Többközpontú tanulmány a mélytanulási mesterséges intelligencia vizsgálatáról a Breast Mass területén
Az emlőtömeg szűrésének és diagnosztizálásának többközpontú tanulmánya mély tanulási mesterséges intelligencia segítségével, valós idejű ultrahangvizsgálaton
A tanulmány áttekintése
Részletes leírás
Mivel a várhatóan világszerte előforduló leggyakoribb rák, a kiterjedt lakossági szűrés nagyon fontos szerepet játszik az emlőrák korai diagnózisában és prognózisában. A röntgen és az ultrahang a leggyakrabban alkalmazott szűrési módszerek, az ultrahang pedig különösen fontos a sűrű mellű ázsiai nők számára. Az ultrahangot azonban nagyban befolyásolja a kezelő készsége és tapasztalata, és a diagnosztikai pontosság nagymértékben változik.
A mesterséges intelligencia (AI) az elmúlt években megjelenő új módszer, amely számos orvosi területen aktív, és hatékonyan javíthatja a diagnosztikai hatékonyságot. A mesterséges intelligencia ultrahangban való alkalmazásával kapcsolatos korábbi kutatások azonban az egy- vagy többmodális statikus ultrahangképekre összpontosítottak. Ez a többközpontú tanulmány a melltömeg kimutatásának és differenciáldiagnózisának értékét kívánja értékelni mély tanulási mesterségesintelligencia-alapú valós idejű ultrahangvizsgálat segítségével.
Tanulmány típusa
Beiratkozás (Várható)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Yong Wang
- Telefonszám: 13391817899
- E-mail: drwangyong77@163.com
Tanulmányi helyek
-
-
Beijing
-
Beijing, Beijing, Kína, 100021
- Toborzás
- National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College
-
Kapcsolatba lépni:
- Yong Wang
- Telefonszám: 13391817899
- E-mail: drwangyong77@163.com
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Gyermek
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Tanulmányozható nemek
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- Nők, akik ultrahangvizsgálaton esnek át emlősérülési panasz miatt;
- Az az emlőlézió, amelynél legalább két éven belül biztos kóros diagnózist vagy nyomon követést kapnak.
Kizárási kritériumok:
- CNB-t vagy FNA-t kapott emlőlézió;
- Az emlőrákos beteg, aki neoadjuváns kemoterápiában részesült.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A mell tömegének diagnosztikai teljesítménye mély tanulási AI-alapú valós idejű ultrahangvizsgálat segítségével
Időkeret: 12 hónap
|
A patológia mint arany standard, a diagnosztikai teljesítmény (érzékenység, specificitás és pontosság) értékelésére
|
12 hónap
|
Együttműködők és nyomozók
Együttműködők
Nyomozók
- Kutatásvezető: Yong Wang, Cancer Institute and Hospital, Chinese Academy of Medical Sciences
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Várható)
A tanulmány befejezése (Várható)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- NCC2962
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
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. .