Keinoäly nopeuttaa oppimiskäyrää kilpirauhasen kyhmyjen kontrastitehosteisen ultraäänen hallitsemiseksi (AIA-CEUD-TN)
sunnuntai 22. maaliskuuta 2026 päivittänyt: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Keinoäly nopeuttaa oppimiskäyrää kilpirauhasen kuvantamisen raportoinnin ja kontrastitehosteisen ultraäänijärjestelmän tietojärjestelmän hallitsemiseksi
Tämän havaintotutkimuksen tavoitteena on oppia oppimiskäyrästä kilpirauhasen kuvantamisraportoinnin ja kontrastitehosteultraäänen tietojärjestelmän hallitsemiseksi tekoälyn avulla potilailla, joilla on kilpirauhasen kyhmyjä. Tärkeimmät kysymykset, joihin se pyrkii vastaamaan, ovat:
- Voimmeko kehittää keinotekoisen älykkään ohjelmiston auttamaan lääkäreitä kilpirauhasen kyhmyjen diagnosoinnissa kontrastitehostetulla ultraäänellä?
- Voiko keinotekoinen älykäs vähentää tapausten määrää ja aikaa, jolloin lääkärit hallitsevat kilpirauhasen kyhmyjen kontrastitehosteisen ultraäänidiagnoosin?
Osallistujia pyydetään suorittamaan kontrastitehosteultraäänitutkimus ja ultraääniohjattu kilpirauhasen kyhmyjen neulaaspiraatio. Tutkijat vertaavat tapausten määrää ja aikaa, jolloin lääkärit, joilla on keinotekoista älykästä apua ja ilman niitä, hallitsevat kilpirauhasen kyhmyjen kontrastitehosteisen ultraäänidiagnoosin nähdäkseen, vähentävätkö keinotekoiset älykkäät tapaukset tapausten määrää ja aikaa.
Tutkimuksen yleiskatsaus
Opintotyyppi
Interventio
Ilmoittautuminen (Todellinen)
1955
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Guangdong
-
Guangzhou, Guangdong, Kiina, 510289
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen 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
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Tutkimusväestö
Tutkimuspopulaatio, jolla on sama indikaatio kontrastitehostetulle ultraäänelle ja hienoneulaiselle aspiraatiobiopsialle:
- Suunniteltu ablaatio tai leikkaus;
- Ainakin yksi epäilyttävä ultraääniominaisuus, kuten hypoechoic/erittäin hypoechoic, epäsäännöllinen/lobuloitu marginaali, korkeampi kuin leveä tai pistemäinen kaikuperäinen pesäke.
Kuvaus
Sisällyttämiskriteerit:
- Potilaat, joilla on tavanomaisella ultraäänellä varmistettu kilpirauhasen kyhmyt, joiden kiinteä komponentti on ≥5 mm;
- Potilaat, joille tehtiin tavanomainen ultraääni, kontrastitehostettu ultraääni ja hienoneulainen aspiraatiobiopsia;
- Potilaat, joilla on lopullinen hyvänlaatuinen tai pahanlaatuinen patologinen tulos.
Poissulkemiskriteerit:
- Potilaat, joilla on Bethesda I, III tai IV sytopatologia ja joilla ei ole lopullista hyvänlaatuista tai pahanlaatuista patologiaa；
- Potilaat, joilla on ollut kilpirauhasen ablaatio tai leikkaus;
- Potilaat, joilla on heikkolaatuisia ultraäänikuvia.
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: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Muut: Testisarja
Osallistujat, joilla oli kilpirauhaskasvaimia, kävivät kontrastivahvisteisessa ultraäänitutkimuksessa ja ultraääniohjauksella tehdyssä ohutneulabiopsiassa tammikuun 2021 ja joulukuun 2022 välisenä aikana Sun Yat-sen -yliopiston Sun Yat-sen Memorial -sairaalassa, Dongguanin Houjie-sairaalassa sekä Eteläisen lääketieteen yliopiston liitännäissairaalassa Huadussa.
|
Tekoälyavusteinen kontrastivahvisteinen ultraäänidiagnostiikka kilpirauhaskasvaimille.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Diagnostinen suorituskyky
Aikaikkuna: Ensimmäinen viikko ensisijaisen päättymispäivän jälkeen.
|
Herkkyys, spesifisyys, positiivinen ennustearvo, negatiivinen ennustearvo, tarkkuus, käyrän alla oleva pinta-ala
|
Ensimmäinen viikko ensisijaisen päättymispäivän jälkeen.
|
|
Biopsian tarpeellisuus
Aikaikkuna: Ensimmäinen viikko ensisijaisen päättymispäivän jälkeen.
|
Tarpeeton biopsiaprosentti
|
Ensimmäinen viikko ensisijaisen päättymispäivän jälkeen.
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Päätutkija: Jingliang Ruan, PhD, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Haugen BR, Alexander EK, Bible KC, Doherty GM, Mandel SJ, Nikiforov YE, Pacini F, Randolph GW, Sawka AM, Schlumberger M, Schuff KG, Sherman SI, Sosa JA, Steward DL, Tuttle RM, Wartofsky L. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer. Thyroid. 2016 Jan;26(1):1-133. doi: 10.1089/thy.2015.0020.
- Russ G, Bonnema SJ, Erdogan MF, Durante C, Ngu R, Leenhardt L. European Thyroid Association Guidelines for Ultrasound Malignancy Risk Stratification of Thyroid Nodules in Adults: The EU-TIRADS. Eur Thyroid J. 2017 Sep;6(5):225-237. doi: 10.1159/000478927. Epub 2017 Aug 8.
- Burgos N, Zhao J, Brito JP, Hoang JK, Pitoia F, Maraka S, Castro MR, Lee JH, Singh Ospina N. Clinician Agreement on the Classification of Thyroid Nodules Ultrasound Features: A Survey of 2 Endocrine Societies. J Clin Endocrinol Metab. 2022 Jul 14;107(8):e3288-e3294. doi: 10.1210/clinem/dgac279.
- Tessler FN, Middleton WD, Grant EG, Hoang JK, Berland LL, Teefey SA, Cronan JJ, Beland MD, Desser TS, Frates MC, Hammers LW, Hamper UM, Langer JE, Reading CC, Scoutt LM, Stavros AT. ACR Thyroid Imaging, Reporting and Data System (TI-RADS): White Paper of the ACR TI-RADS Committee. J Am Coll Radiol. 2017 May;14(5):587-595. doi: 10.1016/j.jacr.2017.01.046. Epub 2017 Apr 2.
- Burgos N, Ospina NS, Sipos JA. The Future of Thyroid Nodule Risk Stratification. Endocrinol Metab Clin North Am. 2022 Jun;51(2):305-321. doi: 10.1016/j.ecl.2021.12.002. Epub 2022 May 4.
- Zhou J, Yin L, Wei X, Zhang S, Song Y, Luo B, Li J, Qian L, Cui L, Chen W, Wen C, Peng Y, Chen Q, Lu M, Chen M, Wu R, Zhou W, Xue E, Li Y, Yang L, Mi C, Zhang R, Wu G, Du G, Huang D, Zhan W; Superficial Organ and Vascular Ultrasound Group of the Society of Ultrasound in Medicine of the Chinese Medical Association; Chinese Artificial Intelligence Alliance for Thyroid and Breast Ultrasound. 2020 Chinese guidelines for ultrasound malignancy risk stratification of thyroid nodules: the C-TIRADS. Endocrine. 2020 Nov;70(2):256-279. doi: 10.1007/s12020-020-02441-y. Epub 2020 Aug 21.
- Shin JH, Baek JH, Chung J, Ha EJ, Kim JH, Lee YH, Lim HK, Moon WJ, Na DG, Park JS, Choi YJ, Hahn SY, Jeon SJ, Jung SL, Kim DW, Kim EK, Kwak JY, Lee CY, Lee HJ, Lee JH, Lee JH, Lee KH, Park SW, Sung JY; Korean Society of Thyroid Radiology (KSThR) and Korean Society of Radiology. Ultrasonography Diagnosis and Imaging-Based Management of Thyroid Nodules: Revised Korean Society of Thyroid Radiology Consensus Statement and Recommendations. Korean J Radiol. 2016 May-Jun;17(3):370-95. doi: 10.3348/kjr.2016.17.3.370. Epub 2016 Apr 14.
- Kwak JY, Han KH, Yoon JH, Moon HJ, Son EJ, Park SH, Jung HK, Choi JS, Kim BM, Kim EK. Thyroid imaging reporting and data system for US features of nodules: a step in establishing better stratification of cancer risk. Radiology. 2011 Sep;260(3):892-9. doi: 10.1148/radiol.11110206. Epub 2011 Jul 19.
- Sidhu PS, Cantisani V, Dietrich CF, Gilja OH, Saftoiu A, Bartels E, Bertolotto M, Calliada F, Clevert DA, Cosgrove D, Deganello A, D'Onofrio M, Drudi FM, Freeman S, Harvey C, Jenssen C, Jung EM, Klauser AS, Lassau N, Meloni MF, Leen E, Nicolau C, Nolsoe C, Piscaglia F, Prada F, Prosch H, Radzina M, Savelli L, Weskott HP, Wijkstra H. The EFSUMB Guidelines and Recommendations for the Clinical Practice of Contrast-Enhanced Ultrasound (CEUS) in Non-Hepatic Applications: Update 2017 (Long Version). Ultraschall Med. 2018 Apr;39(2):e2-e44. doi: 10.1055/a-0586-1107. Epub 2018 Mar 6.
- Zhang Y, Zhou P, Tian SM, Zhao YF, Li JL, Li L. Usefulness of combined use of contrast-enhanced ultrasound and TI-RADS classification for the differentiation of benign from malignant lesions of thyroid nodules. Eur Radiol. 2017 Apr;27(4):1527-1536. doi: 10.1007/s00330-016-4508-y. Epub 2016 Aug 15.
- Tang C, Fang K, Guo Y, Li R, Fan X, Chen P, Chen Z, Liu Q, Zou Y. Safety of Sulfur Hexafluoride Microbubbles in Sonography of Abdominal and Superficial Organs: Retrospective Analysis of 30,222 Cases. J Ultrasound Med. 2017 Mar;36(3):531-538. doi: 10.7863/ultra.15.11075. Epub 2017 Jan 10.
- Seifert P, Gorges R, Zimny M, Kreissl MC, Schenke S. Interobserver agreement and efficacy of consensus reading in Kwak-, EU-, and ACR-thyroid imaging recording and data systems and ATA guidelines for the ultrasound risk stratification of thyroid nodules. Endocrine. 2020 Jan;67(1):143-154. doi: 10.1007/s12020-019-02134-1. Epub 2019 Nov 18.
- Wildman-Tobriner B, Buda M, Hoang JK, Middleton WD, Thayer D, Short RG, Tessler FN, Mazurowski MA. Using Artificial Intelligence to Revise ACR TI-RADS Risk Stratification of Thyroid Nodules: Diagnostic Accuracy and Utility. Radiology. 2019 Jul;292(1):112-119. doi: 10.1148/radiol.2019182128. Epub 2019 May 21.
- Zhang B, Tian J, Pei S, Chen Y, He X, Dong Y, Zhang L, Mo X, Huang W, Cong S, Zhang S. Machine Learning-Assisted System for Thyroid Nodule Diagnosis. Thyroid. 2019 Jun;29(6):858-867. doi: 10.1089/thy.2018.0380. Epub 2019 Apr 27.
- Jin Z, Pei S, Ouyang L, Zhang L, Mo X, Chen Q, You J, Chen L, Zhang B, Zhang S. Thy-Wise: An interpretable machine learning model for the evaluation of thyroid nodules. Int J Cancer. 2022 Dec 15;151(12):2229-2243. doi: 10.1002/ijc.34248. Epub 2022 Sep 12.
- Chen Y, Gao Z, He Y, Mai W, Li J, Zhou M, Li S, Yi W, Wu S, Bai T, Zhang N, Zeng W, Lu Y, Liu H. An Artificial Intelligence Model Based on ACR TI-RADS Characteristics for US Diagnosis of Thyroid Nodules. Radiology. 2022 Jun;303(3):613-619. doi: 10.1148/radiol.211455. Epub 2022 Mar 22.
- Zhao CK, Ren TT, Yin YF, Shi H, Wang HX, Zhou BY, Wang XR, Li X, Zhang YF, Liu C, Xu HX. A Comparative Analysis of Two Machine Learning-Based Diagnostic Patterns with Thyroid Imaging Reporting and Data System for Thyroid Nodules: Diagnostic Performance and Unnecessary Biopsy Rate. Thyroid. 2021 Mar;31(3):470-481. doi: 10.1089/thy.2020.0305. Epub 2020 Sep 9.
- Zhao J, Zhou X, Shi G, Xiao N, Song K, Zhao J, Hao R, Li K. Semantic consistency generative adversarial network for cross-modality domain adaptation in ultrasound thyroid nodule classification. Appl Intell (Dordr). 2022;52(9):10369-10383. doi: 10.1007/s10489-021-03025-7. Epub 2022 Jan 13.
- Peng S, Liu Y, Lv W, Liu L, Zhou Q, Yang H, Ren J, Liu G, Wang X, Zhang X, Du Q, Nie F, Huang G, Guo Y, Li J, Liang J, Hu H, Xiao H, Liu Z, Lai F, Zheng Q, Wang H, Li Y, Alexander EK, Wang W, Xiao H. Deep learning-based artificial intelligence model to assist thyroid nodule diagnosis and management: a multicentre diagnostic study. Lancet Digit Health. 2021 Apr;3(4):e250-e259. doi: 10.1016/S2589-7500(21)00041-8.
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)
Lauantai 3. kesäkuuta 2023
Ensisijainen valmistuminen (Todellinen)
Maanantai 2. maaliskuuta 2026
Opintojen valmistuminen (Todellinen)
Maanantai 16. maaliskuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 24. heinäkuuta 2023
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Tiistai 8. elokuuta 2023
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 9. elokuuta 2023
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Keskiviikko 25. maaliskuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Sunnuntai 22. maaliskuuta 2026
Viimeksi vahvistettu
Sunnuntai 1. maaliskuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
- Endokriinisen järjestelmän sairaudet
- Patologiset prosessit
- Neoplasmat sivustoittain
- Neoplasmat
- Kilpirauhasen kasvaimet
- Endokriinisten rauhasten kasvaimet
- Pään ja kaulan kasvaimet
- Kilpirauhasen sairaudet
- Patologiset tilat, merkit ja oireet
- Kilpirauhasen kyhmy
- Sairaus
- Algoritmit
- Matemaattiset käsitteet
- Tekoäly
Muut tutkimustunnusnumerot
- SYSKY-2023-702-01
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
JOO
IPD-suunnitelman kuvaus
Tutkimuksen aikana luodut tai analysoidut tiedot ovat saatavilla tutkimusvastuuhenkilöltä pyynnöstä.
IPD-jaon aikakehys
Ensimmäinen viikko tutkimuspaperien julkaisun jälkeen.
IPD-jaon käyttöoikeuskriteerit
Tutkimuksen aikana tuotetut tai analysoidut aineistot ovat saatavissa pääasiantutkijalta pyynnöstä.
IPD-jakamista tukeva tietotyyppi
- STUDY_PROTOCOL
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 .