Inteligencia artificial en la detección del cáncer de mama en la región de Östergötland Linkoping (AI-ROL)
19 de abril de 2022 actualizado por: Håkan Gustafsson, Ostergotland County Council, Sweden
El uso de IA como tercer lector y durante el consenso en un programa de detección de cáncer de mama de doble lectura en Suecia
El propósito de este estudio observacional es evaluar si el uso de IA (Transpara®) puede conducir a una mejor calidad de un programa de detección de mamografía de doble lectura.
Esto se investiga realizando IA como tercer lector y como apoyo a la decisión durante la reunión de consenso, en comparación con el tamizaje con mamografía convencional (doble lectura y consenso sin IA).
Descripción general del estudio
Estado
Terminado
Condiciones
Intervención / Tratamiento
Descripción detallada
El sistema de detección de cáncer de IA actuará como un tercer lector y recordará casos adicionales a la conferencia de consenso: los exámenes que no fueron recordados por lectura doble pero que se clasifican como el 3 % de los exámenes más sospechosos, según las puntuaciones de riesgo de cáncer derivadas de IA. En segundo lugar, la IA se utiliza como apoyo para la toma de decisiones durante el consenso. Las puntuaciones de riesgo de IA y las marcas de detección asistida por computadora (CAD) de calcificaciones sospechosas y lesiones de tejidos blandos se proporcionan a los lectores.
La hipótesis de este estudio es que el uso de IA tiene el potencial de mejorar la calidad del programa de detección al aumentar la tasa de detección de cáncer sin afectar la tasa de recuperación.
Tipo de estudio
De observación
Inscripción (Actual)
15500
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
Östergötland
-
Linköping, Östergötland, Suecia, 58185
- Region Östergötland
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
40 años a 74 años (Adulto, Adulto Mayor)
Acepta Voluntarios Saludables
No
Géneros elegibles para el estudio
Femenino
Método de muestreo
Muestra no probabilística
Población de estudio
Mujeres elegibles para una mamografía basada en la población
Descripción
Criterios de inclusión:
- Mujeres que participan en el programa regular de detección de cáncer de mama en la región de Östergötland Linkoping
Criterio de exclusión:
- Mujeres con implantes mamarios u otros implantes extraños en la mamografía
- Mujeres con síntomas o signos de sospecha de cáncer de mama
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Grupo
- Perspectivas temporales: Futuro
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Mujeres examinadas en la región de Östergötland Linkoping
|
El uso de la IA como tercer lector y como sistema de apoyo a la toma de decisiones durante la reunión de consenso
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Tasa de detección de cáncer
Periodo de tiempo: Después de 4 meses de inclusión
|
Proporción de mujeres diagnosticadas con cáncer de mama entre las retiradas después del consenso
|
Después de 4 meses de inclusión
|
|
Tasa de recuerdo o referencia
Periodo de tiempo: Después de 4 meses de inclusión
|
Proporción de mujeres que son derivadas para un estudio de diagnóstico adicional después del consenso
|
Después de 4 meses de inclusión
|
|
Valor predictivo positivo de las referencias
Periodo de tiempo: Después de 4 meses de inclusión
|
Proporción de mujeres diagnosticadas con cáncer de mama entre las derivadas
|
Después de 4 meses de inclusión
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Valor predictivo positivo de las puntuaciones de Transpara®
Periodo de tiempo: Después de 4 meses de inclusión
|
Proporción de cánceres de mama diagnosticados entre mujeres con una puntuación AI dada
|
Después de 4 meses de inclusión
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Investigador principal: Håkan Gustafsson, PhD, Linköping University - University Hospital
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- 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.
- van Winkel SL, Rodriguez-Ruiz A, Appelman L, Gubern-Merida A, Karssemeijer N, Teuwen J, Wanders AJT, Sechopoulos I, Mann RM. Impact of artificial intelligence support on accuracy and reading time in breast tomosynthesis image interpretation: a multi-reader multi-case study. Eur Radiol. 2021 Nov;31(11):8682-8691. doi: 10.1007/s00330-021-07992-w. Epub 2021 May 4.
- Pinto MC, Rodriguez-Ruiz A, Pedersen K, Hofvind S, Wicklein J, Kappler S, Mann RM, Sechopoulos I. Impact of Artificial Intelligence Decision Support Using Deep Learning on Breast Cancer Screening Interpretation with Single-View Wide-Angle Digital Breast Tomosynthesis. Radiology. 2021 Sep;300(3):529-536. doi: 10.1148/radiol.2021204432. Epub 2021 Jul 6.
- 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.
- Lang K, Dustler M, Dahlblom V, Akesson A, Andersson I, Zackrisson S. Identifying normal mammograms in a large screening population using artificial intelligence. Eur Radiol. 2021 Mar;31(3):1687-1692. doi: 10.1007/s00330-020-07165-1. Epub 2020 Sep 2.
- 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.
- Lang K, Hofvind S, Rodriguez-Ruiz A, Andersson I. Can artificial intelligence reduce the interval cancer rate in mammography screening? Eur Radiol. 2021 Aug;31(8):5940-5947. doi: 10.1007/s00330-021-07686-3. Epub 2021 Jan 23.
- 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.
- Kerschke L, Weigel S, Rodriguez-Ruiz A, Karssemeijer N, Heindel W. Using deep learning to assist readers during the arbitration process: a lesion-based retrospective evaluation of breast cancer screening performance. Eur Radiol. 2022 Feb;32(2):842-852. doi: 10.1007/s00330-021-08217-w. Epub 2021 Aug 12.
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
15 de octubre de 2021
Finalización primaria (Actual)
15 de febrero de 2022
Finalización del estudio (Actual)
15 de febrero de 2022
Fechas de registro del estudio
Enviado por primera vez
8 de septiembre de 2021
Primero enviado que cumplió con los criterios de control de calidad
8 de septiembre de 2021
Publicado por primera vez (Actual)
17 de septiembre de 2021
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
20 de abril de 2022
Última actualización enviada que cumplió con los criterios de control de calidad
19 de abril de 2022
Última verificación
1 de abril de 2022
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- NCT20210157-AI-ROL
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Indeciso
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .
Ensayos clínicos sobre Cáncer de mama
-
Tianjin Medical University Cancer Institute and...Guangxi Medical University; Sun Yat-sen University; Chinese PLA General Hospital; The First Affiliated Hospital of Zhengzhou University y otros colaboradoresTerminadoLa guía de aplicación clínica de Conebeam Breast CTPorcelana
-
Abramson Cancer Center of the University of PennsylvaniaTerminadoPaciente con cancerEstados Unidos
-
Peking Union Medical College HospitalTerminadoEncuesta | Estado nutricional | Paciente con cancerPorcelana
-
Ankara Medipol UniversityReclutamientoCuidados personales | Inmunoterapia | Manejo de síntomas | Paciente con cancerPavo
-
Northwestern UniversityGenzyme, a Sanofi CompanyRetiradoCANCER DE PROSTATAEstados Unidos
-
Fundacao ChampalimaudTerminado
-
University College London HospitalsTerminado
-
GenSpera, Inc.RetiradoCancer de prostata.Estados Unidos
-
University of Colorado, DenverColorado State UniversityRetiradoRealidad virtual | Diagnóstico por imagen | Educación del paciente | Paciente con cancerEstados Unidos
-
Dana-Farber Cancer InstituteTerminadoCancer de RIÑON | Cancer de prostata | Cáncer genitourinarioEstados Unidos