Metastaattisen luusairauden automaattinen havaitseminen luuskintigrafiatutkimuksissa
torstai 16. maaliskuuta 2023 päivittänyt: Maastricht University
In Silicon kliininen tutkimus, jossa verrataan lääkäreiden lukutarkkuutta ja syväoppimisalgoritmia metastaattisen luusairauden havaitsemiseksi luuskintigrafiatutkimuksissa.
Luuskintigrafiakuvaukset ovat kaksiulotteisia lääketieteellisiä kuvia, joita käytetään voimakkaasti isotooppilääketieteessä.
Skannaukset havaitsevat muutokset luun aineenvaihdunnassa erittäin herkästi, mutta niistä puuttuu spesifisyys taustalla oleviin syihin.
Siksi tarvitaan lisäkuvauksia taustasyyn vahvistamiseksi.
Tämän tutkimuksen tavoitteena on selvittää, voiko syväoppiminen parantaa kliinistä päätöstä luutuikekuvauksen perusteella.
Tutkimuksen yleiskatsaus
Tila
Valmis
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
2365
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Limburg
-
Maastricht, Limburg, Alankomaat, 6229ER
- Maastricht University
-
-
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
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Kaikki potilaat, joilla oli indikaatio luun tuikekuvaukseen missä tahansa osallistuvassa keskuksessa.
Kuvaus
Sisällyttämiskriteerit:
- Potilaat, joille tehtiin luutuikekuvaus, joka on saatavilla radiologisen raportin kanssa vuosina 2010-2018
Poissulkemiskriteerit:
- Luututkimuksen tai vastaavan radiologisen raportin puuttuminen
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 |
|---|---|
|
BS-UKA
Potilaat, joille tehtiin luutuikeskannaus vuosina 2010–2018 RTWH Aachenin yliopistollisessa sairaalassa ja heillä oli luuskannausraportti, joka osoittaa metastaattisen luusairauden olemassaolon tai puuttumisen.
|
Tavoitteena on selvittää, pystyvätkö syväoppimisalgoritmit havaitsemaan luumetastaaseja suurella tarkkuudella ja spesifisyydellä.
|
|
BS-Namur
Potilaat, joille tehtiin luutuikeskannaus vuosina 2010–2018 Namurin yliopistosairaalassa ja heillä oli luuskannausraportti, joka osoittaa metastaattisen luusairauden olemassaolon tai puuttumisen.
|
Tavoitteena on selvittää, pystyvätkö syväoppimisalgoritmit havaitsemaan luumetastaaseja suurella tarkkuudella ja spesifisyydellä.
|
|
BS-Aalborg
Potilaat, joille tehtiin luutuikeskannaus Aalborgin yliopistollisessa sairaalassa vuosina 2010–2018 ja heillä oli luuskannausraportti, joka osoittaa metastaattisen luusairauden olemassaolon tai puuttumisen.
|
Tavoitteena on selvittää, pystyvätkö syväoppimisalgoritmit havaitsemaan luumetastaaseja suurella tarkkuudella ja spesifisyydellä.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
DL-algoritmin luokittelusuorituskyky verrattuna perustotuuteen
Aikaikkuna: Kesäkuu 2021
|
Suorituskykymittareiden raportointi (käyrän alla oleva pinta-ala, tarkkuus, spesifisyys jne.)
|
Kesäkuu 2021
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Vertaamalla DL-algoritmin luokittelukykyä lääkäreiden luokittelukykyyn
Aikaikkuna: Kesäkuu 2021
|
Dr:n ja AI:n diagnoosin oikeellisuus (dikotominen muuttuja: oikein vs. ei oikein) validointitietojen osajoukossa käyttäen McNemar-tilastotestiä
|
Kesäkuu 2021
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
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)
Keskiviikko 10. maaliskuuta 2021
Ensisijainen valmistuminen (Todellinen)
Torstai 30. joulukuuta 2021
Opintojen valmistuminen (Todellinen)
Perjantai 31. joulukuuta 2021
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 19. huhtikuuta 2021
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Maanantai 25. lokakuuta 2021
Ensimmäinen Lähetetty (Todellinen)
Maanantai 8. marraskuuta 2021
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Maanantai 20. maaliskuuta 2023
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Torstai 16. maaliskuuta 2023
Viimeksi vahvistettu
Keskiviikko 1. maaliskuuta 2023
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- MBDDL
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 .