Monikeskustutkimus syväoppimisen tekoälystä rintamassassa
Monikeskustutkimus rintojen massaseulonnasta ja diagnosoinnista Deep Learning AI -pohjaisella reaaliaikaiseen ultraäänitutkimukseen
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Koska yleisin syöpä, jonka odotetaan esiintyvän kaikkialla maailmassa, laajalla väestöseulonnalla on erittäin tärkeä rooli rintasyövän varhaisessa diagnosoinnissa ja ennusteessa. Röntgen ja ultraääni ovat yleisimmin käytettyjä seulontamenetelmiä, ja ultraääni on erityisen tärkeä aasialaisnaisille, joilla on tiheät rinnat. Ultraääneen vaikuttaa kuitenkin suuresti käyttäjän taito ja kokemus, ja diagnostinen tarkkuus vaihtelee suuresti.
Tekoäly (AI) on viime vuosina ilmaantunut uusi menetelmä, joka on aktiivinen monilla lääketieteen aloilla ja voi tehokkaasti parantaa diagnostista tehokkuutta. Aiemmat tutkimukset tekoälyn soveltamisesta ultraäänessä ovat kuitenkin keskittyneet yksittäisiin tai monimuotoisiin staattisiin ultraäänikuviin. Tämän monikeskustutkimuksen tarkoituksena on arvioida rintojen massan havaitsemisen ja erotusdiagnoosin arvoa syväoppimiseen perustuvalla tekoälypohjaisella reaaliaikaisella ultraäänitutkimuksella.
Opintotyyppi
Ilmoittautuminen (Odotettu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Yong Wang
- Puhelinnumero: 13391817899
- Sähköposti: drwangyong77@163.com
Opiskelupaikat
-
-
Beijing
-
Beijing, Beijing, Kiina, 100021
- Rekrytointi
- National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College
-
Ottaa yhteyttä:
- Yong Wang
- Puhelinnumero: 13391817899
- Sähköposti: drwangyong77@163.com
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Naiset, joille tehdään ultraäänitutkimus valituksen rintojen vauriosta;
- Rintavaurio, joka saa lopullisen patologisen diagnoosin tai seurannan vähintään kahden vuoden ajan.
Poissulkemiskriteerit:
- Rintaleesio, joka on saanut CNB:n tai FNA:n;
- Rintasyöpäpotilas, joka on saanut neoadjuvanttia kemoterapiaa.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Rintojen massan diagnostinen suorituskyky syväoppimiseen perustuvalla tekoälypohjaisella reaaliaikaisella ultraäänitutkimuksella
Aikaikkuna: 12 kuukautta
|
Patologia kultaisena standardina diagnostisen suorituskyvyn (herkkyys, spesifisyys ja tarkkuus) arvioimiseksi
|
12 kuukautta
|
Yhteistyökumppanit ja tutkijat
Yhteistyökumppanit
Tutkijat
- Päätutkija: Yong Wang, Cancer Institute and Hospital, Chinese Academy of Medical Sciences
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Odotettu)
Opintojen valmistuminen (Odotettu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- NCC2962
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .