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

Önálló megfigyelési tanulmány, amely egy AI/ML Tech-alapú SaMD teljesítményét értékeli mellkasi LDCT képeken (VALÓSÁG) (REALITY)

2024. augusztus 26. frissítette: Median Technologies

Multinacionális, többközpontú, retrospektív tanulmány egy AI/ML technológián alapuló, végpontokig terjedő CADe/CADx SaMD értékelésére, amely lehetővé teszi a tüdőcsomók kimutatását, lokalizálását és jellemzését (REALITY)

Ez egy többnemzetiségű, többközpontú, retrospektív tanulmány a mesterséges intelligencia/gépi tanulás (AI/ML) technológián alapuló, végpontokig számítógépes észlelés/számítógéppel segített diagnosztika (CADe/CADx) önálló hatékonyságának és biztonságosságának értékelésére. Szoftver orvosi eszközként (SaMD), amelyet a tüdőrákszűrési (LCS) program részeként készült alacsony dózisú komputertomográfia (LDCT) felvételeken a rosszindulatú és gyanús tüdőrák csomók kimutatására, lokalizálására és jellemzésére fejlesztettek ki.

A tüdőrákszűrésen átesett betegek LDCT Digital Imaging and Communications in Medicine (DICOM) képeit választották ki és vonták be a vizsgálatba. A kiválasztott szkenneléseket ezután a CADe/CADx SaMD elemzi, és összehasonlítja a radiológus által generált referenciastandardokkal, beleértve az elváltozások lokalizációját és a léziórák diagnózisát.

Az algoritmus teljesítményének általánosíthatósága érdekében kiszámítják a betegszintű és a léziószintű észlelési és diagnosztikai hatékonysági értékeket, valamint az alosztály elemzését.

A tanulmány áttekintése

Állapot

Befejezve

Körülmények

Beavatkozás / kezelés

Tanulmány típusa

Megfigyelő

Beiratkozás (Tényleges)

1147

Kapcsolatok és helyek

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

Tanulmányi helyek

    • Pennsylvania
      • Philadelphia, Pennsylvania, Egyesült Államok, 19104
        • University of Pennsylvania - Penn Center for Innovation
    • Tennessee
      • Memphis, Tennessee, Egyesült Államok, 38120
        • Baptist Clinical Research Institute
    • Texas
      • Houston, Texas, Egyesült Államok, 77030
        • The University of Texas M.D. Anderson Cancer Center
      • Madrid, Spanyolország, 28040
        • Fundacion instituto de investigacion sanitaria de la fundacion jimenez diaz (FJD)
      • Pamplona, Spanyolország, 31009
        • Universidad de Navarra

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

  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Igen

Mintavételi módszer

Valószínűségi minta

Tanulmányi populáció

Nagy kockázatú tüdőrák populáció a radiológiai vagy pneumológiai kórházi osztályokon.

Az ebbe a vizsgálatba bevont betegeket visszamenőlegesen az EU-ban és az USA-ban található központokból gyűjtötték össze, ahol a tüdőrák szűrésére vonatkozó általános irányelvek szerint magas kockázat miatt tüdőrákszűrésre vették őket.

Az eszköz hatékonyságának és biztonságosságának tesztelésére használt kohorsz egy "dúsított kohorsz" lesz, a rákos és jóindulatú betegek 1:2 arányú eloszlásával.

Leírás

Bevételi kritériumok:

  • ≥50-80 éves korig;
  • Jelenlegi vagy volt dohányos (>=20 csomagév);
  • A tüdőrák-szűrési irányelvek alapján szűrt és megfigyelt beteg tüdőrákszűrése (amely megfelel az Egyesült Államok Megelőző Szolgáltatások Munkacsoportjának (USPSTF) 2021. évi kritériumainak);
  • LDCT-t kapott a tüdőrák magas kockázati kategóriájába való felvétel miatt.

Kizárási kritériumok:

  • Korábbi tüdőreszekció;
  • Pacemaker vagy egyéb fémes orvosi eszközök a mellkasban, amelyek zavarják a CT felvételét;
  • Az AI-modell fejlesztése során használt betegek/képek;
  • Csak hilar- és/vagy mediastinumrákban szenvedő betegek;
  • Csak csiszolt üvegrákban szenvedő betegek;
  • 30 mm-nél nagyobb szilárd vagy részben szilárd csomókkal rendelkező betegek (tömegek);
  • a szükséges klinikai információkkal nem rendelkező betegek;
  • Betegek, akiknél a képalkotás a következők bármelyikével rendelkezik: hiányzó szeletek, szeletvastagság >3 mm;
  • A tüdő részleges fedele.

Tanulási terv

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

Hogyan készül a tanulmány?

Tervezési részletek

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
AUROC (ROC görbe alatti terület) páciens szinten
Időkeret: 12 hónap

Az AUROC, amely a betegek szintjén méri a medián LCS-teljesítményt, szigorúan jobb, mint 0,8.

Elsődleges végpont támogatása: A betegszintű AUROC-ból származik a termék fix működési pontján: Érzékenység, Specificitás, PPV, NPV.

12 hónap

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Érzékenység > 70%, ha Specificitás=70%
Időkeret: 12 hónap
12 hónap
Specificitás > 70%, ha érzékenység=70%
Időkeret: 12 hónap
12 hónap
Az LROC AUC > 0,75
Időkeret: 12 hónap
A vevő működési jellemzői (ROC) értékelési paradigmával ellentétben a lokalizációs ROC (LROC) elemzés lehetőséget biztosít a lokalizáció és az észlelés pontosságának közös értékelésére egy megfigyelési vizsgálat során.
12 hónap
Érzékelési érzékenység >0,8, átlagos FP-sebesség szkennelésenként <1
Időkeret: 12 hónap
12 hónap
ICC>0,8 átlagos átmérő esetén
Időkeret: 12 hónap
Az osztályon belüli korrelációs együttható (ICC) egy leíró statisztika, amely akkor használható, ha kvantitatív méréseket végeznek csoportokba rendezett egységeken. Leírja, hogy ugyanabban a csoportban milyen erősen hasonlítanak egymásra az egységek.
12 hónap
ICC>0,8 a hosszú tengely átmérőjéhez
Időkeret: 12 hónap
12 hónap
ICC>0,8 rövid tengely átmérő esetén
Időkeret: 12 hónap
12 hónap
ICC>0,75 a kötethez
Időkeret: 12 hónap
12 hónap
DICE Együttható >0,7
Időkeret: 12 hónap
12 hónap

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Kutatásvezető: Anil Vachani, MD, University of Pennsylvania

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)

2022. szeptember 21.

Elsődleges befejezés (Tényleges)

2024. július 24.

A tanulmány befejezése (Tényleges)

2024. augusztus 21.

Tanulmányi regisztráció dátumai

Először benyújtva

2024. augusztus 23.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2024. augusztus 26.

Első közzététel (Tényleges)

2024. augusztus 28.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2024. augusztus 28.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. augusztus 26.

Utolsó ellenőrzés

2024. augusztus 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • MT-LCS-002

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Igen

az Egyesült Államokban gyártott és onnan exportált termék

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