Új alkalmazások szarkóma felmérésére (NASA)
Ennek a kutatásnak az a célja, hogy javítsa annak eldöntését, hogy a lágyszövetekben, például zsírban vagy izomban kialakuló csomó a lágyszöveti szarkómának nevezett rákfajta, vagy jóindulatú (nem rákos). Ehhez a kutatók rutin klinikai MRI-vizsgálatokat, további kvantitatív MRI-vizsgálatokat és mesterséges intelligenciát alkalmaznak.
Ennek a kutatásnak a céljai a következők:
Olyan mesterséges intelligencia-algoritmusok kidolgozása, amelyek rutin és kvantitatív MR-felvételek segítségével pontosan besorolhatják a lágyrésztömegeket jóindulatúként vagy rosszindulatúként.
A rosszindulatú lágyrésztömegek kóros osztályba sorolása. Hasonlítsa össze a különböző mesterséges intelligencia modelleket külső, nem látott tesztkészleteken, hogy meghatározza, melyik nyújtja a legjobb teljesítményt.
A résztvevőket megkérdezik, hogy legfeljebb 10 plusz percet tölthetnek-e MRI-szkennerrel, hogy a többletképeket meg lehessen szerezni. A résztvevők egy kis részét visszahívják, hogy a nyomozók ellenőrizhessék a képek és az AI-szoftver reprodukálhatóságát.
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
Ennek a kutatásnak az a célja, hogy javítsa annak eldöntését, hogy a lágyszövetekben, például zsírban vagy izomban kialakuló csomó a lágyszöveti szarkómának nevezett rákfajta, vagy mesterséges intelligencia (AI) segítségével jóindulatú-e.
A lágyszöveti szarkómák a rák egy fajtája, amely a test bármely részén megjelenhet, ahol lágyszövetek, például izom vagy zsír található. Míg a szarkómák ritkák, a lágyszövetekben gyakoriak a jóindulatú csomók, és jelenleg nagyon nehéz különbséget tenni a kettő között a képalkotó segítségével. Ez azt jelenti, hogy sok jóindulatú beteget fájdalmas biopsziára utalnak be, és a biopsziák várólistái hosszúak a nagy diagnosztikai munkaterhelés miatt.
A kutatás célja egy olyan mesterséges intelligencia-algoritmus kifejlesztése, amely különbséget tud tenni jóindulatú és rosszindulatú lágyrésztömegek között. Míg a meglévő rutinadatok felhasználásával ki lehet fejleszteni egy algoritmust, a kutatók azt szeretnék megvizsgálni, hogy kvantitatív MR-képek hozzáadása pontosabbá tehetné-e az algoritmust.
Azokat a betegeket, akiknél már szarkóma szkennelést végeznek, megkérdezik, hogy hozzájárulnak-e további MR-képek készítéséhez. Ezeket a képeket arra használjuk, hogy további információkat nyújtsanak az AI számára. Az extra képek legfeljebb 10 percet hosszabbítanak meg a betegek standard MRI-vizsgálatához, vagyis a betegeknek nem kell külön utazást tenniük vagy semmilyen extra eljáráson átmenniük. A vizsgálatban résztvevőknek nem kell MR-kontrasztot kapniuk a kutatás részeként. Az extra képeket a kutatás során nem használjuk fel a diagnózis felállítására. A betegek egy kis csoportját megkérdezik, hogy hajlandóak lennének-e egy második vizsgálatra, hogy a kutatók lássák, mennyire megbízhatóak a mérések, de ez teljesen opcionális.
Tanulmány típusa
Beiratkozás (Tényleges)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
Leeds, Egyesült Királyság
- Leeds Teaching Hospitals
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- Lágyszövettömegű betegek, akikről a szarkóma multidiszciplináris találkozóján kerül sor
- Az ellátásuk részeként MRI-n vesznek részt
- A résztvevő hajlandó és képes tájékozott hozzájárulást adni a vizsgálatban való részvételhez.
Kizárási kritériumok:
- A betegnél a tömeget vagy annak egy részét már műtéti úton eltávolították az MRI-vizsgálat előtt
- Az MRI ellenjavallata (pl. ellenjavallt implantátumok jelenléte pl. szívritmus-szabályozók, klausztrofóbia).
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
Eredeti kohorsz
Ebben a kohorszban maximum 10 perces kvantitatív MRI-szekvenciát adnak hozzá a klinikai standard MRI-vizsgálat végéhez.
|
A betegeknek további 10 percig kell maradniuk a szkennerben, amíg további kvantitatív MR képeket készítünk.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Diagnosztikai pontosság – AI algoritmusok pontosságának, érzékenységének és specifitásának ROC elemzése a jóindulatú és rosszindulatú lágyrészléziók megkülönböztetésére
Időkeret: 3 év
|
A mesterséges intelligencia algoritmusait arra tanítják, hogy különbséget tegyenek a jóindulatú és a rosszindulatú lágyrész-elváltozások között.
Ezen algoritmusok pontosságának értékeléséhez az algoritmus érzékenységét és specificitását a páciens biopsziás/sebészeti reszekciójából származó diagnózis alapján számítják ki arany standardként.
|
3 év
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Osztályozási pontosság – A rosszindulatú elváltozások patológiás fokozata szerinti osztályozására szolgáló mesterséges intelligencia-algoritmusok pontosságának, érzékenységének és specifitásának ROC elemzése
Időkeret: 3 év
|
A mesterséges intelligencia algoritmusait arra tanítják, hogy különbséget tegyenek az 1., 2. és 3. fokozatú rosszindulatú lágyrészléziók között.
Ezen algoritmusok pontosságának értékeléséhez az algoritmus érzékenységét és specificitását a páciens biopsziás/sebészeti reszekciójából származó diagnózis alapján számítják ki arany standardként.
|
3 év
|
Együttműködők és nyomozók
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Tényleges)
A tanulmány befejezése (Tényleges)
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
- MP23/150492
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
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. .