IA basée sur les réseaux de neurones convolutifs contre les médecins pour le diagnostic des lésions cutanées solitaires
Comparaison d'un modèle d'intelligence artificielle basé sur un CNN avec des dermatologues et des médecins non-dermatologues dans le diagnostic des lésions cutanées solitaires
L'objectif de cette étude observationnelle est d'évaluer la précision diagnostique d'un modèle d'intelligence artificiel basé sur un réseau neuronal convolutif (CNN) chez des patients présentant des lésions cutanées solitaires. Les principales questions auxquelles elle cherche à répondre sont :
- Quelle est la performance diagnostique (sensibilité et spécificité) du modèle basé sur le CNN dans l'identification des lésions cutanées solitaires à l'aide d'images cliniques macroscopiques ?
- Comment la précision diagnostique du modèle basé sur le CNN se compare-t-elle aux évaluations effectuées par les dermatologues et les médecins non-dermatologues ?
Les chercheurs compareront les résultats diagnostiques du modèle d'IA aux évaluations indépendantes des dermatologues et des médecins non-dermatologues pour déterminer si le modèle d'IA peut atteindre une performance diagnostique comparable ou supérieure à celle des cliniciens humains.
Les participants (médecins agissant en tant que lecteurs cliniques) devront :
- Examiner de manière indépendante un ensemble prédéfini d'images cliniques macroscopiques anonymisées provenant d'une archive rétrospective de patients.
- Fournir un diagnostic principal pour chaque lésion basé uniquement sur les images, sans accès aux antécédents du patient ou aux résultats histopathologiques.
- Soumettre leurs évaluations pour être comparées à la référence (diagnostic histopathologique) et aux résultats du modèle d'IA.
Aperçu de l'étude
Statut
Les conditions
Description détaillée
Cette étude est une étude rétrospective observationnelle d'exactitude diagnostique conçue pour évaluer les performances d'un modèle d'intelligence artificielle basé sur un réseau de neurones convolutifs (CNN) dans l'évaluation de lésions cutanées solitaires à l'aide d'images cliniques macroscopiques.
Les images cliniques macroscopiques de lésions cutanées solitaires avec des diagnostics confirmés histopathologiquement ou cliniquement seront extraites rétrospectivement des archives d'images dermatologiques de l'Hôpital de formation et de recherche d'Istanbul. Toutes les images et les documents cliniques associés seront anonymisés avant l'analyse, et toute information visuelle ou textuelle permettant l'identification sera supprimée. Le traitement et l'analyse des données seront effectués dans un environnement sécurisé basé sur l'institution, avec un accès restreint limité à l'équipe de l'étude.
Un modèle d'intelligence artificielle basé sur un CNN sera développé en utilisant des techniques d'apprentissage supervisé. Les étapes de prétraitement des images incluront le redimensionnement aux dimensions d'entrée standardisées, la normalisation des couleurs et la suppression des régions contenant des informations potentiellement identifiables. L'ensemble de données sera partitionné en sous-ensembles d'entraînement, de validation et de test pour permettre le développement du modèle, l'optimisation des hyperparamètres et l'évaluation indépendante des performances. L'entraînement et l'évaluation du modèle seront mis en œuvre en utilisant le framework d'apprentissage profond PyTorch.
La performance diagnostique du modèle basé sur le CNN sera évaluée en utilisant des métriques de classification standard et sera comparée aux évaluations indépendantes des dermatologues, des résidents en dermatologie et des médecins non dermatologues qui évaluent le même ensemble d'images anonymisées sans accès à des informations cliniques ou histopathologiques supplémentaires. Des analyses comparatives seront réalisées pour évaluer les différences de performance diagnostique et la concordance entre le modèle d'intelligence artificielle et les groupes de médecins.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Lieux d'étude
-
-
Fatih
-
Istanbul, Fatih, Turquie (Türkiye), 34098
- S.B.Ü. İstanbul Eğitim ve Araştırma Hastanesi
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critères d'inclusion :
- Patients ayant fourni un consentement éclairé pour l'utilisation de leurs images cliniques dans la recherche scientifique.
- Images cliniques avec une résolution supérieure à 224x224 pixels, garantissant la compatibilité avec l'architecture d'intelligence artificielle.
- Dossiers rétrospectifs de lésions cutanées solitaires avec diagnostics confirmés.
Critères d'exclusion :
- Patients n'ayant pas consenti à l'utilisation de leurs photographies cliniques à des fins de recherche.
- Images contenant des informations personnelles potentiellement identifiables ou des caractéristiques visuelles compromettant l'anonymat du patient.
- Images avec une résolution inférieure à 224x224 pixels ou une qualité diagnostique médiocre (par exemple, flou, occlusion significative).
- Images ou entrées en double pour la même lésion.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
Cohorte de développement et de validation
« Il s'agit d'une étude rétrospective monobras comprenant 17 625 dossiers cliniques archivés avec des diagnostics histopathologiques confirmés.
La cohorte servira de jeu de données principal pour le développement du modèle d'IA. Un sous-ensemble spécifique du jeu de données de test sera évalué indépendamment par un panel de dermatologues et de médecins non-dermatologues via une tâche de diagnostic à choix multiples. Les performances du modèle d'IA seront comparées à la fois aux résultats histopathologiques de référence et à la précision diagnostique des observateurs humains. » |
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision diagnostique du modèle d'intelligence artificielle basé sur les CNN
Délai: Baseline (L'analyse rétrospective des données sera terminée dans un délai de 4 mois)
|
La précision diagnostique du modèle d'intelligence artificielle basé sur le réseau neuronal convolutif (CNN) dans le diagnostic des lésions cutanées solitaires sera évaluée en utilisant la précision et l'aire sous la courbe de caractéristique de fonctionnement du récepteur (ROC-AUC) basées sur des images cliniques macroscopiques.
|
Baseline (L'analyse rétrospective des données sera terminée dans un délai de 4 mois)
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Différence de performance diagnostique entre le modèle basé sur les réseaux neuronaux convolutifs et les dermatologues
Délai: Ligne de base (Achèvement prévu dans un délai de 5 mois)
|
La différence de performance diagnostique entre le modèle d'intelligence artificielle basé sur les réseaux de neurones convolutifs (CNN) et les dermatologues sera évaluée sur la base des métriques de précision en utilisant le même ensemble d'images cliniques macroscopiques.
|
Ligne de base (Achèvement prévu dans un délai de 5 mois)
|
|
Différence de performance diagnostique entre le modèle basé sur les réseaux neuronaux convolutifs et les médecins non-dermatologues
Délai: Ligne de base (achèvement prévu dans les 5 mois)
|
La différence de performance diagnostique entre le modèle d'intelligence artificielle basé sur les réseaux neuronaux convolutifs et les médecins non-dermatologues sera évaluée sur la base de mesures de précision utilisant le même ensemble d'images.
|
Ligne de base (achèvement prévu dans les 5 mois)
|
|
Sensibilité, spécificité du modèle basé sur les CNN et des groupes de médecins
Délai: Ligne de base (Achèvement prévu dans les 5 mois)
|
La sensibilité et la spécificité du modèle d'intelligence artificiel basé sur les réseaux neuronaux convolutifs et des groupes de médecins seront calculées et comparées dans l'évaluation des lésions cutanées solitaires.
|
Ligne de base (Achèvement prévu dans les 5 mois)
|
|
Score F1 du modèle basé sur CNN et des groupes de médecins
Délai: Ligne de base (Achèvement prévu dans les 5 mois)
|
Les valeurs du score F1 du modèle d'intelligence artificielle basé sur CNN et des groupes de médecins seront calculées et comparées dans l'évaluation des lésions cutanées solitaires.
|
Ligne de base (Achèvement prévu dans les 5 mois)
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chaise d'étude: Ayşe Esra Koku Aksu, MD, Sağlık Bilimleri Üniversitesi İstanbul Eğitim ve Araştırma Hastanesi
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- SBU-IEAH-KAEK-20260109-19
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Les données sont stockées dans un environnement institutionnel sécurisé et ne sont accessibles qu'à l'équipe de l'étude.
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .