Mesterséges intelligencia a mellrákszűrésben Östergötland Linkoping régióban (AI-ROL)
2022. április 19. frissítette: Håkan Gustafsson, Ostergotland County Council, Sweden
A mesterséges intelligencia használata harmadik olvasóként és a konszenzus során egy kettős olvasású mellrákszűrési programban Svédországban
Ennek a megfigyeléses vizsgálatnak az a célja, hogy felmérje, hogy az AI (Transpara®) használata a kettős leolvasású mammográfiás szűrőprogram minőségének javításához vezethet-e.
Ezt úgy vizsgálják, hogy a mesterséges intelligenciát harmadik olvasóként és a konszenzusmegbeszélés során döntéstámogatóként hajtják végre, összehasonlítva a hagyományos mammográfiás szűréssel (kettős olvasás és konszenzus mesterséges intelligencia nélkül).
A tanulmány áttekintése
Részletes leírás
A mesterséges intelligencia rákfelismerő rendszere 3. olvasóként fog működni, és a konszenzuskonferencia további eseteit is felidézi: azokat a vizsgákat, amelyeket nem kettős leolvasással idéztek fel, de az MI-ből származó rákkockázati pontszámok alapján a 3%-ban a leggyanúsabb vizsgálatok közé sorolják. Másodszor, az AI döntéstámogatóként használatos a konszenzus során. Az olvasó(k) rendelkezésére állnak az AI kockázati pontszámok és a gyanús meszesedések és lágyrész-elváltozások számítógéppel segített észlelési (CAD) jelei.
A tanulmány hipotézise az, hogy a mesterséges intelligencia alkalmazása javíthatja a szűrőprogram minőségét azáltal, hogy növeli a rák kimutatási arányát anélkül, hogy befolyásolná a visszahívási arányt.
Tanulmány típusa
Megfigyelő
Beiratkozás (Tényleges)
15500
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Östergötland
-
Linköping, Östergötland, Svédország, 58185
- Region Östergötland
-
-
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
40 év (Felnőtt, Idősebb felnőtt)
Egészséges önkénteseket fogad
Nem
Tanulmányozható nemek
Női
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
Lakossági alapú mammográfiás szűrésre jogosult nők
Leírás
Bevételi kritériumok:
- A rendszeres emlőrákszűrési programban részt vevő nők Östergötland Linkoping régiójában
Kizárási kritériumok:
- Nők mellimplantátummal vagy más idegen implantátummal a mammográfiás vizsgálaton
- Nők, akiknél a mellrák gyanúja tünetei vagy jelei vannak
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
- Megfigyelési modellek: Kohorsz
- Időperspektívák: Leendő
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
Szűrt nők Östergötland Linkoping régiójában
|
Az AI használata harmadik olvasóként és döntéstámogató rendszerként a konszenzusos értekezlet során
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A rák kimutatási aránya
Időkeret: 4 hónap felvétel után
|
A mellrákkal diagnosztizált nők aránya a konszenzus után visszahívottak között
|
4 hónap felvétel után
|
|
Visszahívási vagy áttételi arány
Időkeret: 4 hónap felvétel után
|
Azon nők aránya, akiket konszenzus után további diagnosztikai vizsgálatra utalnak be
|
4 hónap felvétel után
|
|
Az utalások pozitív prediktív értéke
Időkeret: 4 hónap felvétel után
|
Az emlőrákkal diagnosztizált nők aránya a beutaltok között
|
4 hónap felvétel után
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A Transpara® pontszámok pozitív prediktív értéke
Időkeret: 4 hónap felvétel után
|
Adott AI-pontszámmal diagnosztizált emlőrákok aránya a nők körében
|
4 hónap felvétel után
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Nyomozók
- Kutatásvezető: Håkan Gustafsson, PhD, Linköping University - University Hospital
Publikációk és hasznos linkek
A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.
Általános kiadványok
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Tan T, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Mann RM, Sechopoulos I. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists. J Natl Cancer Inst. 2019 Sep 1;111(9):916-922. doi: 10.1093/jnci/djy222.
- Rodriguez-Ruiz A, Krupinski E, Mordang JJ, Schilling K, Heywang-Kobrunner SH, Sechopoulos I, Mann RM. Detection of Breast Cancer with Mammography: Effect of an Artificial Intelligence Support System. Radiology. 2019 Feb;290(2):305-314. doi: 10.1148/radiol.2018181371. Epub 2018 Nov 20.
- van Winkel SL, Rodriguez-Ruiz A, Appelman L, Gubern-Merida A, Karssemeijer N, Teuwen J, Wanders AJT, Sechopoulos I, Mann RM. Impact of artificial intelligence support on accuracy and reading time in breast tomosynthesis image interpretation: a multi-reader multi-case study. Eur Radiol. 2021 Nov;31(11):8682-8691. doi: 10.1007/s00330-021-07992-w. Epub 2021 May 4.
- Pinto MC, Rodriguez-Ruiz A, Pedersen K, Hofvind S, Wicklein J, Kappler S, Mann RM, Sechopoulos I. Impact of Artificial Intelligence Decision Support Using Deep Learning on Breast Cancer Screening Interpretation with Single-View Wide-Angle Digital Breast Tomosynthesis. Radiology. 2021 Sep;300(3):529-536. doi: 10.1148/radiol.2021204432. Epub 2021 Jul 6.
- Raya-Povedano JL, Romero-Martin S, Elias-Cabot E, Gubern-Merida A, Rodriguez-Ruiz A, Alvarez-Benito M. AI-based Strategies to Reduce Workload in Breast Cancer Screening with Mammography and Tomosynthesis: A Retrospective Evaluation. Radiology. 2021 Jul;300(1):57-65. doi: 10.1148/radiol.2021203555. Epub 2021 May 4.
- Lang K, Dustler M, Dahlblom V, Akesson A, Andersson I, Zackrisson S. Identifying normal mammograms in a large screening population using artificial intelligence. Eur Radiol. 2021 Mar;31(3):1687-1692. doi: 10.1007/s00330-020-07165-1. Epub 2020 Sep 2.
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Teuwen J, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Sechopoulos I, Mann RM. Can we reduce the workload of mammographic screening by automatic identification of normal exams with artificial intelligence? A feasibility study. Eur Radiol. 2019 Sep;29(9):4825-4832. doi: 10.1007/s00330-019-06186-9. Epub 2019 Apr 16.
- Lang K, Hofvind S, Rodriguez-Ruiz A, Andersson I. Can artificial intelligence reduce the interval cancer rate in mammography screening? Eur Radiol. 2021 Aug;31(8):5940-5947. doi: 10.1007/s00330-021-07686-3. Epub 2021 Jan 23.
- Sasaki M, Tozaki M, Rodriguez-Ruiz A, Yotsumoto D, Ichiki Y, Terawaki A, Oosako S, Sagara Y, Sagara Y. Artificial intelligence for breast cancer detection in mammography: experience of use of the ScreenPoint Medical Transpara system in 310 Japanese women. Breast Cancer. 2020 Jul;27(4):642-651. doi: 10.1007/s12282-020-01061-8. Epub 2020 Feb 12.
- Kerschke L, Weigel S, Rodriguez-Ruiz A, Karssemeijer N, Heindel W. Using deep learning to assist readers during the arbitration process: a lesion-based retrospective evaluation of breast cancer screening performance. Eur Radiol. 2022 Feb;32(2):842-852. doi: 10.1007/s00330-021-08217-w. Epub 2021 Aug 12.
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. október 15.
Elsődleges befejezés (Tényleges)
2022. február 15.
A tanulmány befejezése (Tényleges)
2022. február 15.
Tanulmányi regisztráció dátumai
Először benyújtva
2021. szeptember 8.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2021. szeptember 8.
Első közzététel (Tényleges)
2021. szeptember 17.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2022. április 20.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2022. április 19.
Utolsó ellenőrzés
2022. április 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- NCT20210157-AI-ROL
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Eldöntetlen
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. .