- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT04949776
Künstliche Intelligenz in Brustkrebs-Screening-Programmen in Córdoba (AITIC) (AITIC)
Neue Strategien basierend auf künstlicher Intelligenz in Brustkrebs-Screeningprogrammen in Córdoba mit digitaler Mammographie und digitaler Brust-Tomosynthese. Eine prospektive Bewertung.
Der Einsatz von Software der künstlichen Intelligenz beim Brustscreening (Transpara®) ermöglicht es, Studien mit einer sehr geringen Krebswahrscheinlichkeit zu identifizieren.
Die in dieser Arbeit aufgestellte Hypothese ist, dass auf künstlicher Intelligenz basierende Lesestrategien (Einzel- oder Doppellesung nur von Fällen mit einem Score > 7 mit Transpara®) eine Reduzierung des Arbeitsaufwands eines Screening-Programms um mehr als 50 % im Vergleich zum Standard ermöglichen Lesen des Programms (doppeltes Lesen aller Fälle ohne Transpara®), ohne dass eine Unterlegenheit in Bezug auf Erkennungsraten und Rückrufe des Programms vorliegt, sowohl bei der Verwendung der digitalen 2D-Mammographie als auch bei der Verwendung von Tomosynthese oder 3D-Mammographie.
Studienübersicht
Studientyp
Einschreibung (Geschätzt)
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
- Name: Esperanza Elias Cabot, MD
- Telefonnummer: 0034957213700
- E-Mail: eeliascabot@gmail.com
Studieren Sie die Kontaktsicherung
- Name: Cristina Amate
- Telefonnummer: 0034957213700
- E-Mail: cristina.amate@imibic.org
Studienorte
-
-
-
Córdoba, Spanien, 14004
- Rekrutierung
- Hospital Universitario Reina Sofía
-
Kontakt:
- Esperanza Elias Cabot, MD
- E-Mail: eeliascabot@gmail.com
-
Kontakt:
- Cristina Amate
- E-Mail: cristina.amate@imibic.org
-
Hauptermittler:
- Esperanza Elias Cabot, MD
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Jede Frau im Alter zwischen 50 und 69 Jahren aus dem Krankenhausbereich des Universitätsklinikums Reina Sofía, die zum Brustkrebs-Früherkennungsprogramm eingeladen wird, in die Räume 2024 und 2001 gerufen wird und sich durch Unterzeichnung der Einverständniserklärung mit der Teilnahme an der Studie einverstanden erklärt.
- Frauen, die im festgelegten Zeitraum an dem Programm teilgenommen haben und zuvor daran teilgenommen haben.
- Frauen, die im festgelegten Zeitraum zum ersten Mal im Programm studieren.
Ausschlusskriterien:
- Zum Programm eingeladene Frauen, die durch Unterzeichnung der Einverständniserklärung nicht mit der Teilnahme an der Forschungsstudie einverstanden sind.
- Frauen mit Brustprothesen.
- Frauen mit Symptomen oder Anzeichen von Brustkrebsverdacht.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Diagnose
- Zuteilung: N / A
- Interventionsmodell: Einzelgruppenzuweisung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
---|---|
Experimental: Doppelte Lesung aller Fälle mit und ohne Transpara-Software
|
Bei den an der Studie teilnehmenden Frauen werden zwei Strategien zur Auswertung von Mammographien durchgeführt: Strategie 1: Standardlesung des Programms. Doppelte unabhängige und nicht einvernehmliche Lesung aller Fälle, ohne künstliche Intelligenz (Standardstrategie). Strategie 2: Lesestrategie basierend auf dem von Transpara® gewährten globalen Score (Strategie basierend auf künstlicher Intelligenz):
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Bewertung der Arbeitsbelastung jeder Strategie
Zeitfenster: In der Mitte des Studiums, mit 1 Jahr.
|
Die Arbeitsbelastung jeder Strategie wird bewertet, indem die durchschnittliche Zeit für das Lesen dieser Strategie mit der Gesamtzahl der Lesungen dieser Strategie multipliziert wird. Die durchschnittliche Lesezeit eines Falles in jeder Strategie wird aus der Messung der individuellen Lesezeit in einer Stichprobe von 500 Fällen in jeder Strategie berechnet. |
In der Mitte des Studiums, mit 1 Jahr.
|
Bewertung der Arbeitsbelastung jeder Strategie
Zeitfenster: Am Ende des Studiums, mit 2 Jahren.
|
Die Arbeitsbelastung jeder Strategie wird bewertet, indem die durchschnittliche Zeit für das Lesen dieser Strategie mit der Gesamtzahl der Lesungen dieser Strategie multipliziert wird. Die durchschnittliche Lesezeit eines Falles in jeder Strategie wird aus der Messung der individuellen Lesezeit in einer Stichprobe von 500 Fällen in jeder Strategie berechnet. |
Am Ende des Studiums, mit 2 Jahren.
|
Erkennungsrate
Zeitfenster: In der Mitte des Studiums, mit 1 Jahr.
|
Anteil der Frauen, bei denen Brustkrebs diagnostiziert wurde, unter den untersuchten Frauen.
|
In der Mitte des Studiums, mit 1 Jahr.
|
Erkennungsrate
Zeitfenster: Am Ende des Studiums, mit 2 Jahren.
|
Anteil der Frauen, bei denen Brustkrebs diagnostiziert wurde, unter den untersuchten Frauen.
|
Am Ende des Studiums, mit 2 Jahren.
|
Rückruf- oder Empfehlungsrate
Zeitfenster: In der Mitte des Studiums, mit 1 Jahr.
|
Anteil der Frauen, die nach dem Screening-Test an die Brustdiagnostikeinheit überwiesen werden.
|
In der Mitte des Studiums, mit 1 Jahr.
|
Rückruf- oder Empfehlungsrate
Zeitfenster: Am Ende des Studiums, mit 2 Jahren.
|
Anteil der Frauen, die nach dem Screening-Test an die Brustdiagnostikeinheit überwiesen werden.
|
Am Ende des Studiums, mit 2 Jahren.
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Positiver Vorhersagewert von Empfehlungen
Zeitfenster: In der Mitte des Studiums, mit 1 Jahr.
|
Anteil der mit Brustkrebs diagnostizierten Frauen an den ins Krankenhaus überwiesenen Frauen.
|
In der Mitte des Studiums, mit 1 Jahr.
|
Positiver Vorhersagewert von Empfehlungen
Zeitfenster: Am Ende des Studiums, mit 2 Jahren.
|
Anteil der mit Brustkrebs diagnostizierten Frauen an den ins Krankenhaus überwiesenen Frauen.
|
Am Ende des Studiums, mit 2 Jahren.
|
Positiver prädiktiver Wert von Biopsien
Zeitfenster: In der Mitte des Studiums, mit 1 Jahr.
|
Anteil der Frauen mit Brustkrebs an allen Frauen, die sich einer Biopsie unterziehen.
|
In der Mitte des Studiums, mit 1 Jahr.
|
Positiver prädiktiver Wert von Biopsien
Zeitfenster: Am Ende des Studiums, mit 2 Jahren.
|
Anteil der Frauen mit Brustkrebs an allen Frauen, die sich einer Biopsie unterziehen.
|
Am Ende des Studiums, mit 2 Jahren.
|
Positiver Vorhersagewert der Transpara®-Scores
Zeitfenster: In der Mitte des Studiums, mit 1 Jahr.
|
Anteil der diagnostizierten Brustkrebserkrankungen bei Frauen mit einem bestimmten Score.
|
In der Mitte des Studiums, mit 1 Jahr.
|
Positiver Vorhersagewert der Transpara®-Scores
Zeitfenster: Am Ende des Studiums, mit 2 Jahren.
|
Anteil der diagnostizierten Brustkrebserkrankungen bei Frauen mit einem bestimmten Score.
|
Am Ende des Studiums, mit 2 Jahren.
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Esperanza Elias Cabot, MD, Hospital Universitario Reina Sofia de Cordoba
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Tan T, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Mann RM, Sechopoulos I. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists. J Natl Cancer Inst. 2019 Sep 1;111(9):916-922. doi: 10.1093/jnci/djy222.
- Rodriguez-Ruiz A, Krupinski E, Mordang JJ, Schilling K, Heywang-Kobrunner SH, Sechopoulos I, Mann RM. Detection of Breast Cancer with Mammography: Effect of an Artificial Intelligence Support System. Radiology. 2019 Feb;290(2):305-314. doi: 10.1148/radiol.2018181371. Epub 2018 Nov 20.
- Raya-Povedano JL, Romero-Martin S, Elias-Cabot E, Gubern-Merida A, Rodriguez-Ruiz A, Alvarez-Benito M. AI-based Strategies to Reduce Workload in Breast Cancer Screening with Mammography and Tomosynthesis: A Retrospective Evaluation. Radiology. 2021 Jul;300(1):57-65. doi: 10.1148/radiol.2021203555. Epub 2021 May 4.
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Teuwen J, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Sechopoulos I, Mann RM. Can we reduce the workload of mammographic screening by automatic identification of normal exams with artificial intelligence? A feasibility study. Eur Radiol. 2019 Sep;29(9):4825-4832. doi: 10.1007/s00330-019-06186-9. Epub 2019 Apr 16.
- Sasaki M, Tozaki M, Rodriguez-Ruiz A, Yotsumoto D, Ichiki Y, Terawaki A, Oosako S, Sagara Y, Sagara Y. Artificial intelligence for breast cancer detection in mammography: experience of use of the ScreenPoint Medical Transpara system in 310 Japanese women. Breast Cancer. 2020 Jul;27(4):642-651. doi: 10.1007/s12282-020-01061-8. Epub 2020 Feb 12.
- Yala A, Schuster T, Miles R, Barzilay R, Lehman C. A Deep Learning Model to Triage Screening Mammograms: A Simulation Study. Radiology. 2019 Oct;293(1):38-46. doi: 10.1148/radiol.2019182908. Epub 2019 Aug 6.
- Le EPV, Wang Y, Huang Y, Hickman S, Gilbert FJ. Artificial intelligence in breast imaging. Clin Radiol. 2019 May;74(5):357-366. doi: 10.1016/j.crad.2019.02.006. Epub 2019 Mar 18.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- AITIC
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
IPD-Sharing-Zeitrahmen
IPD-Sharing-Zugriffskriterien
Art der unterstützenden IPD-Freigabeinformationen
- STUDIENPROTOKOLL
- ICF
- CSR
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Brustkrebs
-
Novartis PharmaceuticalsAbgeschlossenMetastasierter Brustkrebs (MBC) | Locally Advance Breast Cancer (LABC)Vereinigtes Königreich, Spanien
-
BioNTech SESeventh Framework ProgrammeAbgeschlossenBrustkrebs (Triple Negative Breast Cancer (TNBC))Schweden, Deutschland
-
Filipa Lynce, MDAstraZeneca; Daiichi Sankyo, Inc.RekrutierungBrustkrebs | HER2-positiver Brustkrebs | Invasiver Brustkrebs | Entzündlicher Brustkrebs Stadium III | HER2 Low Breast AdenokarzinomVereinigte Staaten