- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06282068
AI Bestem malignitet af GGO på bryst-CT
Anvend kunstig intelligens til at bestemme godartet eller ondartet sygdom for pulmonale jordglasknuder af computertomografi
Forskningsmål At bruge AI computerstøttet detektionssoftware til at hjælpe læger med at læse CT-scanninger af lungeknuder, hvilket giver hjælpediagnostiske værktøjer til medicinsk beslutningstagning. Softwaren kan markere knuder og relaterede oplysninger under rutinemæssig lægelæsning. Denne undersøgelse vil opnå prospektivt samtykke til at bruge patient-CT-billeder til softwareaflæsning og sammenligne med klinisk lægediagnose for at forbedre softwaretræning og forbedre genkendelsen af lungelæsioner til tidlig diagnose og behandling.
Undersøgelsesdesign Indsaml CT-billeder af ubehandlede lungeknuder 4-30 mm i størrelse, der er planlagt til operation. Ingen grænser for alder, køn, sygdomstype, med billedopløsning <2,5 mm. AI og klinikere vil bedømme nodulens egenskaber separat. Kirurgisk resektion efterfulgt af sammenligning med patologirapporter vil evaluere diagnostisk nøjagtighed.
Undersøgelsesprocedurer En dobbeltblindet metode vil blive brugt. AI og læger vil registrere knuder som sandsynligt godartede eller ondartede separat. Efter kirurgisk resektion vil læsionerne gennemgå patologisk stadieinddeling, og begge gruppers diagnostiske nøjagtighed vil blive sammenlignet.
Forventede resultater Sammenlign den diagnostiske nøjagtighed af AI og klinikere for at forbedre AI-træningskvaliteten, opnå tidlige diagnose- og behandlingsmål og give patienterne bedre medicinsk behandlingskvalitet.
Overvågningsmetode AI og klinikere vil læse hver for sig og overholde fælles beslutningstagning uden at påvirke patientens adgang til diagnose og behandling.
Nøgleord: lungeknuder, tidlig lungekræft, kunstig intelligens, CT thorax, minimalt invasiv kirurgi, software til lungebilledanalyse
Studieoversigt
Status
Intervention / Behandling
Detaljeret beskrivelse
- Forskningsmål
Denne undersøgelse vil installere kunstig intelligens (AI) computerstøttet detektionssoftware (CADe) på den originale brugergrænseflade for at levere hjælpediagnostiske værktøjer til klinisk medicinsk beslutningstagning.
Under rutinemæssige CT-undersøgelser kan denne læsesoftware hjælpe med at identificere knuder i CT-scanningsbilleder af brystet. Når læger rutinemæssigt læser lunge-CT-scanningsbilleder, vil markeringsresultaterne blive vist. Gældende nodulstørrelser er 4 mm til 30 mm. Når mistænkelige knuder opdages, vil lægen markere ROI-placeringen (Region of Interest) og præsentere knuderelateret information til lægens reference under diagnosen.
Denne undersøgelse vil også indhente informerede samtykkeerklæringer fra forsøgspersoner på en prospektiv basis for at erhverve patienters serielle CT-billeder af brystet. AI intelligent lunge billedlæsningssoftware og klinisk omsorgsfulde læger vil give godartede og ondartede efter bedømmelse. Dette er for at forbedre den praktiske træning af intelligent software. Det forventes også at forbedre genkendelsen af benigne og ondartede lungelæsioner i fremtidige billeder, ikke kun lungeknuder. Dette kan reducere overdiagnosticering og behandlingsrater, eller det forventes at forbedre nøjagtigheden af tidlig diagnose og behandling. "AI kan ikke bruges som det eneste grundlag for diagnose. Det giver kun hjælpediagnostiske værktøjer til klinisk medicinsk beslutningstagning og må ikke forenkle eller erstatte diagnose/behandlingsprocedurer."
2. Undersøgelsesdesign (resumé)
Tilmeldingsperioden er begrænset til 2 år. Der er ingen kønsbegrænsninger. Alder >20 år. Patienter med lavdosis CT-scanninger af brystkassen (<2,5 mm skivetykkelse, billeddannelse fra ethvert hospital), der detekterer lungeknuder (ingen grænse for knudetype/region eller art af knuder 4-30 mm), som endnu ikke er blevet opereret og er planlagt til at gennemgå kirurgisk resektion på afdelingen for Thoraxkirurgi, Chung Shan Medical University Hospital vil blive inkluderet.
Eksklusionskriterier er lavdosis CT-scanninger af brystet (kun >2,5-5 mm skivetykkelse, billeddannelse fra ethvert hospital), lungetumorer (>30 mm, ingen naturgrænse), lungeknuder, der allerede har gennemgået kirurgisk resektion (ingen grænse for kendte eller ukendte patologirapporter), og patienter med kendte andre kræftformer (andre kendte kræftformer udover lungekræft, der opfylder inklusionskriterier skal udelukkes) vil ikke blive inkluderet.
Forsøgsgruppe: AI Kontrolgruppe: Behandlende læge fra afdelingen for Thoraxkirurgi, Chung Shan Medical University Hospital
● Undersøgelsesprocedurer
Under ovenstående betingelser med lavdosis CT-scanning af brystet og inklusionskriterier vil de to grupper identificere og registrere lungeknuder og markere dem som enten sandsynligt godartede eller sandsynlige ondartede før forestående operation (før patologirapporter er kendt). Alle disse lungelæsioner vil i sidste ende gennemgå kirurgisk resektion (ingen grænse for kirurgiske metoder) og komplette patologiske resultater. Analyse vil derefter blive udført for at evaluere nøjagtigheden af at forudsige godartethed eller malignitet i forsøgs- og kontrolgrupperne.
Bemærkninger:
- Identifikationsposter vil blive indsamlet af co-PI (Tsai) på en dobbeltblindet måde.
- Prøvegruppe - AI af V5 lungebilledlæsningssoftware
- Kontrolgruppe - behandlende læge fra afdelingen for thoraxkirurgi, Chung Shan Medical University Hospital. Kan ikke stole udelukkende på V5 lungebilledlæsningssoftware til diagnose. Kan ikke forenkle eller erstatte diagnose/behandlingsprocedurer. Kan ikke påvirke patientens ret til diagnose og behandling.
Denne undersøgelse kan ikke påvirke eller gribe ind over for patienter, der modtager diagnose og behandling. Skal respektere fælles beslutningstagning mellem læger og patienter og respektere patientens autonomi.
- Inklusionskriterier
- Alder >20 år
- Køn (ingen grænse)
- Sygdomstype (ingen grænse for kendt lungekræfthistorie, akutte eller kroniske ikke-cancerøse tilstande)
- Lavdosis bryst-CT (<2,5 mm skivetykkelse, billeddannelse fra ethvert hospital)
- Lungeknuder (ingen grænse for knudetype/region eller knudernes art <4-30 mm)
Læsioner, der endnu ikke er opereret, forventes at gennemgå kirurgisk resektion på afdelingen for thoraxkirurgi, Chung Shan Medical University Hospital
- Eksklusionskriterier
- Lavdosis bryst-CT (kun >2,5-5 mm skivetykkelse, billeddannelse fra ethvert hospital)
- Lungetumorer (>30 mm, ingen naturbegrænsning)
- Lungeknuder, der har gennemgået kirurgisk resektion (ingen grænse for kendt eller ukendt patologi)
Patienter med kendte andre kræftformer (andre kendte kræftformer udover lungekræft, der opfylder inklusionskriterierne skal udelukkes)
● Statistisk analysemetode
Kliniske forsøg vil blive udført på en dobbeltblindet måde under forudsætning af ikke at påvirke sygdomsdiagnose og behandlingsprocedurer.
ROC kurver
- Evalueringsindekser
Sammenligning med postoperative patologirapporter vil tjene som billeddiagnostiske evalueringsindekser for nøjagtighed og forhold mellem benignitet vs. malignitet.
- Tilbagetrækningskriterier
Denne undersøgelse er ikke i konflikt med klinisk medicinsk fælles beslutningstagning og påvirker heller ikke nogen oprindelige etablerede behandlinger. Resultaterne vil kun tjene som fremtidige kliniske hjælpeværktøjer til at hjælpe med identifikation og udnyttelse med det mål at give fordele i klinisk beslutningstagning for lungekræftdiagnose og behandling.
- Redningsbehandlinger
Ingen, påvirker ikke nogen forestående medicinsk fælles beslutningstagning og behandlinger. Ingen risikopåvirkninger.
Mål tilmeldingsnummer
100 patienter over 2 års undersøgelsesperiode.
- Forventet studievarighed
1/3/2024 - 28/2/2026
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiesteder
-
-
South
-
Taichung, South, Taiwan, 402
- Chung Shan Medical University Hospital
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Alder >20 Køn (ingen grænse) Sygdomstype (ingen grænse for kendt lungekræfthistorie, akutte eller kroniske ikke-cancerøse tilstande) Lavdosis bryst-CT (<2,5 mm skivetykkelse, billeddannelse fra ethvert hospital) Lungeknuder (ingen grænse) på knudetype/-region, eller arten af knuder <4-30 mm) Læsioner, der endnu ikke er opereret, forventes at gennemgå kirurgisk resektion på Afd. for Thoraxkirurgi, Chung Shan Medical University Hospital
Ekskluderingskriterier:
-
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Tidsramme |
---|---|
Nøjagtigheden af den diagnostiske kraft.
Tidsramme: 2024/3/1,2026/5/31
|
2024/3/1,2026/5/31
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Anslået)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Anslået)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- CS2-23178
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
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 .
Kliniske forsøg med AI computerstøttet detektionssoftware
-
Doctors with Africa - CUAMMUniversity of Bari; Armauer Hansen Research Institute, EthiopiaIkke rekrutterer endnuTuberkulose | Diagnose | geneXpertEtiopien
-
University College, LondonIkke rekrutterer endnuPolypper | Colon polyp | Adenom tyktarm | Kolorektal polyp | Polypper af tyktarmDet Forenede Kongerige
-
Aiberry, IncAfsluttetDepression | Sund og rask | AngstForenede Stater
-
NEC CorporationMeditrial Europe Ltd.; Meditrial USA Inc.RekrutteringKolorektal cancer | Polyp af tyktarm | Adenom tyktarmForenede Stater, Italien, Tyskland, Det Forenede Kongerige
-
University of California, San FranciscoJohns Hopkins University; National Institute of Allergy and Infectious... og andre samarbejdspartnereRekrutteringTuberkulose | Diagnostik | Global sundhedMozambique, Sydafrika, Uganda
-
National Taiwan University HospitalChanghua Christian Hospital; Fu Jen Catholic University Hospital; Shin Kong... og andre samarbejdspartnereRekrutteringKolorektal cancer | Colon adenomTaiwan
-
University College, LondonAktiv, ikke rekrutterendePolypper | Colon polyp | Adenom tyktarm | Kolorektal polypDet Forenede Kongerige