Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Mammográfiás szűrés mesterséges intelligenciával (MASAI) (MASAI)

2026. március 27. frissítette: Region Skane

Véletlenszerű, egy-vak, ellenőrzött próba a mammográfiás szűrés hatékonyságáról mesterséges intelligenciával – a MASAI-tanulmány

Ennek a randomizált, kontrollált vizsgálatnak az a célja, hogy felmérje, hogy a mesterséges intelligencia javíthatja-e a mammográfiás szűrés hatékonyságát az MI-ből származó rákkockázati pontszámok alapján történő egyszeri és kettős leolvasással, valamint hogy az AI-t döntéstámogatásként használja a képernyőolvasás során, összehasonlítva a hagyományos szűréssel. mammográfiás szűrés (kettős leolvasás AI nélkül).

A tanulmány áttekintése

Állapot

Befejezve

Körülmények

Részletes leírás

Az európai irányelvek azt javasolják, hogy az emlőrákszűrés során a mammográfiás vizsgálatokat két emlőradiológus olvassa le a magas érzékenység biztosítása érdekében. A kettős olvasás azonban erőforrásigényes, és még mindig kihagyott rákos megbetegedésekhez vezet. A mesterséges intelligencia alapján végzett számítógépes kimutatás hasonló pontosságú, mint egy átlagos emlőradiológus. A mesterséges intelligencia döntéstámogatásként használható a gyanús leletek kiemelésével a képen, valamint a szűrővizsgálatok csoportosítására a rosszindulatú daganatok kockázatának megfelelően.

A jogosult nőket véletlenszerűen (1:1) besorolják a beavatkozásba (MI-be integrált mammográfiás szűrés) vagy a kontroll karba (hagyományos mammográfiás szűrés). A beavatkozási ágon a vizsgákat mesterséges intelligencia segítségével elemzik, és a rosszindulatú daganatok kockázata alapján két csoportra osztják. Az alacsony kockázatú vizsgák egyszeri, a magas kockázatú vizsgák pedig kétszeresek lesznek. A magas kockázatú csoport kb. a szűrőpopuláció 10%-a. A magas kockázatú csoporton belül a legmagasabb, 1%-os kockázatú vizsgákat a nyilvánvaló téves pozitívumok kivételével alapértelmezés szerint visszahívják az olvasók. A mesterséges intelligencia kockázati pontszámai és a gyanús meszesedések és tömegek számítógéppel segített észlelése (CAD) jelei az olvasó(k) rendelkezésére állnak. A vezérlőkarban a képernyővizsgálatok kétszer olvashatóak AI (standard of care) nélkül. Figyelembe véve az intervallumrákok számának és a munkaterhelésnek a kölcsönhatását, a vizsgálat akkor tekinthető sikeresnek, ha az intervallumrák aránya az intervenciós karban nem több, mint 20%-kal nagyobb, mint a kontroll karban. Ha az intervallumrák aránya statisztikailag és klinikailag szignifikánsan alacsonyabb az intervenciós karban, mint a kontroll karon, az AI-ba integrált mammográfiás szűrést jobbnak tekintik a hagyományos mammográfiás szűrésnél.

Tanulmány típusa

Beavatkozó

Beiratkozás (Tényleges)

100000

Fázis

  • Nem alkalmazható

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

    • Skåne County
      • Malmo, Skåne County, Svédország, 20550
        • Mammography Unit, Unilabs/Skane University Hospital

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

36 év (Felnőtt, Idősebb felnőtt)

Egészséges önkénteseket fogad

Igen

Leírás

Bevételi kritériumok:

Lakossági alapú mammográfiás szűrésre jogosult nők.

Kizárási kritériumok:

Egyik sem.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

  • Elsődleges cél: Szűrés
  • Kiosztás: Véletlenszerűsített
  • Beavatkozó modell: Párhuzamos hozzárendelés
  • Maszkolás: Egyetlen

Fegyverek és beavatkozások

Résztvevő csoport / kar
Beavatkozás / kezelés
Kísérleti: Beavatkozó kar
AI-ba integrált mammográfiás szűrés
A képernyővizsgálatot mesterséges intelligencia-rendszerrel (Transpara, ScreenPoint, Nijmegen, Hollandia) elemezzük, amely 1-től 10-ig terjedő rákkockázati pontszámú vizsgákat rendel, valamint CAD-pontokat ad a gyanús leleteknél. Az 1-től 9-ig terjedő kockázati pontszámú vizsgák egyszeri, a 10-es pontszámú vizsgák pedig duplaolvasásúak. A kockázati pontszámokat és a CAD-pontokat az olvasó(k) rendelkezésére bocsátjuk. Az olvasó(k) eldöntik, hogy visszahívják-e a nőt feldolgozásra vagy sem (az ápolási standardnak megfelelően). Ezen túlmenően a legmagasabb 1%-os kockázatú vizsgákat alapértelmezés szerint visszahívják, kivéve a nyilvánvaló téves pozitív eredményeket.
Kísérleti: Irányító kar
Hagyományos mammográfiás szűrés (standard ellátás)
A képernyővizsgálatokat két radiológus fogja elolvasni az MI támogatása nélkül.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Intervallum-rák arány
Időkeret: 43 hónap
Intervallumrákos nők 1000 képernyőnként
43 hónap

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A rák kimutatási aránya
Időkeret: 15 hónap
A képernyőn kimutatott rákos nők száma 1000 képernyőn
15 hónap
Visszahívási arány
Időkeret: 15 hónap
A visszahívások száma 1000 képernyőnként
15 hónap
Hamis pozitív arány
Időkeret: 15 hónap
1000 képernyőnként álpozitív nők
15 hónap
Pozitív prediktív érték-1
Időkeret: 15 hónap
Rákbeteg nők minden visszahíváshoz
15 hónap
Érzékenység és specifitás
Időkeret: 43 hónap
Igaz és hamis pozitív arány
43 hónap
A rák kimutatása ráktípusonként
Időkeret: 19 hónap
A rák szűrése a rák típusának, méretének és stádiumának függvényében
19 hónap
Intervallumrákok tumorbiológiája
Időkeret: 43 hónap
Az intervallumrák jellemzése típusonként, méretenként és stádiumonként
43 hónap
Képernyőolvasási munkaterhelés
Időkeret: 19 hónap
A képernyőolvasások száma és a konszenzusos értekezletek száma
19 hónap
Növekményes költséghatékonysági arány
Időkeret: 43 hónap
A mesterséges intelligencia-beépített mammográfiás szűrés növekvő költséghatékonysági aránya a standard ellátáshoz képest
43 hónap

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Nyomozók

  • Kutatásvezető: Kristina Lång, MD PhD, Region Skane

Publikációk és hasznos linkek

A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2021. április 12.

Elsődleges befejezés (Tényleges)

2024. december 7.

A tanulmány befejezése (Tényleges)

2025. augusztus 12.

Tanulmányi regisztráció dátumai

Először benyújtva

2021. április 6.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2021. április 8.

Első közzététel (Tényleges)

2021. április 9.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. április 2.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. március 27.

Utolsó ellenőrzés

2026. március 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

IPD terv leírása

Az IPD-t a jövőbeni együttműködések során megosztani lehet.

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel