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

Kunstig intelligens baseret melanom tidlig diagnose og risikoforudsigelse hos børn, unge og unge voksne (AI-MEL)

27. september 2024 opdateret af: German Cancer Research Center

AI-MEL: Billedanalyse og maskinlæring til tidlig diagnose og risikoforudsigelse hos børn, unge og unge voksne

Målet med denne undersøgelse er at udvikle understøttende diagnostiske kunstig intelligens-algoritmer til at skelne melanom fra nevi eller andre benigne pigmenterede hudlæsioner, især hos yngre patienter (under 30 år). De vigtigste mål, det sigter mod at nå, er:

udvikling af en algoritme baseret på dermatoskopiske billeder, rettet mod hudkræftscreening i sårbare befolkningsgrupper
udvikling af en anden algoritme baseret på histologiske billeder, beregnet til at blive brugt af patologer på læsioner, der stadig er mistænkelige for melanom efter dermatologisk vurdering
implementering af forklaringsmetoder for at sætte brugeren i stand til bedre at forstå systemernes beslutninger, undgå skævheder og øge tilliden til disse applikationer

Der er ingen ekstra tidsforpligtelse for studiedeltagerne til denne undersøgelse, da de data, der anvendes i dette projekt, alligevel vil blive indsamlet i rutinemæssig klinisk praksis.

Studieoversigt

Status

Rekruttering

Betingelser

Undersøgelsestype

Observationel

Tilmelding (Anslået)

3000

Kontakter og lokationer

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

Studiekontakt

Navn: Titus J Brinker, PD Dr. med
Telefonnummer: +49 15175084347
E-mail: titus.brinker@nct-heidelberg.de

Studiesteder

Italien
- - Florence, Italien, 50121
    - Afsluttet
    - University of Florence
Spanien
- - Barcelona, Spanien, 08036
    - Rekruttering
    - Hospital Clinic de Barcelona
    - Kontakt:
      
      Susana Puig
      
      E-mail: spuig@clinic.cat
Tyskland
- - Tübingen, Tyskland, 72074
    - Afsluttet
    - University of Tübingen

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

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Hovedsageligt børn (til og med 15 år), unge (16-20) og unge voksne (fra 21 til 30 år)

Beskrivelse

Inklusionskriterier:

Ekskluderingskriterier:

Patienter uden melanom eller nevus-diagnose
billeder med utilstrækkelig billedkvalitet

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål	Foranstaltningsbeskrivelse	Tidsramme
Area Under the Receiver Operator Curve (AUROC) Tidsramme: Første vurdering: Efter afslutning af den første trænings- og testcyklus (ca. inden for 1,5 år fra studiestart). Reevalueringer: 6 og 12 måneder efter indledende træning til modelforbedring.	AUROC bruges til at måle og sammenligne den diagnostiske nøjagtighed af forskellige klassifikatorer. Derved betyder en højere værdi bedre diagnostisk ydeevne, hvor en AUROC på 1 er en perfekt score.	Første vurdering: Efter afslutning af den første trænings- og testcyklus (ca. inden for 1,5 år fra studiestart). Reevalueringer: 6 og 12 måneder efter indledende træning til modelforbedring.

Sekundære resultatmål

Resultatmål	Foranstaltningsbeskrivelse	Tidsramme
Afbalanceret nøjagtighed Tidsramme: Første vurdering: Efter afslutning af den første trænings- og testcyklus (ca. inden for 1,5 år fra studiestart). Reevalueringer: 6 og 12 måneder efter indledende træning til modelforbedring.	Den afbalancerede nøjagtighed bruges til at måle og sammenligne den diagnostiske nøjagtighed mellem klassifikator og læge. Derved betyder en højere værdi bedre diagnostisk ydeevne, med en afbalanceret nøjagtighed på 1, hvilket betyder perfekte diagnostiske evner.	Første vurdering: Efter afslutning af den første trænings- og testcyklus (ca. inden for 1,5 år fra studiestart). Reevalueringer: 6 og 12 måneder efter indledende træning til modelforbedring.

Samarbejdspartnere og efterforskere

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

Sponsor

German Cancer Research Center

Samarbejdspartnere

Hospital Clinic of Barcelona

University of Florence

Universität Tübingen

Fundacio Clinic Barcelona

Efterforskere

Ledende efterforsker: Titus J Brinker, PD Dr. med, German Cancer Research Center

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.

Hjælpsomme links

Homepage of the MELCAYA project

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)

1. december 2022

Primær færdiggørelse (Anslået)

30. november 2026

Studieafslutning (Anslået)

30. november 2026

Datoer for studieregistrering

Først indsendt

24. september 2024

Først indsendt, der opfyldte QC-kriterier

27. september 2024

Først opslået (Faktiske)

1. oktober 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)