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

Eine klinische Bewertung von AI -Lösungen, die im Chaimeleon -Projekt für Krebs entwickelt wurden: Prostata, Lunge, Brust, Dickdarm und Rektum

22. April 2025 aktualisiert von: Instituto de Investigacion Sanitaria La Fe

Eine externe klinische Validierung von AI -Lösungen für das Krebsmanagement im Chaimeleon -Projekt in Silico. Angewendet auf 4 Zieltypen von Krebs (Lunge, Brust, Prostata und kolorektal), die durch die routinemäßige Abgabe von Gesundheitsversorgung ohne Einschreibungsbedingungen (reale Daten) gesammelt wurde.

Das Ziel dieser Beobachtungsstudie ist es zu sehen, wie nützlich ein experimenteller Zuschauer- und KI -Lösungen für Kliniker in ihrer täglichen Arbeit sind. Die Forscher möchten herausfinden, ob die KI Ärzten hilft, medizinische Bilder für verschiedene Krebsarten zu interpretieren.

Die AI -Lösungen zielen darauf ab:

  • Klassifizieren Sie, ob Prostatakrebs ein geringes oder ein hohes Risiko ist
  • Klassifizieren Sie den histologischen Subtyp bei Brustkrebs
  • Schätzen Sie die Lebenserwartung von Patienten mit Lungenkrebs
  • Bestimmen Sie die Größe von Dickdarmkrebs, Lymphknotenbeteiligung und die Möglichkeit einer Metastasierung.
  • Bewerten Sie die Invasion von Sortengeweben bei Rektumkrebs. Die Studie wird Kliniker aus verschiedenen Zentren betreffen, die eine Reihe von Fällen überprüfen, die zuvor nicht von der KI analysiert wurden. Kliniker werden dies in zwei Phasen tun: zuerst nur ihr eigenes Fachwissen und dann mit Hilfe der AI -Lösungen.

Das technische Team möchte sehen, ob die AI -Lösungen Kliniker helfen und in der alltäglichen klinischen Praxis nützlich werden könnten. Kliniker werden eine Umfrage durchführen, um ihr Feedback zur Benutzerfreundlichkeit der Plattform zu teilen und wie hilfreich die KI -Lösungen sind.

Studienübersicht

Detaillierte Beschreibung

Um eine robuste klinische Validierung durchzuführen, haben die Forscher eine Studie zur erforderlichen Stichprobengröße entwickelt. Die Studie ist Design, um die Rolle eines AI-unterstützten Tools als Unterstützung für die Verbesserung der täglichen klinischen Arbeit zu bewerten. Die Ermittler verwendeten eine Online -Website (https://statulator.com/samplsize/ss2pp.html) Für die Berechnung und verwenden Sie die Option "gepaarte binäre Proportionen". Anhand von Prostatakrebs möchten die Forscher die Wahrscheinlichkeit einer korrekten Risikoklassifizierung bei Prostatakrebs allein durch Kliniker vergleichen und/oder von KI geleitet. Die Studie hat eine Signifikanz (α) = 0,05; Leistung (β) = 80%; Die Analyse wird "zweiseitig" und mit gleichen Gruppengrößen sein.

Eine Verbesserung der Klassifizierung von Krebsrisiken um 10% wurde beobachtet, wenn Kliniker Zugang zu einer AI -Werkzeuglösung hatten (Yilmaz et al.,). Darüber hinaus berichteten die Autoren, dass Expertenleser eine Genauigkeitsrate von 81% gegenüber 69% für Anfänger -Leser hatten Die Autoren nahmen auch eine 80% ige Korrelation zwischen gepaarten Beobachtungen an.

Infolgedessen wären mindestens 60 neue Fälle erforderlich, um die Leistung des KI -Tools zu bewerten.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

300

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Valencia, Spanien, 46026
        • Hospital Universitario y Politecnico La Fe

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patienten mit einer Krebsdiagnose von Prostata, Brust, Lunge und Darm an der Universität und des Politechnic Hospital La Fe, Valencia.

Beschreibung

Einschlusskriterien:

  • Patienten mit histologischer Bestätigung der Krebsdiagnose (Prostata, Lunge, Brust, Dickdarm oder Rektum)
  • Verfügbarkeit radiologischer Bilder (MR für Prostata und Rektum, CT für Lunge und Dickdarm oder Mammographys für Brust).
  • Genug Follow -up (12 Monate für Prostata, Brust und Rektum), 18 Monate für Lunge und 24 Monate für Dickdarm.

Ausschlusskriterien:

  • Patienten mit unvollständigen oder qualitativ hochwertigen Daten (radiologische, pathologische oder unvollständige klinische Daten, die für die Grundwahrheit erforderlich sind)

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Gruppe 1: Bewertung nur mit medizinischem Fachwissen
Bewertung verschiedener medizinischer Bilder von Menschen mit 5 Krebsarten unter Verwendung ihres eigenen Fachwissens.
Die Vorhersage beinhaltet die Klassifizierung des Prostatakrebs nach dem Ausmaß des Prostata -Antigens (PSA), der Biopsieklassifizierung der Aggressivität des Tumors und auch die Lokalisierung des Tumors
Kliniker werden die Lebenserwartung bei Lungenkrebs unter Verwendung von CTS zusammen mit einigen klinischen Informationen bewerten.
Eine Bewertung durch Pathologie des Subtyps des Brusttumors
Klassifizierung der Größe, Lymphknotenbeteiligung und Möglichkeit einer Metastasierung in medizinischen Bildern (computergestützte Tomosynthese) der Thorax- und Beckenregion
Beurteilen Sie, ob die vaskuläre extramurale o -mesorektale Faszie unter Verwendung von Magnetresonanz -medizinischen Bildern, die bei der Diagnose in der Beckenregion aufgenommen wurden, in den Tumor eingedrungen ist
Gruppe 2: Bewertung mit Unterstützung von AI -Lösungen
Bewertung verschiedener medizinischer Bilder von Menschen mit 5 Arten von Krebs, die von den entwickelten KI -Lösungen geführt werden.
Die Vorhersage beinhaltet die Klassifizierung des Prostatakrebs nach dem Ausmaß des Prostata -Antigens (PSA), der Biopsieklassifizierung der Aggressivität des Tumors und auch die Lokalisierung des Tumors
Kliniker werden die Lebenserwartung bei Lungenkrebs unter Verwendung von CTS zusammen mit einigen klinischen Informationen bewerten.
Eine Bewertung durch Pathologie des Subtyps des Brusttumors
Klassifizierung der Größe, Lymphknotenbeteiligung und Möglichkeit einer Metastasierung in medizinischen Bildern (computergestützte Tomosynthese) der Thorax- und Beckenregion
Beurteilen Sie, ob die vaskuläre extramurale o -mesorektale Faszie unter Verwendung von Magnetresonanz -medizinischen Bildern, die bei der Diagnose in der Beckenregion aufgenommen wurden, in den Tumor eingedrungen ist

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Verwendbarkeit des experimentellen Betrachters mit KI -Tools
Zeitfenster: 5 Monate

Die Verwendbarkeit der Plattform wurde am Ende jeder der beiden Studienphasen bewertet: eine klinische Standardphase (ohne Unterstützung künstlicher Intelligenz) und eine zweite Phase, die von KI -Modellen unterstützt wurde. Die Teilnehmer bewerteten ihre Erfahrungen anhand einer 5-Punkte-Likert-Skala, wobei 1 "stark nicht zustimmend" und 5 "stimmte stark zu", als Antwort auf Aussagen über die Benutzerfreundlichkeit, die Klarheit der Schnittstelle, die Systemeffizienz, die allgemeine Zufriedenheit und andere Aspekte im Zusammenhang mit der Interaktion der Benutzer mit der Plattform.

Diese Bewertung ermöglichte einen Vergleich der Wahrnehmung der Benutzer der Benutzer der Benutzer unter konventionellen klinischen Bedingungen und AI-unterstützten Bedingungen. Höhere Ergebnisse spiegeln eine bessere Benutzererfahrung wider.

5 Monate
Nützlichkeit experimenteller medizinischer Bilder Betrachter
Zeitfenster: 5 Monate

Die Nützlichkeit des experimentellen Betrachters wurde bewertet, indem die diagnostische Genauigkeit und Zeit der Kliniker vergleicht wurde, die bei der alleinigen Verwendung des Systems mit AI -Unterstützung verbracht wurden. Eine höhere Genauigkeit und eine verkürzte Interpretationszeit wurden als Indikatoren für einen größeren Nutzen angesehen. Ziel war es zu bestimmen, ob der Betrachter die klinische Entscheidungsfindung verbessert, Workflows optimiert und eine bessere Patientenversorgung unterstützt.

Zusätzliche Daten wie Geschlecht, Spezialität und Erfahrung des Arztes wurden gesammelt, um Untergruppenanalysen zu ermöglichen. Die statistischen Bewertungen umfassten Verwirrungsmatrizen zur Beurteilung der diagnostischen Leistung und Sankey-Flussdiagramme zur Visualisierung von Änderungen der Entscheidungsfindung zwischen ungeteilten und AI-unterstützten Phasen. Diese Tools lieferten ein umfassendes Verständnis des praktischen Nutzens des Betrachters in realen klinischen Szenarien.

5 Monate

Mitarbeiter und Ermittler

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

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

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 (Tatsächlich)

1. September 2024

Primärer Abschluss (Tatsächlich)

30. Oktober 2024

Studienabschluss (Tatsächlich)

1. November 2024

Studienanmeldedaten

Zuerst eingereicht

11. April 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

22. April 2025

Zuerst gepostet (Tatsächlich)

30. April 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

30. April 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

22. April 2025

Zuletzt verifiziert

1. September 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

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 Brustkrebs

Klinische Studien zur Risiko bei Prostatakrebs

Abonnieren