Análisis mejorado de AI de la densidad de los senos y la mejora del parénquima de fondo (BPE)
15 de febrero de 2025 actualizado por: Graziella di Grezia, Link Campus University
Este estudio se expande en investigaciones previas que investigan la correlación entre la densidad de los senos, la mejora del parénquima de fondo (BPE) y la edad en mamografía con contraste (CEM).
Al integrar las metodologías de inteligencia artificial (IA), incluidas las redes neuronales artificiales (ANN) y los modelos de aprendizaje profundo, el estudio tiene como objetivo optimizar la precisión de las predicciones y validar los hallazgos anteriores obtenidos a través de la regresión lineal múltiple.
Descripción general del estudio
Estado
Inscripción por invitación
Tipo de estudio
De observación
Inscripción (Estimado)
213
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
-
-
-
Naples, Italia, 80138
- University of Campania Luigi Vanvitelli
-
-
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
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
No
Método de muestreo
Muestra no probabilística
Población de estudio
Las mujeres mayores de 18 años que se sometieron a CEM con fines de diagnóstico o vigilancia.
Pacientes con niveles de BPE registrados y clasificación de densidad de seno BI-RADS.
Base de datos relacional que contiene datos estructurados para el análisis de la matriz de correlación y el entrenamiento del modelo de IA.
Descripción
Pacientes que se sometieron a CEM, mamografía y ultrasonido entre mayo de 2022 y junio de 2023.
Disponibilidad de evaluación de BPE, clasificación de densidad de BI-RADS y datos de edad.
Conjunto de datos completo disponible para análisis estadísticos y basados en IA.
Criterios de exclusión:
Pacientes con tratamiento previo en el cáncer de mama que podrían alterar BPE.
Imágenes incompletas o datos de clasificación faltantes.
Contraindicaciones para obtener imágenes con contraste.
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
Cohortes e Intervenciones
Grupo / Cohorte |
|---|
|
Patiens se sometió a Cem
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Correlación entre la densidad de los senos, el BPE y la edad utilizando el análisis impulsado por la IA.
Periodo de tiempo: Análisis de datos dentro de los 12 meses posteriores a la finalización del estudio.
|
Evaluar si los modelos de IA, incluidas las redes neuronales, pueden mejorar la precisión de la predicción para la evaluación de BPE en comparación con la regresión lineal múltiple convencional.
|
Análisis de datos dentro de los 12 meses posteriores a la finalización del estudio.
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Optimización basada en IA de la densidad de senos y la clasificación de BPE
Periodo de tiempo: Dentro de los 12 meses posteriores a la finalización del estudio
|
Evaluación del rendimiento de las redes neuronales en la predicción de los niveles de BPE en diferentes categorías de densidad de senos.
|
Dentro de los 12 meses posteriores a la finalización del estudio
|
|
Rendimiento comparativo de la regresión lineal múltiple frente a los modelos AI.
Periodo de tiempo: Dentro de los 12 meses posteriores a la finalización del estudio.
|
Evaluación de la precisión de los métodos estadísticos tradicionales versus las predicciones basadas en ANN para explicar la varianza en los valores de BPE.
|
Dentro de los 12 meses posteriores a la finalización del estudio.
|
|
Error cuadrado medio (MSE) y la varianza explicada en modelos predictivos
Periodo de tiempo: Dentro de los 12 meses posteriores a la finalización del estudio
|
Análisis de las tasas de error y la varianza explicadas por diferentes modelos de IA en comparación con la regresión lineal múltiple.
|
Dentro de los 12 meses posteriores a la finalización del estudio
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Colaboradores
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)
1 de mayo de 2022
Finalización primaria (Actual)
30 de junio de 2023
Finalización del estudio (Estimado)
1 de febrero de 2025
Fechas de registro del estudio
Enviado por primera vez
15 de febrero de 2025
Primero enviado que cumplió con los criterios de control de calidad
15 de febrero de 2025
Publicado por primera vez (Actual)
25 de marzo de 2025
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
25 de marzo de 2025
Última actualización enviada que cumplió con los criterios de control de calidad
15 de febrero de 2025
Última verificación
1 de febrero de 2025
Más información
Términos relacionados con este estudio
Otros números de identificación del estudio
- T_6_2025
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
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. .