- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT06827132
Estudio observacional Evaluar la práctica de la patología Use inteligencia artificial en el paciente sospecha de pulmón y cáncer de mama (CASCADE)
Un estudio no intervencionista que evalúa muestras de pacientes con sospecha de cáncer de pulmón no pequeño o cáncer de mama para describir las prácticas de patología y evaluar la patología computacional más los algoritmos de inteligencia artificial.
Descripción general del estudio
Estado
Condiciones
Descripción detallada
Un estudio no intervencionista que evalúa muestras de pacientes con sospecha de cáncer de pulmón no pequeño o cáncer de mama para describir las prácticas de patología y evaluar la patología computacional más algoritmos de inteligencia artificial en Australia, Brasil, Egipto y Kenia. El uso de patología de inteligencia artificial digital y computacional en países con bajas y altas relaciones de patólogos/poblaciones es fundamental para desarrollar una solución sostenible. El estudio tiene dos partes, la primera parte se centrará en el cáncer de mama y la segunda parte se centrará en el cáncer de pulmón.
Los laboratorios tienen un entorno de patología digital activa y evalúan muestras para el diagnóstico de cáncer. Los centros de cáncer de pulmón parte del estudio se seleccionarán en una etapa posterior. El estudio evaluará retrospectivamente muestras de pacientes que han sido diagnosticados preliminarmente con cáncer de seno o pulmón a través de evaluaciones clínicas y cuyas muestras se evaluaron solo mediante el uso de flujo de trabajo convencional.
Como parte del estudio, los algoritmos de patología de IA computacional se implementarán en cada laboratorio. Se utilizarán dos algoritmos de patología de IA en la parte del cáncer de mama del estudio. La aplicación de mama Galen ™ desarrollada por IBEX Medical Analytics se implementará en un laboratorio en Australia. El seno Mindpeak, desarrollado por Mindpeak GMBH, se implementará en laboratorios en Brasil, Egipto y Kenia. Después de implementar algoritmos de patología de inteligencia artificial computacional, 150 muestras evaluadas para el objetivo principal de cada laboratorio para cada tipo de cáncer se evaluarán utilizando un flujo de trabajo convencional más un flujo de trabajo asistido por IA con supervisión humana y un flujo de trabajo convencional más un flujo de trabajo asistido por IA sin supervisión humana. Estas evaluaciones se utilizarán para analizar objetivos secundarios y exploratorios.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Se analizarán los datos de muestras que cumplan con el siguiente criterio de inclusión.
• Muestra de pacientes adultos (≥ 18 años) con sospecha de cáncer de pulmón de células no pequeñas o cáncer de mama invasivo o carcinoma ductal in situ.
Descripción
Criterios de inclusión: muestra de pacientes adultos (≥ 18 años) con sospecha de cáncer de pulmón de células no pequeñas o cáncer de mama invasivo o carcinoma ductal in situ.
-
Criterios de exclusión:
Muestras con la calidad técnica inadecuada de los portaobjetos (calidad preanalítica) o imágenes, por ejemplo, diapositivas rotas, grandes áreas fuera de enfoque, diapositivas con artefactos de fijación.
- Muestras de casos que se incluyeron en la capacitación o validación técnica.
- Muestra tomada por aspiración con aguja fina.
- Muestra enviada para evaluación citológica.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
objetivo principal
Periodo de tiempo: 2 años
|
La duración entre la fecha/hora tomada de biopsia y la fecha/hora de diagnóstico patológico basado en biopsia se calculará en función de los registros de laboratorio retrospectivamente.
|
2 años
|
|
Objetivo principal
Periodo de tiempo: 2 años
|
El tiempo de lectura para evaluar las diapositivas de la sección para el diagnóstico patológico también se extraerá de los registros de laboratorio, si la información relevante se mantuvo en los registros.
|
2 años
|
|
objetivo exploratorio
Periodo de tiempo: 2 años
|
El costo total y las tarifas relacionadas con la capacitación, para implementar la patología digital y los algoritmos de patología de IA computacional se evaluarán como un punto final.
|
2 años
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Objetivos secundarios
Periodo de tiempo: 2 años
|
Tasa de acuerdo: PPV y VPN para algoritmos de patología de IA computacional (con y sin supervisión humana) cuando el flujo de trabajo de patología convencional es la referencia también se evaluará.
|
2 años
|
|
objetivo exploratorio
Periodo de tiempo: 2 años
|
El costo total y las tarifas relacionadas con los empleados para implementar la patología digital y los algoritmos de patología de IA computacional se evaluarán como un punto final.
|
2 años
|
Otras medidas de resultado
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Objetivo secundario
Periodo de tiempo: 2 años
|
Sensibilidad: PPV y VPN para algoritmos de patología de IA computacional (con y sin supervisión humana) cuando el flujo de trabajo de patología convencional es la referencia también se evaluará.
|
2 años
|
|
Objetivo secundario
Periodo de tiempo: 2 años
|
Especificidad: PPV y VPN para algoritmos de patología de IA computacional (con y sin supervisión humana) cuando el flujo de trabajo de patología convencional es la referencia también se evaluará.
|
2 años
|
|
objetivo exploratorio
Periodo de tiempo: 2 años
|
El costo total y las tarifas relacionadas con el hardware para implementar la patología digital y los algoritmos de patología de IA computacional se evaluarán como un punto final.
|
2 años
|
|
Objetivo exploratorio
Periodo de tiempo: 2 años
|
El costo total y las tarifas relacionadas con el software para implementar la patología digital y los algoritmos de patología de IA computacional se evaluarán como un punto final.
|
2 años
|
Colaboradores e Investigadores
Patrocinador
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- D4191R00089
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Marco de tiempo para compartir IPD
Criterios de acceso compartido de IPD
Cuando se haya aprobado una solicitud, AstraZeneca proporcionará acceso a los datos anónimos a nivel de paciente individual a través de Secure Research Envirment Vivli.org.
El Acuerdo de uso de datos firmado (contrato no negociable para accesores de datos) debe estar en su lugar antes de acceder a la información solicitada.
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
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. .