligence to Revise ACR TI-RADS Risk Stratification of Thyroid Nodules: Diagnostic Accuracy and Utility. Radiology. 2019 Jul;292(1):112-119. doi: 10.1148/radiol.2019182128. Epub 2019 May 21.
- Zhang B, Tian J, Pei S, Chen Y, He X, Dong Y, Zhang L, Mo X, Huang W, Cong S, Zhang S. Machine Learning-Assisted System for Thyroid Nodule Diagnosis. Thyroid. 2019 Jun;29(6):858-867. doi: 10.1089/thy.2018.0380. Epub 2019 Apr 27.
- Jin Z, Pei S, Ouyang L, Zhang L, Mo X, Chen Q, You J, Chen L, Zhang B, Zhang S. Thy-Wise: An interpretable machine learning model for the evaluation of thyroid nodules. Int J Cancer. 2022 Dec 15;151(12):2229-2243. doi: 10.1002/ijc.34248. Epub 2022 Sep 12.
- Chen Y, Gao Z, He Y, Mai W, Li J, Zhou M, Li S, Yi W, Wu S, Bai T, Zhang N, Zeng W, Lu Y, Liu H. An Artificial Intelligence Model Based on ACR TI-RADS Characteristics for US Diagnosis of Thyroid Nodules. Radiology. 2022 Jun;303(3):613-619. doi: 10.1148/radiol.211455. Epub 2022 Mar 22.
- Zhao CK, Ren TT, Yin YF, Shi H, Wang HX, Zhou BY, Wang XR, Li X, Zhang YF, Liu C, Xu HX. A Comparative Analysis of Two Machine Learning-Based Diagnostic Patterns with Thyroid Imaging Reporting and Data System for Thyroid Nodules: Diagnostic Performance and Unnecessary Biopsy Rate. Thyroid. 2021 Mar;31(3):470-481. doi: 10.1089/thy.2020.0305. Epub 2020 Sep 9.
- Zhao J, Zhou X, Shi G, Xiao N, Song K, Zhao J, Hao R, Li K. Semantic consistency generative adversarial network for cross-modality domain adaptation in ultrasound thyroid nodule classification. Appl Intell (Dordr). 2022;52(9):10369-10383. doi: 10.1007/s10489-021-03025-7. Epub 2022 Jan 13.
- Peng S, Liu Y, Lv W, Liu L, Zhou Q, Yang H, Ren J, Liu G, Wang X, Zhang X, Du Q, Nie F, Huang G, Guo Y, Li J, Liang J, Hu H, Xiao H, Liu Z, Lai F, Zheng Q, Wang H, Li Y, Alexander EK, Wang W, Xiao H. Deep learning-based artificial intelligence model to assist thyroid nodule diagnosis and management: a multicentre diagnostic study. Lancet Digit Health. 2021 Apr;3(4):e250-e259. doi: 10.1016/S2589-7500(21)00041-8.
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)
3. juni 2023
Primær færdiggørelse (Faktiske)
2. marts 2026
Studieafslutning (Faktiske)
16. marts 2026
Datoer for studieregistrering
Først indsendt
24. juli 2023
Først indsendt, der opfyldte QC-kriterier
8. august 2023
Først opslået (Faktiske)
9. august 2023
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
25. marts 2026
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
22. marts 2026
Sidst verificeret
1. marts 2026
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
- Sygdomme i det endokrine system
- Patologiske processer
- Neoplasmer efter sted
- Neoplasmer
- Thyroidneoplasmer
- Neoplasmer i endokrine kirtler
- Neoplasmer i hoved og hals
- Skjoldbruskkirtelsygdomme
- Patologiske tilstande, tegn og symptomer
- Thyroid Nodule
- Sygdom
- Algoritmer
- Matematiske koncepter
- Kunstig intelligens
Andre undersøgelses-id-numre
- SYSKY-2023-702-01
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
JA
IPD-planbeskrivelse
Data genereret eller analyseret under studiet er tilgængelige fra hovedforskeren ved anmodning.
IPD-delingstidsramme
Den første uge efter forskningspapersenes udgivelse.
IPD-delingsadgangskriterier
Data genereret eller analyseret under studiet er tilgængelige fra hovedforskeren efter anmodning.
IPD-deling Understøttende informationstype
- STUDY_PROTOCOL
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 .