L'intelligenza artificiale accelera la curva di apprendimento per padroneggiare l'ecografia con contrasto dei noduli tiroidei (AIA-CEUD-TN)
22 marzo 2026 aggiornato da: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
L'intelligenza artificiale accelera la curva di apprendimento per padroneggiare il reporting dell'imaging tiroideo e il sistema di dati degli ultrasuoni con mezzo di contrasto
L'obiettivo di questo studio osservazionale è quello di conoscere la curva di apprendimento per padroneggiare il sistema di reporting e di dati dell'imaging tiroideo dell'ecografia con mezzo di contrasto con l'assistenza dell'intelligenza artificiale nei pazienti con noduli tiroidei. Le principali domande a cui intende rispondere sono:
- Possiamo sviluppare un software intelligente artificiale per assistere i medici nella diagnosi dei noduli tiroidei utilizzando l'ecografia con mezzo di contrasto?
- L'intelligenza artificiale può ridurre il numero di casi e il tempo necessario ai medici per padroneggiare la diagnosi ecografica con mezzo di contrasto dei noduli tiroidei?
Ai partecipanti verrà chiesto di sottoporsi a esame ecografico con mezzo di contrasto e aspirazione con ago sottile guidata da ultrasuoni dei noduli tiroidei. I ricercatori confronteranno il numero di casi e il tempo per i medici con e senza l'assistenza artificiale intelligente per padroneggiare la diagnosi ecografica con mezzo di contrasto dei noduli tiroidei per vedere se l'intelligenza artificiale riduce il numero di casi e il tempo.
Panoramica dello studio
Stato
Completato
Condizioni
Intervento / Trattamento
Tipo di studio
Interventistico
Iscrizione (Effettivo)
1955
Fase
- Non applicabile
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Guangdong
-
Guangzhou, Guangdong, Cina, 510289
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Popolazione di studio
Popolazione in studio con la stessa indicazione per ecografia con mezzo di contrasto e biopsia per aspirazione con ago sottile:
- Ablazione o intervento chirurgico pianificato;
- Almeno una caratteristica ecografica sospetta, come focolai ipoecogeni/molto ipoecogeni, irregolari/lobulati, più alti che larghi o punti ecogeni.
Descrizione
Criterio di inclusione:
- Pazienti con noduli tiroidei con componente solida ≥5 mm confermati da ecografia convenzionale;
- Pazienti sottoposti a ecografia convenzionale, ecografia con mezzo di contrasto e biopsia per aspirazione con ago sottile;
- Pazienti con risultati patologici finali benigni o maligni.
Criteri di esclusione:
- Pazienti con citopatologia di Bethesda I, III o IV e senza patologia finale benigna o maligna;
- Pazienti con una storia di ablazione o chirurgia tiroidea;
- Pazienti con immagini ecografiche di bassa qualità.
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Diagnostico
- Assegnazione: N / A
- Modello interventistico: Assegnazione di gruppo singolo
- Mascheramento: Nessuno (etichetta aperta)
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Altro: Set di test
I partecipanti con noduli tiroidei sono stati sottoposti a ecografia con mezzo di contrasto e ad agoaspirazione ecoguidata tra gennaio 2021 e dicembre 2022 presso il Sun Yat-sen Memorial Hospital della Sun Yat-sen University, l'Houjie Hospital di Dongguan e l'Affiliated Huadu Hospital della Southern Medical University.
|
Diagnosi dei noduli tiroidei mediante ecografia con mezzo di contrasto assistita dall'intelligenza artificiale.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Prestazione diagnostica
Lasso di tempo: Prima settimana dopo la data di completamento primario.
|
Sensibilità, specificità, valore predittivo positivo, valore predittivo negativo, accuratezza, area sotto la curva
|
Prima settimana dopo la data di completamento primario.
|
|
La necessità della biopsia
Lasso di tempo: Prima settimana dopo la data di completamento principale.
|
Tasso di biopsie non necessarie
|
Prima settimana dopo la data di completamento principale.
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Investigatori
- Investigatore principale: Jingliang Ruan, PhD, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Pubblicazioni e link utili
La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.
Pubblicazioni generali
- Haugen BR, Alexander EK, Bible KC, Doherty GM, Mandel SJ, Nikiforov YE, Pacini F, Randolph GW, Sawka AM, Schlumberger M, Schuff KG, Sherman SI, Sosa JA, Steward DL, Tuttle RM, Wartofsky L. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer. Thyroid. 2016 Jan;26(1):1-133. doi: 10.1089/thy.2015.0020.
- Russ G, Bonnema SJ, Erdogan MF, Durante C, Ngu R, Leenhardt L. European Thyroid Association Guidelines for Ultrasound Malignancy Risk Stratification of Thyroid Nodules in Adults: The EU-TIRADS. Eur Thyroid J. 2017 Sep;6(5):225-237. doi: 10.1159/000478927. Epub 2017 Aug 8.
- Burgos N, Zhao J, Brito JP, Hoang JK, Pitoia F, Maraka S, Castro MR, Lee JH, Singh Ospina N. Clinician Agreement on the Classification of Thyroid Nodules Ultrasound Features: A Survey of 2 Endocrine Societies. J Clin Endocrinol Metab. 2022 Jul 14;107(8):e3288-e3294. doi: 10.1210/clinem/dgac279.
- Tessler FN, Middleton WD, Grant EG, Hoang JK, Berland LL, Teefey SA, Cronan JJ, Beland MD, Desser TS, Frates MC, Hammers LW, Hamper UM, Langer JE, Reading CC, Scoutt LM, Stavros AT. ACR Thyroid Imaging, Reporting and Data System (TI-RADS): White Paper of the ACR TI-RADS Committee. J Am Coll Radiol. 2017 May;14(5):587-595. doi: 10.1016/j.jacr.2017.01.046. Epub 2017 Apr 2.
- Burgos N, Ospina NS, Sipos JA. The Future of Thyroid Nodule Risk Stratification. Endocrinol Metab Clin North Am. 2022 Jun;51(2):305-321. doi: 10.1016/j.ecl.2021.12.002. Epub 2022 May 4.
- Zhou J, Yin L, Wei X, Zhang S, Song Y, Luo B, Li J, Qian L, Cui L, Chen W, Wen C, Peng Y, Chen Q, Lu M, Chen M, Wu R, Zhou W, Xue E, Li Y, Yang L, Mi C, Zhang R, Wu G, Du G, Huang D, Zhan W; Superficial Organ and Vascular Ultrasound Group of the Society of Ultrasound in Medicine of the Chinese Medical Association; Chinese Artificial Intelligence Alliance for Thyroid and Breast Ultrasound. 2020 Chinese guidelines for ultrasound malignancy risk stratification of thyroid nodules: the C-TIRADS. Endocrine. 2020 Nov;70(2):256-279. doi: 10.1007/s12020-020-02441-y. Epub 2020 Aug 21.
- Shin JH, Baek JH, Chung J, Ha EJ, Kim JH, Lee YH, Lim HK, Moon WJ, Na DG, Park JS, Choi YJ, Hahn SY, Jeon SJ, Jung SL, Kim DW, Kim EK, Kwak JY, Lee CY, Lee HJ, Lee JH, Lee JH, Lee KH, Park SW, Sung JY; Korean Society of Thyroid Radiology (KSThR) and Korean Society of Radiology. Ultrasonography Diagnosis and Imaging-Based Management of Thyroid Nodules: Revised Korean Society of Thyroid Radiology Consensus Statement and Recommendations. Korean J Radiol. 2016 May-Jun;17(3):370-95. doi: 10.3348/kjr.2016.17.3.370. Epub 2016 Apr 14.
- Kwak JY, Han KH, Yoon JH, Moon HJ, Son EJ, Park SH, Jung HK, Choi JS, Kim BM, Kim EK. Thyroid imaging reporting and data system for US features of nodules: a step in establishing better stratification of cancer risk. Radiology. 2011 Sep;260(3):892-9. doi: 10.1148/radiol.11110206. Epub 2011 Jul 19.
- Sidhu PS, Cantisani V, Dietrich CF, Gilja OH, Saftoiu A, Bartels E, Bertolotto M, Calliada F, Clevert DA, Cosgrove D, Deganello A, D'Onofrio M, Drudi FM, Freeman S, Harvey C, Jenssen C, Jung EM, Klauser AS, Lassau N, Meloni MF, Leen E, Nicolau C, Nolsoe C, Piscaglia F, Prada F, Prosch H, Radzina M, Savelli L, Weskott HP, Wijkstra H. The EFSUMB Guidelines and Recommendations for the Clinical Practice of Contrast-Enhanced Ultrasound (CEUS) in Non-Hepatic Applications: Update 2017 (Long Version). Ultraschall Med. 2018 Apr;39(2):e2-e44. doi: 10.1055/a-0586-1107. Epub 2018 Mar 6.
- Zhang Y, Zhou P, Tian SM, Zhao YF, Li JL, Li L. Usefulness of combined use of contrast-enhanced ultrasound and TI-RADS classification for the differentiation of benign from malignant lesions of thyroid nodules. Eur Radiol. 2017 Apr;27(4):1527-1536. doi: 10.1007/s00330-016-4508-y. Epub 2016 Aug 15.
- Tang C, Fang K, Guo Y, Li R, Fan X, Chen P, Chen Z, Liu Q, Zou Y. Safety of Sulfur Hexafluoride Microbubbles in Sonography of Abdominal and Superficial Organs: Retrospective Analysis of 30,222 Cases. J Ultrasound Med. 2017 Mar;36(3):531-538. doi: 10.7863/ultra.15.11075. Epub 2017 Jan 10.
- Seifert P, Gorges R, Zimny M, Kreissl MC, Schenke S. Interobserver agreement and efficacy of consensus reading in Kwak-, EU-, and ACR-thyroid imaging recording and data systems and ATA guidelines for the ultrasound risk stratification of thyroid nodules. Endocrine. 2020 Jan;67(1):143-154. doi: 10.1007/s12020-019-02134-1. Epub 2019 Nov 18.
- Wildman-Tobriner B, Buda M, Hoang JK, Middleton WD, Thayer D, Short RG, Tessler FN, Mazurowski MA. Using Artificial Intelligence to Revise ACR TI-RADS Risk Stratification of Thyroid Nodules: Diagnostic Accuracy and Utility. Radiology. 2019 Jul;292(1):112-119. doi: 10.1148/radiol.2019182128. Epub 2019 May 21.
- Zhang B, Tian J, Pei S, Chen Y, He X, Dong Y, Zhang L, Mo X, Huang W, Cong S, Zhang S. Machine Learning-Assisted System for Thyroid Nodule Diagnosis. Thyroid. 2019 Jun;29(6):858-867. doi: 10.1089/thy.2018.0380. Epub 2019 Apr 27.
- Jin Z, Pei S, Ouyang L, Zhang L, Mo X, Chen Q, You J, Chen L, Zhang B, Zhang S. Thy-Wise: An interpretable machine learning model for the evaluation of thyroid nodules. Int J Cancer. 2022 Dec 15;151(12):2229-2243. doi: 10.1002/ijc.34248. Epub 2022 Sep 12.
- Chen Y, Gao Z, He Y, Mai W, Li J, Zhou M, Li S, Yi W, Wu S, Bai T, Zhang N, Zeng W, Lu Y, Liu H. An Artificial Intelligence Model Based on ACR TI-RADS Characteristics for US Diagnosis of Thyroid Nodules. Radiology. 2022 Jun;303(3):613-619. doi: 10.1148/radiol.211455. Epub 2022 Mar 22.
- Zhao CK, Ren TT, Yin YF, Shi H, Wang HX, Zhou BY, Wang XR, Li X, Zhang YF, Liu C, Xu HX. A Comparative Analysis of Two Machine Learning-Based Diagnostic Patterns with Thyroid Imaging Reporting and Data System for Thyroid Nodules: Diagnostic Performance and Unnecessary Biopsy Rate. Thyroid. 2021 Mar;31(3):470-481. doi: 10.1089/thy.2020.0305. Epub 2020 Sep 9.
- Zhao J, Zhou X, Shi G, Xiao N, Song K, Zhao J, Hao R, Li K. Semantic consistency generative adversarial network for cross-modality domain adaptation in ultrasound thyroid nodule classification. Appl Intell (Dordr). 2022;52(9):10369-10383. doi: 10.1007/s10489-021-03025-7. Epub 2022 Jan 13.
- Peng S, Liu Y, Lv W, Liu L, Zhou Q, Yang H, Ren J, Liu G, Wang X, Zhang X, Du Q, Nie F, Huang G, Guo Y, Li J, Liang J, Hu H, Xiao H, Liu Z, Lai F, Zheng Q, Wang H, Li Y, Alexander EK, Wang W, Xiao H. Deep learning-based artificial intelligence model to assist thyroid nodule diagnosis and management: a multicentre diagnostic study. Lancet Digit Health. 2021 Apr;3(4):e250-e259. doi: 10.1016/S2589-7500(21)00041-8.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
3 giugno 2023
Completamento primario (Effettivo)
2 marzo 2026
Completamento dello studio (Effettivo)
16 marzo 2026
Date di iscrizione allo studio
Primo inviato
24 luglio 2023
Primo inviato che soddisfa i criteri di controllo qualità
8 agosto 2023
Primo Inserito (Effettivo)
9 agosto 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
25 marzo 2026
Ultimo aggiornamento inviato che soddisfa i criteri QC
22 marzo 2026
Ultimo verificato
1 marzo 2026
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
- Malattie del sistema endocrino
- Processi patologici
- Neoplasie per sede
- Neoplasie
- Neoplasie tiroidee
- Neoplasie delle ghiandole endocrine
- Neoplasie della testa e del collo
- Malattie della tiroide
- Condizioni patologiche, segni e sintomi
- Nodulo tiroideo
- Patologia
- Algoritmi
- Concetti matematici
- Intelligenza artificiale
Altri numeri di identificazione dello studio
- SYSKY-2023-702-01
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
SÌ
Descrizione del piano IPD
I dati generati o analizzati durante lo studio sono disponibili dal ricercatore principale su richiesta.
Periodo di condivisione IPD
La prima settimana dopo la pubblicazione degli articoli di ricerca.
Criteri di accesso alla condivisione IPD
I dati generati o analizzati durante lo studio sono disponibili dal ricercatore principale su richiesta.
Tipo di informazioni di supporto alla condivisione IPD
- STUDIO_PROTOCOLLO
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
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 .