AI-parannettu analyysi rintatiheydestä ja taustaa parenyymaalisesta paranemisesta (BPE)
lauantai 15. helmikuuta 2025 päivittänyt: Graziella di Grezia, Link Campus University
Tämä tutkimus laajenee aikaisempaa tutkimusta, jossa tutkitaan rintojen tiheyden, taustaparenyymaalisen paranemisen (BPE) ja iän välistä korrelaatiota sensyötisen mammografian (CEM) välillä.
Integroimalla keinotekoisen älykkyyden (AI) menetelmät, mukaan lukien keinotekoiset hermoverkot (ANNS) ja syvän oppimisen mallit, tutkimuksen tavoitteena on optimoida ennusteiden tarkkuus ja validoida aikaisemmat havainnot, jotka on saatu monen lineaarisen regression avulla.
Tutkimuksen yleiskatsaus
Tila
Ilmoittautuminen kutsusta
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
213
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
-
Naples, Italia, 80138
- University of Campania Luigi Vanvitelli
-
-
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
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
18 -vuotiaat ja sitä vanhemmat naiset, joille tehtiin CEM diagnostiikka- tai valvontatarkoituksiin.
Potilaat, joilla on tallennettu BPE-tasot ja BI-Rads-rintatiheysluokitus.
Relaatiotietokanta, joka sisältää jäsenneltyä tietoa korrelaatiomatriisianalyysistä ja AI -malliharjoittelua varten.
Kuvaus
Potilaat, joille tehtiin CEM, mammografia ja ultraääni toukokuun 2022 ja kesäkuun 2023 välisenä aikana.
BPE-arvioinnin saatavuus, BI-RADS-tiheysluokitus ja ikätiedot.
Täydellinen tietojoukko on saatavana tilastollista ja AI-pohjaista analyysiä varten.
Poissulkemiskriteerit:
Potilaat, joilla on aikaisempi rintasyövän hoito, joka voisi muuttaa BPE: tä.
Epätäydellinen kuvantaminen tai puuttuva luokittelutiedot.
Vasta-aiheet kontrastin parantuneeseen kuvantamiseen.
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 |
|---|
|
Patiens sai CEM: n
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Korrelaatio rintatiheyden, BPE: n ja iän välillä käyttämällä AI-ohjattua analyysiä.
Aikaikkuna: Tietoanalyysi 12 kuukauden kuluessa tutkimuksen valmistumisesta.
|
Arviointi, voivatko AI -mallit, mukaan lukien hermoverkot, parantaa BPE -arvioinnin ennustamistarkkuutta verrattuna tavanomaiseen monimuotoiseen regressioon.
|
Tietoanalyysi 12 kuukauden kuluessa tutkimuksen valmistumisesta.
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Rintatiheyden ja BPE-luokituksen AI-pohjainen optimointi
Aikaikkuna: 12 kuukauden kuluessa tutkimuksen valmistumisesta
|
Neuraaliverkkojen suorituskyvyn arviointi BPE -tasojen ennustamisessa eri rintatiheysluokissa.
|
12 kuukauden kuluessa tutkimuksen valmistumisesta
|
|
Useiden lineaaristen regressioiden vertaileva suorituskyky vs. AI -mallit.
Aikaikkuna: 12 kuukauden kuluessa tutkimuksen valmistumisesta.
|
Perinteisten tilastollisten menetelmien tarkkuuden arviointi verrattuna ANN-pohjaisiin ennusteisiin selittämällä BPE-arvojen varianssi.
|
12 kuukauden kuluessa tutkimuksen valmistumisesta.
|
|
Keskimääräinen neliövirhe (MSE) ja selitetty varianssi ennustavissa malleissa
Aikaikkuna: 12 kuukauden kuluessa tutkimuksen valmistumisesta
|
Analysoimalla virhetasot ja varianssi selitetään eri AI -malleilla verrattuna moniin lineaariseen regressioon.
|
12 kuukauden kuluessa tutkimuksen valmistumisesta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
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)
Sunnuntai 1. toukokuuta 2022
Ensisijainen valmistuminen (Todellinen)
Perjantai 30. kesäkuuta 2023
Opintojen valmistuminen (Arvioitu)
Lauantai 1. helmikuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Lauantai 15. helmikuuta 2025
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Lauantai 15. helmikuuta 2025
Ensimmäinen Lähetetty (Todellinen)
Tiistai 25. maaliskuuta 2025
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 25. maaliskuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Lauantai 15. helmikuuta 2025
Viimeksi vahvistettu
Lauantai 1. helmikuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muut tutkimustunnusnumerot
- T_6_2025
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 .