Syvät hermoverkot ihotautien diagnoosin tarkkuudesta muilla kuin ihotautilääkäreillä
tiistai 25. lokakuuta 2022 päivittänyt: Pyoeng Gyun Choe
Syvien hermoverkkojen käytön vaikutus ihotautien diagnoosin tarkkuuteen ei-ihotautilääkärissä
Tausta: Syviä hermoverkkoja (DNN) on sovellettu monenlaisiin ihosairauksiin kokeellisissa olosuhteissa.
Tavoite: Tämän tutkimuksen tavoitteena on vahvistaa syvien hermoverkkojen lisääntyminen ihosairauksien diagnosoimiseksi muilla kuin ihotautilääkäreillä todellisessa ympäristössä.
Menetelmät: Kaikkiaan 40 ei-ihotautilääkäriä yhdestä korkea-asteen hoidon sairaalasta otetaan mukaan. Heidät satunnaistetaan DNN-ryhmään ja kontrolliryhmään. Vertailemalla kahta ryhmää tutkijat arvioivat syvän hermoverkkojen käytön vaikutusta ihosairauden diagnoosiin tarkkuuden suhteen.
Tutkimuksen yleiskatsaus
Tila
Lopetettu
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
DNN-ryhmässä ja kontrolliryhmässä nämä vaiheet ovat samat.
- Rutiinitutkimus ja ota valokuvia ihovaurioista kaikille kelvollisille peräkkäisille potilaille.
- Tee kliininen diagnoosi (ENNEN-DX)
- Tee kliininen diagnoosi (AFTER-DX)
- ota yhteyttä ihotautilääkäriin
DNN-ryhmässä BEFORE-DX:n tekemisen jälkeen lääkärit käyttävät syviä hermoverkkoja ja tekevät AFTER-DX:n syvien hermoverkkojen tulokset huomioon ottaen (Model Dermatology, build 2020).
Kontrolliryhmässä BEFORE-DX:n tekemisen jälkeen lääkärit tekevät AFTER-DX:n tarkistettuaan ihovauriokuvia vielä kerran.
Perustotuus perustuu biopsiaan, jos sellainen on saatavilla, tai ihotautilääkäreiden yksimieliseen diagnoosiin.
Tutkijat vertaavat DNN-ryhmän ja kontrolliryhmän tarkkuutta kuuden peräkkäisen kuukauden tutkimuksen jälkeen.
Opintotyyppi
Interventio
Ilmoittautuminen (Todellinen)
55
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
-
Seoul, Korean tasavalta, 03080
- Seoul National University 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
- AIKUINEN
- OLDER_ADULT
- LAPSI
Hyväksyy terveitä vapaaehtoisia
Ei
Sukupuolet, jotka voivat opiskella
Kaikki
Kuvaus
Sisällyttämiskriteerit:
- muut kuin ihotautilääkärit (asukkaat), jotka suostuvat osallistumaan tähän tutkimukseen
Poissulkemiskriteerit:
- ihotautilääkärit
- ei-ihotautipotilaat, jotka käyttävät muita syviä hermoverkkoja ihovaurioiden diagnosointiin
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: DIAGNOSTIIKKA
- Jako: SATUNNAISTUNA
- Inventiomalli: RINNAKKAISET
- Naamiointi: EI MITÄÄN
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
KOKEELLISTA: DNN ryhmä
käyttämällä syviä hermoverkkoja ihovaurioiden diagnosointiin
|
DNN-ryhmän lääkärit ottavat kuvia ihovauriosta ja käyttävät algoritmia lataamalla kuvia.
|
|
EI_INTERVENTIA: Kontrolliryhmä
perinteinen diagnoosi
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Top-1 diagnostinen tarkkuus
Aikaikkuna: 6 peräkkäistä kuukautta
|
oikean Top-1-ennusteen taajuus
|
6 peräkkäistä kuukautta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Top-2 ja 3 diagnostinen tarkkuus
Aikaikkuna: 6 peräkkäistä kuukautta
|
oikean Top-2- ja 3-ennusteen taajuus
|
6 peräkkäistä kuukautta
|
|
Infektioherkkyys
Aikaikkuna: 6 peräkkäistä kuukautta
|
positiivinen infektiodiagnoosin määrä
|
6 peräkkäistä kuukautta
|
|
Pahanlaatuisten kasvainten herkkyys
Aikaikkuna: 6 peräkkäistä kuukautta
|
Maligniteettidiagnoosin positiivinen määrä
|
6 peräkkäistä kuukautta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Wang P, Liu X, Berzin TM, Glissen Brown JR, Liu P, Zhou C, Lei L, Li L, Guo Z, Lei S, Xiong F, Wang H, Song Y, Pan Y, Zhou G. Effect of a deep-learning computer-aided detection system on adenoma detection during colonoscopy (CADe-DB trial): a double-blind randomised study. Lancet Gastroenterol Hepatol. 2020 Apr;5(4):343-351. doi: 10.1016/S2468-1253(19)30411-X. Epub 2020 Jan 22. Erratum In: Lancet Gastroenterol Hepatol. 2020 Apr;5(4):e3.
- Lin H, Li R, Liu Z, Chen J, Yang Y, Chen H, Lin Z, Lai W, Long E, Wu X, Lin D, Zhu Y, Chen C, Wu D, Yu T, Cao Q, Li X, Li J, Li W, Wang J, Yang M, Hu H, Zhang L, Yu Y, Chen X, Hu J, Zhu K, Jiang S, Huang Y, Tan G, Huang J, Lin X, Zhang X, Luo L, Liu Y, Liu X, Cheng B, Zheng D, Wu M, Chen W, Liu Y. Diagnostic Efficacy and Therapeutic Decision-making Capacity of an Artificial Intelligence Platform for Childhood Cataracts in Eye Clinics: A Multicentre Randomized Controlled Trial. EClinicalMedicine. 2019 Mar 17;9:52-59. doi: 10.1016/j.eclinm.2019.03.001. eCollection 2019 Mar.
- Liu Y, Jain A, Eng C, Way DH, Lee K, Bui P, Kanada K, de Oliveira Marinho G, Gallegos J, Gabriele S, Gupta V, Singh N, Natarajan V, Hofmann-Wellenhof R, Corrado GS, Peng LH, Webster DR, Ai D, Huang SJ, Liu Y, Dunn RC, Coz D. A deep learning system for differential diagnosis of skin diseases. Nat Med. 2020 Jun;26(6):900-908. doi: 10.1038/s41591-020-0842-3. Epub 2020 May 18.
- Han SS, Park I, Eun Chang S, Lim W, Kim MS, Park GH, Chae JB, Huh CH, Na JI. Augmented Intelligence Dermatology: Deep Neural Networks Empower Medical Professionals in Diagnosing Skin Cancer and Predicting Treatment Options for 134 Skin Disorders. J Invest Dermatol. 2020 Sep;140(9):1753-1761. doi: 10.1016/j.jid.2020.01.019. Epub 2020 Mar 31.
- Sellheyer K, Bergfeld WF. A retrospective biopsy study of the clinical diagnostic accuracy of common skin diseases by different specialties compared with dermatology. J Am Acad Dermatol. 2005 May;52(5):823-30. doi: 10.1016/j.jaad.2004.11.072.
- Cui X, Wei R, Gong L, Qi R, Zhao Z, Chen H, Song K, Abdulrahman AAA, Wang Y, Chen JZS, Chen S, Zhao Y, Gao X. Assessing the effectiveness of artificial intelligence methods for melanoma: A retrospective review. J Am Acad Dermatol. 2019 Nov;81(5):1176-1180. doi: 10.1016/j.jaad.2019.06.042. Epub 2019 Jun 27.
- Tschandl P, Codella N, Akay BN, Argenziano G, Braun RP, Cabo H, Gutman D, Halpern A, Helba B, Hofmann-Wellenhof R, Lallas A, Lapins J, Longo C, Malvehy J, Marchetti MA, Marghoob A, Menzies S, Oakley A, Paoli J, Puig S, Rinner C, Rosendahl C, Scope A, Sinz C, Soyer HP, Thomas L, Zalaudek I, Kittler H. Comparison of the accuracy of human readers versus machine-learning algorithms for pigmented skin lesion classification: an open, web-based, international, diagnostic study. Lancet Oncol. 2019 Jul;20(7):938-947. doi: 10.1016/S1470-2045(19)30333-X. Epub 2019 Jun 12.
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)
Perjantai 27. marraskuuta 2020
Ensisijainen valmistuminen (TODELLINEN)
Lauantai 27. marraskuuta 2021
Opintojen valmistuminen (TODELLINEN)
Maanantai 27. joulukuuta 2021
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Perjantai 13. marraskuuta 2020
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 13. marraskuuta 2020
Ensimmäinen Lähetetty (TODELLINEN)
Torstai 19. marraskuuta 2020
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (TODELLINEN)
Torstai 27. lokakuuta 2022
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 25. lokakuuta 2022
Viimeksi vahvistettu
Lauantai 1. lokakuuta 2022
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2020-3233
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 .