Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Validierung eines Multitask-Deep-Learning-Systems bei Spine Metastasis CT

31. Mai 2022 aktualisiert von: Zhao Hui, Shanghai 6th People's Hospital

Multizentrische Validierung eines Multitask-Deep-Learning-Systems für Wirbelsäuleninstabilität bei Wirbelsäulenmetastasen-CT

Das Multitask Deep Learning System (DLS) mit fünf Algorithmen, die fünf quantitative Faktoren des Spinal Instability Neoplastic Score (SINS) erkennen, wurde entwickelt. Radiologen und Onkologen aus mehreren Zentren werden rekrutiert, um die CT-Scans im Bildarchivierungs- und Kommunikationssystem (PACS) unabhängig zu lesen und mit dem DLS zu vergleichen. Einen Monat nach dem Lesen der CT-Scans in PACS werden die Teilnehmer außerdem gebeten, einen webbasierten Test auf der DLS-Website mit denselben CT-Scans durchzuführen. Fläche unter der Receiver Operating Characteristic Curve (AUC), Sensitivität und Spezifität des DLS wurden mit professionellen Gradern als Referenzstandard berechnet.

Studienübersicht

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

420

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

16 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Patienten mit Wirbelsäulenmetastasen

Beschreibung

Einschlusskriterien:

  1. pathologisch gesicherte Diagnose eines soliden Tumors;
  2. spinaler CT-Scan, der auf eine spinale Metastasierung mit mindestens einer Läsion hinweist;
  3. keine vorherige Operation für Wirbelsäulenmetastasen

Ausschlusskriterien:

  1. spinale CT-Scans ohne sagittale Rekonstruktion;
  2. Der Radiologe war der Ansicht, dass die Qualität des CT-Bildes nicht eingeschränkt war.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Kohorte
  • Zeitperspektiven: Interessent

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Routineärzte
Das Multitask-DLS mit fünf Algorithmen, die fünf quantitative Faktoren von SINS erkennen
DLS
Das Multitask-DLS mit fünf Algorithmen, die fünf quantitative Faktoren von SINS erkennen

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
AUC
Zeitfenster: 1 Monat
Fläche unter der Receiver Operating Characteristic Curve (AUC) der Wirbelsäuleninstabilitätserkennung
1 Monat

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Empfindlichkeit
Zeitfenster: 1 Monat
Empfindlichkeit der Erkennung von Wirbelsäuleninstabilitäten
1 Monat
Spezifität
Zeitfenster: 1 Monat
Spezifität der Erkennung von Wirbelsäuleninstabilität
1 Monat

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Voraussichtlich)

1. Juli 2022

Primärer Abschluss (Voraussichtlich)

31. Dezember 2023

Studienabschluss (Voraussichtlich)

31. Dezember 2023

Studienanmeldedaten

Zuerst eingereicht

12. Dezember 2021

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

12. Dezember 2021

Zuerst gepostet (Tatsächlich)

14. Dezember 2021

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

1. Juni 2022

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

31. Mai 2022

Zuletzt verifiziert

1. Mai 2022

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • DLS01

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 Deep-Learning-System

3
Abonnieren