- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT03706534
Immagine dell'ecografia mammaria esaminata con l'assistenza di algoritmi di deep learning
Immagine dell'ecografia mammaria rivista con l'assistenza del deep learning
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
Utilizzando immagini ecografiche acquisite in modo prospettico, lo scopo di questo studio comporta una seconda revisione delle immagini ecografiche con lesioni mammarie sospette utilizzando un programma interattivo di "apprendimento profondo" (o intelligenza artificiale) sviluppato da SamsungMedison Co.,Ltd.
Le immagini saranno esaminate dai radiologi due volte: prima senza, e poi con l'assistenza del programma di intelligenza artificiale di SamsungMedison Co., Ltd.
In questo studio verrà utilizzato il sistema BIRADS.
Gli obiettivi dello studio sono duplici: quantificare l'equivalenza statistica dell'opinione dei radiologi e dell'output dell'IA (CADe) e verificare l'accuratezza diagnostica basata sul punteggio BIRADS (CADx) ottenuta dall'uso di questo strumento interattivo da parte dei radiologi
Tipo di studio
Iscrizione (Effettivo)
Fase
- Non applicabile
Contatti e Sedi
Luoghi di studio
-
-
New York
-
Rochester, New York, Stati Uniti, 14642
- University of Rochester
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Sessi ammissibili allo studio
Descrizione
Criterio di inclusione:
- Donne o uomini adulti raccomandati per la biopsia della lesione mammaria ecoguidata o per il follow-up ecografico con almeno una lesione sospetta
- Età > 18 anni
- In grado di fornire il consenso informato
Criteri di esclusione:
- Incapace di leggere e capire l'inglese
- Incapace o non disposto a fornire il consenso informato
- Paziente con diagnosi attuale o pregressa di carcinoma mammario nello stesso quadrante
- Incapace o non disposto a sottoporsi a procedure di studio
Caratteristiche del soggetto
- Numero di soggetti: possono essere acquisiti 300 soggetti da 300 lesioni mammarie separate. Se un soggetto presenta più di 1 lesione sospetta, ciascuna può essere scelta dal radiologo presente come idonea per la "seconda revisione".
- Sesso ed età dei soggetti: femmine adulte o maschi di età pari o superiore a 18 anni che soddisfano tutti i criteri di inclusione e nessuno dei criteri di esclusione sarà preso in considerazione per l'iscrizione. I minori sono esclusi in quanto il cancro al seno è molto raro in questa fascia di età.
- Origine razziale ed etnica: non ci sono esclusioni di iscrizione basate su stato economico, razza o etnia. Sulla base dei dati del censimento locale e degli Stati Uniti, la distribuzione etnica prevista sarà di circa 26 ispanici (ca. 16%) e 134 persone non ispaniche. Inoltre, la distribuzione razziale prevista dovrebbe essere di circa 126 bianchi (ca. 79% dell'intero studio), 21 neri o afroamericani (13%), 8 asiatici (5%) e 5 di altre categorie (3%).
- Soggetti vulnerabili: è improbabile che studenti o dipendenti di UR vengano iscritti a meno che il loro medico di base non li indirizzi a UR Medicine Breast Imaging a Red Creek per l'ecografia al seno e non venga trovata una lesione sospetta. Non ci aspettiamo che nessuno di questi rinvii provenga dal personale che lavora direttamente con i PI.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Fattibilità del dispositivo
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione incrociata
- Mascheramento: Separare
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
---|---|
Comparatore attivo: Revisione manuale
Le immagini saranno riviste dai radiologi utilizzando lo schema BIRADS senza alcuna assistenza di assistenza artificiale.
Questa revisione verrà effettuata off-line utilizzando un programma separato in modalità interamente manuale.
Durante questa revisione, verranno memorizzate le scelte del descrittore BIRADS di ciascun radiologo e il tempo necessario al radiologo per prendere tale decisione.
I radiologi prendono anche decisioni di valutazione senza alcun intervento da parte dell'intelligenza artificiale.
10 radiologi esaminano manualmente.
|
Questo software è un'applicazione software di rilevamento assistito da computer (CADe), progettata per assistere il radiologo nell'analisi delle immagini ecografiche del seno.
S-Detect segmenta e classifica automaticamente la forma, l'orientamento, il margine, il contorno della lesione, il pattern dell'eco e le caratteristiche delle caratteristiche posteriori della regione di interesse selezionata dall'utente.
Il dispositivo utilizza metodi di deep learning per eseguire la segmentazione dei tessuti e la classificazione delle immagini.
Altri nomi:
Questo software è anche un'applicazione software di diagnostica assistita da computer (CADx), progettata per assistere un medico nel determinare la diagnosi presentando se una lesione è maligna in un'immagine ecografica del seno ottenuta da un dispositivo di imaging ecografico.
Altri nomi:
Le immagini saranno riviste dai radiologi utilizzando lo schema BIRADS senza alcuna assistenza di assistenza artificiale.
Questa revisione verrà effettuata off-line utilizzando un programma separato in modalità interamente manuale.
Durante questa revisione, verranno memorizzate le scelte del descrittore BIRADS di ciascun radiologo e il tempo necessario al radiologo per prendere tale decisione.
Altri nomi:
Le lesioni sospette rilevate all'ecografia mammaria vengono quindi seguite da biopsia ecoguidata o ecografia ogni 6 mesi per due anni.
Per coloro che si sottopongono a biopsia, l'ecografia fornisce immagini che vengono utilizzate per localizzare la lesione e guidare il posizionamento dell'ago per biopsia.
Il campione viene inviato alla patologia per la diagnosi, mentre le immagini della guida ecografica vengono memorizzate.
Per coloro che hanno un follow-up di imaging, le immagini ecografiche della massa mammaria vengono ottenute, archiviate digitalmente e interpretate dal radiologo utilizzando tipicamente lo schema BIRADS.
|
Sperimentale: Recensione di S-Detect per Breast
Le stesse immagini verranno elaborate separatamente dal sistema di intelligenza artificiale (S-Detect for Breast) di Samsung.
I due risultati, uno dei radiologi e l'altro del sistema di intelligenza artificiale, saranno confrontati per quantificare statisticamente l'equivalenza (CADe).
|
Questo software è un'applicazione software di rilevamento assistito da computer (CADe), progettata per assistere il radiologo nell'analisi delle immagini ecografiche del seno.
S-Detect segmenta e classifica automaticamente la forma, l'orientamento, il margine, il contorno della lesione, il pattern dell'eco e le caratteristiche delle caratteristiche posteriori della regione di interesse selezionata dall'utente.
Il dispositivo utilizza metodi di deep learning per eseguire la segmentazione dei tessuti e la classificazione delle immagini.
Altri nomi:
Le immagini saranno riviste dai radiologi utilizzando lo schema BIRADS senza alcuna assistenza di assistenza artificiale.
Questa revisione verrà effettuata off-line utilizzando un programma separato in modalità interamente manuale.
Durante questa revisione, verranno memorizzate le scelte del descrittore BIRADS di ciascun radiologo e il tempo necessario al radiologo per prendere tale decisione.
Altri nomi:
|
Sperimentale: Revisione con l'assistenza di S-Detect per il seno
In secondo luogo, le immagini saranno riviste dai radiologi con l'aiuto del sistema di intelligenza artificiale, che è uno strumento interattivo che fornisce automaticamente raccomandazioni sulle scelte del descrittore BIRADS che possono essere modificate dai radiologi.
I radiologi, dopo aver selezionato tutti i descrittori di BIRADS, decideranno le categorie di valutazione.
Queste decisioni saranno confrontate con le verità di base generate dai risultati della biopsia o da un follow-up di 24 mesi (CADx).
|
Questo software è anche un'applicazione software di diagnostica assistita da computer (CADx), progettata per assistere un medico nel determinare la diagnosi presentando se una lesione è maligna in un'immagine ecografica del seno ottenuta da un dispositivo di imaging ecografico.
Altri nomi:
Le immagini saranno riviste dai radiologi utilizzando lo schema BIRADS senza alcuna assistenza di assistenza artificiale.
Questa revisione verrà effettuata off-line utilizzando un programma separato in modalità interamente manuale.
Durante questa revisione, verranno memorizzate le scelte del descrittore BIRADS di ciascun radiologo e il tempo necessario al radiologo per prendere tale decisione.
Altri nomi:
Le lesioni sospette rilevate all'ecografia mammaria vengono quindi seguite da biopsia ecoguidata o ecografia ogni 6 mesi per due anni.
Per coloro che si sottopongono a biopsia, l'ecografia fornisce immagini che vengono utilizzate per localizzare la lesione e guidare il posizionamento dell'ago per biopsia.
Il campione viene inviato alla patologia per la diagnosi, mentre le immagini della guida ecografica vengono memorizzate.
Per coloro che hanno un follow-up di imaging, le immagini ecografiche della massa mammaria vengono ottenute, archiviate digitalmente e interpretate dal radiologo utilizzando tipicamente lo schema BIRADS.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Tasso di concordanza
Lasso di tempo: 2 giorni
|
I descrittori di reportistica per imaging del seno e del sistema di dati suggeriti da S-Detect per il seno sono in buon accordo con quelli selezionati dagli esperti. In altre parole, i valori di Breast Imaging Reporting and Data System Lexicon generati da S-Detect for Breast non sono statisticamente diversi dal consenso degli esperti. Punteggio della categoria di valutazione del sistema di dati e refertazione dell'imaging mammario: l'utente prende la decisione finale sul punteggio della categoria di valutazione. Utilizzando questo punteggio, S-Detect visualizza la descrizione della valutazione. Categoria 0: Incompleto - Necessita di ulteriore valutazione di imaging Categoria 1: Negativo Categoria 2: Benigno Categoria 3: Probabilmente benigno Categoria 4a: Basso sospetto di malignità Categoria 4b: Moderato sospetto di malignità Categoria 4c: Alto sospetto di malignità Categoria 5: Altamente suggestivo di malignità Categoria 6: Malignità nota comprovata da biopsia |
2 giorni
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Tempo di segnalazione
Lasso di tempo: 2 giorni
|
Misurare il tempo di refertazione del valore del lessico del sistema di segnalazione e dati dell'imaging della mammella nell'imaging della mammella da parte di radiologi senza S-Detect for Breast e misurare anche il tempo di refertazione da parte di radiologi con S-Detect for Breast.
|
2 giorni
|
Consenso
Lasso di tempo: 2 giorni
|
Valutare il consenso tra la lettura manuale dell'imaging del seno senza assistenza e i risultati del rilevamento automatico (reporting dell'imaging del seno e lessici del sistema di dati).
La media del consenso viene valutata sia nel gruppo di esperti che nel gruppo di non esperti.
|
2 giorni
|
Precisione
Lasso di tempo: 7 giorni
|
Confrontando i risultati della biopsia mammaria, verrà valutata l'accuratezza dei risultati dell'imaging mammario da parte dei radiologi con CADx.
|
7 giorni
|
Sensibilità
Lasso di tempo: 7 giorni
|
Confrontando i risultati della biopsia mammaria, verrà valutata la sensibilità dei risultati dell'imaging mammario da parte dei radiologi con CADx.
|
7 giorni
|
Specificità
Lasso di tempo: 7 giorni
|
Confrontando i risultati della biopsia mammaria, verrà valutata la specificità dei risultati dell'imaging mammario da parte dei radiologi con CADx.
|
7 giorni
|
Area sotto curva
Lasso di tempo: 7 giorni
|
Confrontando i risultati della biopsia mammaria, verranno valutati i risultati dell'area sotto curva (analisi ROC) dei risultati dell'imaging mammario da parte di radiologi con CADx.
|
7 giorni
|
Collaboratori e investigatori
Sponsor
Collaboratori
Investigatori
- Investigatore principale: Avice O'Connell, Department of Imaging Sciences, University of Rochester
- Investigatore principale: Kevin Parker, Department of Electrical & Computer Engineering, University of Rochester
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Anticipato)
Completamento dello studio (Anticipato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 300.08-2018-Samsungmedison-S
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
prodotto fabbricato ed esportato dagli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Cancro al seno
-
Emory UniversityNational Cancer Institute (NCI)RitiratoCancro al seno in stadio IV prognostico AJCC v8 | Neoplasia maligna metastatica nel cervello | Carcinoma mammario metastatico | Anatomic Stage IV Breast Cancer American Joint Committee on Cancer (AJCC) v8
-
NRG OncologyNational Cancer Institute (NCI)Attivo, non reclutanteCancro al seno in stadio anatomico IV AJCC v8 | Cancro al seno in stadio IV prognostico AJCC v8 | Neoplasia maligna metastatica nell'osso | Neoplasia maligna metastatica nei linfonodi | Neoplasia maligna metastatica nel fegato | Carcinoma mammario metastatico | Neoplasia maligna metastatica nel... e altre condizioniStati Uniti, Canada, Arabia Saudita, Corea, Repubblica di
-
Tianjin Medical University Cancer Institute and...Guangxi Medical University; Sun Yat-sen University; Chinese PLA General Hospital; The First Affiliated Hospital of Zhengzhou University e altri collaboratoriCompletatoLa guida all'applicazione clinica di Conebeam Breast CTCina
-
M.D. Anderson Cancer CenterNational Cancer Institute (NCI)CompletatoAdenocarcinoma dell'intestino tenue | Adenocarcinoma dell'intestino tenue in stadio III AJCC v8 | Adenocarcinoma dell'intestino tenue in stadio IIIA AJCC v8 | Adenocarcinoma dell'intestino tenue in stadio IIIB AJCC v8 | Adenocarcinoma dell'intestino tenue stadio IV AJCC v8 | Ampolla di Vater... e altre condizioniStati Uniti
-
Georgetown UniversityNational Cancer Institute (NCI); American Cancer Society, Inc.; Susan G. Komen...CompletatoStudio delle donne cinesi che non hanno aderito alle linee guida per lo screening mammografico dell'American Cancer SocietyStati Uniti
-
National Cancer Institute (NCI)ReclutamentoKita-kyushu Lung Cancer Antigen 1, umanoStati Uniti
-
Novartis PharmaceuticalsReclutamentoEGFR mutante avanzato Non SmallSellLung Cancer (NSCLC), KRAS G12-mutant NSCLC, Esophageal SquamousCell Cancer (SCC), Head/Neck SCC, MelanomaOlanda, Corea, Repubblica di, Spagna, Taiwan, Giappone, Italia, Canada, Stati Uniti, Singapore
-
Jonsson Comprehensive Cancer CenterNon ancora reclutamentoCarcinoma della prostata | Stadio IVB Cancro alla prostata American Joint Committee on Cancer (AJCC) v8Stati Uniti
-
Rashmi Verma, MDNational Cancer Institute (NCI)ReclutamentoCarcinoma prostatico resistente alla castrazione | Adenocarcinoma prostatico metastatico | Stadio IVB Cancro alla prostata American Joint Committee on Cancer (AJCC) v8Stati Uniti
-
Assiut UniversityNon ancora reclutamentoDeterminare l’incidenza cumulativa di AKI utilizzando i criteri KDIGO in pazienti pediatrici con tumori maligni presso il South Egypt Cancer Institute (SECI)