Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Development of Artificial Intelligence System for Detection and Diagnosis of Breast Lesion Using Mammography

lauantai 24. heinäkuuta 2021 päivittänyt: Sun Ying-Shi, Peking University Cancer Hospital & Institute
This project aims to establish a comprehensive artificial intelligence system for detecting and qualitative diagnosing breast lesions. Mammary images will be used to construct a diagnosis method based on deep learning. The system is proposed to automatically analyze the type of mammary glands, automatically identify and mark all breast lesions on the mammography images, provide the malignancy probability judgment of the lesions, the BI-RADS classification and the clinical suggestion, and also automatically generate the structured diagnosis report.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

This is a multi-center study.The project contains a retrospective part(3000 samples anticipated) and a prospective part(7000 samples anticipated). In the retrospective part, investigators collected subjects with mammary images to design the deep learning method and construct a detective and diagnostic model for breast lesions. In the prospective part, investigators validate the accuracy of the constructed deep learning method, and established artificial intelligence system focusing on mammary diagnosis. Investigators will also explore the application pattern of the artificial intelligence system in clinical practice.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

5809

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

  • Kiina
    • Beijing
      • Beijing, Beijing, Kiina, 100142
        • Beijing Cancer Hospital
      • Beijing, Beijing, Kiina
        • Beijing Chao Yang Women and Children's Health Hospital
      • Beijing, Beijing, Kiina
        • Beijing Da Xing People's Hospital
      • Beijing, Beijing, Kiina
        • Beijing Hang Tian Centre Hospital
      • Beijing, Beijing, Kiina
        • Beijing Nan Jiao Cancer Hospital
      • Beijing, Beijing, Kiina
        • Beijing Shi Jing Shan Hospital
      • Beijing, Beijing, Kiina
        • Beijing Shun Yi Qu Hospital
      • Beijing, Beijing, Kiina
        • Beijing Shun Yi Woman and Children Health Hospital

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Nainen

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Women with suspected Breast Lesion

Kuvaus

Inclusion Criteria:

  • the X-ray images of the breast were complete
  • the results of pathological diagnosis or more than 2 years of mammography follow-up were available
  • subject signs informed consent(this item was only for prospective study cases)

Exclusion Criteria:

  • there exists pathological diagnosis of breast lesions when receiving mammography
  • there lacks pathological diagnosis or 2 years of mammography follow-up
  • subject withdraws(this item was only for prospective study cases)

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
mammography group
women who receives mammography because of suspected breast lesion(s)
Diagnostinen testi: mammography
When a woman comes to the clinic to receive mammography. Then a radiologist will give a BI-RADS classification after reviewing the images. If a BI-RADS 4/5 is obtained, the woman will receive pathological biopsy to ensure there is a benign or malignant lesion. If a BI-RADS 3 is obtained, the woman will be followed up by a half-year interval until two year after the first mammography. At each follow up, she will receive mammography. If a BI-RADS 4/5 is obtained at follow up, she will receive pathological biopsy; if a BI-RADS 1/2/3 is obtained at follow up, she will be followed up by a half-year interval until two year. If a BI-RADS 1/2 is obtained at the first mammography, the woman will receive a second mammography after two year. During the study period, breast examination and results will be recorded for every subject. Radiologists will give the diagnosis with and without AI support.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
benign-malignant diagnosis accuracy
Aikaikkuna: from the first mammography to pathological result obtained(an average of 3 weeks if mammography BI-RADS 4 or 5 obtained)
the accuracy of the AI model, radiogist with AI support, radiologist alone for binary diagnosis of a benign or malignant breast lesion according to pathology. If either one mammography of BI-RADS 4/5 in the first examination or during the two year' follow up examination is obtained,a pathological examination is performed, the lesion is judged benign or malignant according to pathological results.
from the first mammography to pathological result obtained(an average of 3 weeks if mammography BI-RADS 4 or 5 obtained)
benign-malignant diagnosis accuracy
Aikaikkuna: from the first mammography to 2-year-after mammography
the accuracy of the AI model, radiogist with AI support, radiologist alone for binary diagnosis of a benign or malignant breast lesion according to follow up. If a 2-year mammography of BI-RADS 1/2/3 is obtained, the lesion is considered benign. If either one mammography of BI-RADS 4/5 during the two year is obtained,a pathological examination is performed to ensure the benign or malignant lesion
from the first mammography to 2-year-after mammography

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
lesion detection accuracy
Aikaikkuna: from the first mammography to radiologist diagnosis (within 3 days after the mammography taken)
the detection rate of the constructed deep learning method for detecting benign or malignant breast lesion according to radiologist's subjective diagnosis or follow up as reference. If a radiologist suggests existence of a lesion at the first mammography or at each follow-up mammography during the 2-year period, it is considered that a lesion exists
from the first mammography to radiologist diagnosis (within 3 days after the mammography taken)

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Peking University Cancer Hospital & Institute

Yhteistyökumppanit

Peking University

Tutkijat

  • Opintojen puheenjohtaja: Ying-Shi Sun, Professor, Peking University Cancer Hospital & Institute

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Torstai 5. huhtikuuta 2018

Ensisijainen valmistuminen (Todellinen)

Maanantai 4. toukokuuta 2020

Opintojen valmistuminen (Todellinen)

Maanantai 4. toukokuuta 2020

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 17. huhtikuuta 2018

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 12. lokakuuta 2018

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 17. lokakuuta 2018

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 27. heinäkuuta 2021

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Lauantai 24. heinäkuuta 2021

Viimeksi vahvistettu

Torstai 1. heinäkuuta 2021

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • BCA-AI

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Kliiniset tutkimukset Naiset, joilla on rintasyöpä

Kliiniset tutkimukset mammography

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in Chile

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

Tilaa