Künstliche Intelligenz zur automatisierten Diagnose von Brustkrebs (AICAMAMMELLA)
Untersuchung eines Algorithmus der künstlichen Intelligenz zur Klassifizierung digitaler Tomosynthese-Brustbilder für die automatisierte Brustkrebsdiagnose
Die Mammographie ist eine zweidimensionale Bildgebungstechnik, bei der sich die Gewebe unter dem projektiven Bild überlappen. Dichtes Drüsengewebe oberhalb oder unterhalb der Läsion kann die Sichtbarkeit der Läsion beeinträchtigen.
Das Problem könnte in der Interpretation des erhaltenen Bildes liegen, was dazu führen kann, dass ein Krebs im ersten Stadium nicht sichtbar ist und die Wahrscheinlichkeit steigt, dass bei einem gesunden Menschen eine Pathologie diagnostiziert wird, die nicht vorhanden ist (falsch positiv). Die Einführung einer nahezu dreidimensionalen Bildgebungstechnik namens Brust-Digital-Tomosynthese (DBT) kann die meisten Einschränkungen überwinden. In den letzten 5 Jahren wurden Bildanalysemethoden auf Basis Künstlicher Intelligenz (KI) auch in der Brustkrebserkennung massiv eingeführt. Bei der Studie handelt es sich um eine prospektive Beobachtungsstudie auf Basis künstlicher Intelligenz, deren Ziel die Entwicklung einer Methode zur Identifizierung einer Läsion ist.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienkontakt
- Name: Valeria Landoni
- Telefonnummer: +39 06 52665602
- E-Mail: valeria.landoni@ifo.it
Studienorte
-
-
-
Napoli, Italien, 80138
- Rekrutierung
- Università Degli Studi Di Napoli Federico Ii
-
Kontakt:
- Giovanni Mettivier
-
Rome, Italien, 00144
- Rekrutierung
- "Regina Elena" National Cancer Institute
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten, die sich für diagnostische Mammographietests an die Regina Elena wenden
- Einverständniserklärung
Ausschlusskriterien:
- Vorhandensein von Prothesen, Artefakte, Ergebnisse einer Studie bei der Brustintervention im Rahmen der Studie
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Künstliches Intelligenzsystem zur Erkennung einer Läsion
Zeitfenster: 12 Monate
|
Die Erkennung von Läsionen basiert auf der Brustdichte, dem Falltyp, den BIRADS-Bewertungskategorien, dem mammografischen Erscheinungsbild, der Größe und dem pathologischen Profil bösartiger Läsionen
|
12 Monate
|
Mitarbeiter und Ermittler
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Voraussichtlich)
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
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- RS1414/20
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
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 .