このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

AI-Augmented Diagnostic Assessment With ENLIGHT Versus Independent Pathologist Review (ENLIGHT)

2026年7月28日 更新者：Kun-Hsing Yu、Harvard Medical School (HMS and HSDM)

This study will evaluate whether artificial intelligence (AI) can enhance clinicians' accuracy, efficiency, and confidence in distinguishing lung adenocarcinoma (LUAD) from lung squamous cell carcinoma (LUSC) and kidney renal papillary cell carcinoma (KIRP) from kidney renal clear cell carcinoma (KIRC) using digitized pathology slides. These subtype classifications are routinely performed by pathologists but can be challenging and time-consuming, particularly in difficult cases.

During the study, participating clinicians will review lung and kidney pathology slides under three different conditions:

  • Unaided Review: Diagnosis without AI assistance.
  • AI as Double-Check: The clinician first makes an independent diagnosis, after which the AI-generated diagnosis (prediction only or prediction with explanation) is revealed for review.
  • AI as First-Look: The AI-generated diagnosis (prediction only or prediction with explanation) is presented before the clinician begins the review.

Clinicians will be randomly assigned to different review sequences to minimize potential order effects. This study design will enable us to assess the impact of AI assistance on diagnostic accuracy, interpretation time, and clinician confidence.

調査の概要

状態

状態

現在の募集状況やアクセス拡大状況を示します。
招待による登録

条件

条件

研究されている疾患、障害、症候群、病気、またはけが。 ClinicalTrials.gov では、条件には、寿命、生活の質、健康上のリスクなど、他の健康関連の問題も含まれる場合があります。

介入・治療

介入・治療

臨床研究の焦点となるプロセスまたはアクション。介入には、医薬品、医療機器、処置、ワクチン、および治験中またはすでに利用可能なその他の製品が含まれます。介入には、教育や食事や運動の変更などの非侵襲的アプローチも含まれます。

詳細な説明

This study aims to evaluate the effect of artificial intelligence (AI) assistance on clinicians' diagnostic performance in distinguishing lung adenocarcinoma (LUAD) from lung squamous cell carcinoma (LUSC) and kidney renal papillary cell carcinoma (KIRP) from kidney renal clear cell carcinoma (KIRC) using digitized hematoxylin and eosin (H&E)-stained whole-slide images (WSIs). ENLIGHT (Explainable Neoplasm Learning In Grounded Histology Terms) will serve as the AI system under evaluation. This is a single-session, within-reader, between-case study in which each reader evaluates distinct sets of cases under all study conditions.

The study includes three diagnostic blocks: Block X, in which WSIs are reviewed without AI assistance; Block Y1, in which clinicians make an initial diagnosis before viewing the AI output as a double-check; and Block Y2, in which the AI output is displayed before clinicians begin their review as a first-look aid. Within each AI-assisted block, the prediction-only and prediction-with-explanation sub-blocks are presented in randomized order.

Each participating pathologist will review up to 400 de-identified WSIs (up to 200 lung cancer and up to 200 kidney cancer cases). Readers will be randomly assigned to one of four study arms that differ only in the order in which Blocks X, Y1, and Y2 are completed. For each reader, distinct WSIs will be randomly assigned to the diagnostic conditions so that no WSI is reviewed more than once by the same reader.

  • Arm 1 (X -> Y1 -> Y2): Clinicians first complete Block X (Unaided Review), followed by Block Y1 (AI as Double-Check) and then Block Y2 (AI as First-Look).
  • Arm 2 (X -> Y2 -> Y1): Clinicians first complete Block X (Unaided Review), followed by Block Y2 (AI as First-Look) and then Block Y1 (AI as Double-Check).
  • Arm 3 (Y1 -> Y2 -> X): Clinicians first complete Block Y1 (AI as Double-Check), followed by Block Y2 (AI as First-Look), and then Block X (Unaided Review).
  • Arm 4 (Y2 -> Y1 -> X): Clinicians first complete Block Y2 (AI as First-Look), followed by Block Y1 (AI as Double-Check), and then Block X (Unaided Review).

For each case, diagnostic accuracy, time to diagnosis, and diagnostic confidence will be recorded. No reader will review the same WSI under more than one condition, thereby eliminating within-reader recall bias. In parallel, the ENLIGHT model will independently generate diagnostic predictions for all WSIs to enable direct benchmarking of AI performance against pathologists and to evaluate the impact of different AI-assisted workflows on diagnostic performance.

研究の種類

研究の種類

臨床研究の性質について説明します。研究の種類には、介入研究 (臨床試験とも呼ばれます)、観察研究 (患者登録を含む)、および拡張アクセスが含まれます。
介入

入学 (推定)

入学

臨床試験の参加者数。 「予想される」登録は、研究者が研究に必要とする参加者の目標数です。
25

段階

段階

米国食品医薬品局 (FDA) によって開発された定義に基づく、医薬品または生物学的製品を研究する臨床試験の段階。フェーズは、研究の目的、参加者の数、およびその他の特性に基づいています。初期フェーズ 1 (以前はフェーズ 0 としてリストされていた)、フェーズ 1、フェーズ 2、フェーズ 3、およびフェーズ 4 の 5 つのフェーズがあります。該当なしは、デバイスまたは行動介入の治験を含む、FDA が定義したフェーズのない治験を説明するために使用されます。
  • 適用できない

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究場所

  • アメリカ
    • Massachusetts
      • Boston、Massachusetts、アメリカ、02115
        • Harvard Medical School,

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

適格基準

臨床研究への参加を希望する人々が満たさなければならない重要な要件、または彼らが持つべき特徴。適格基準は、包含基準 (人が研究に参加するために必要な基準) と除外基準 (人が研究に参加するのを妨げる基準) の両方で構成されます。適格基準のタイプには、研究が健康なボランティアを受け入れるかどうか、年齢または年齢グループの要件があるかどうか、または性別によって制限されるかどうかが含まれます。

就学可能な年齢

  • 子
  • 大人
  • 高齢者

健康ボランティアの受け入れ

いいえ

説明

Inclusion Criteria for Pathology Slides (i.e., Cases):

  • Hematoxylin and eosin (H&E)-stained pathology slides
  • Final diagnosis confirmed through molecular testing in conjunction with expert pathology evaluation

Exclusion Criteria for Pathology Slides (i.e., Cases):

  • Poor-quality or unreadable slides
  • Cases used in AI training

Inclusion Criteria for Readers (i.e., Participants):

  • Board-certified or board-eligible pathologists
  • Willingness to complete both unaided and AI-assisted review sessions

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか？

デザインの詳細

  • 主な目的：診断
  • 割り当て：ランダム化
  • 介入モデル：クロスオーバー割り当て
  • マスキング：4倍

武器と介入

参加者グループ / アーム

参加者グループ / アーム

臨床試験のプロトコルに従って、特定の介入/治療を受ける、または介入を受けない、臨床試験の参加者のグループまたはサブグループ。
介入・治療

介入・治療

臨床研究の焦点となるプロセスまたはアクション。介入には、医薬品、医療機器、処置、ワクチン、および治験中またはすでに利用可能なその他の製品が含まれます。介入には、教育や食事や運動の変更などの非侵襲的アプローチも含まれます。
アクティブコンパレータ：Unaided Review First, Then AI as Double-Check, Then AI as First-Look.
Readers first complete Block X (Unaided) on their assigned subset SX. They then complete Block Y1 (AI as Double-Check) on two separate subsets: SY1a (AI prediction-only as Double-Check) and SY1b (AI prediction-with-explanation as Double-Check). Within Block Y1, the order of SY1a and SY1b is randomized. They then complete Block Y2 (AI as First-Look) on two separate subsets: SY2a (AI prediction-only as First-Look) and SY2b (AI prediction-with-explanation as First-Look). Within Block Y2, the order of SY2a and SY2b is randomized. For each reader, each of the five subsets (SX, SY1a, SY1b, SY2a, and SY2b) comprises up to 80 slides: up to 40 slides from LUAD-LUSC and up to 40 slides from KIRP-KIRC.
行動：Unaided Review First, Then AI as Double-Check, Then AI as First-Look.
Readers first complete Block X (Unaided) on their assigned subset SX. They then complete Block Y1 (AI as Double-Check) on two separate subsets: SY1a (AI prediction-only as Double-Check) and SY1b (AI prediction-with-explanation as Double-Check). Within Block Y1, the order of SY1a and SY1b is randomized. They then complete Block Y2 (AI as First-Look) on two separate subsets: SY2a (AI prediction-only as First-Look) and SY2b (AI prediction-with-explanation as First-Look). Within Block Y2, the order of SY2a and SY2b is randomized. For each reader, SX, SY1a, SY1b, SY2a, and SY2b are disjoint.
アクティブコンパレータ：Unaided Review First, Then AI as First-Look, Then AI as Double-Check.
Readers first complete Block X (Unaided) on their assigned subset SX. They then complete Block Y2 (AI as First-Look) on two separate subsets: SY2a (AI prediction-only as First-Look) and SY2b (AI prediction-with-explanation as First-Look). Within Block Y2, the order of SY2a and SY2b is randomized. They then complete Block Y1 (AI as Double-Check) on two separate subsets: SY1a (AI prediction-only as Double-Check) and SY1b (AI prediction-with-explanation as Double-Check). Within Block Y1, the order of SY1a and SY1b is randomized. For each reader, each of the five subsets (SX, SY1a, SY1b, SY2a, and SY2b) comprises up to 80 slides: up to 40 slides from LUAD-LUSC and up to 40 slides from KIRP-KIRC.
行動：Unaided Review First, Then AI as First-Look, Then AI as Double-Check.
Readers first complete Block X (Unaided) on their assigned subset SX. They then complete Block Y2 (AI as First-Look) on two separate subsets: SY2a (AI prediction-only as First-Look) and SY2b (AI prediction-with-explanation as First-Look). Within Block Y2, the order of SY2a and SY2b is randomized. They then complete Block Y1 (AI as Double-Check) on two separate subsets: SY1a (AI prediction-only as Double-Check) and SY1b (AI prediction-with-explanation as Double-Check). Within Block Y1, the order of SY1a and SY1b is randomized. For each reader, SX, SY1a, SY1b, SY2a, and SY2b are disjoint.
アクティブコンパレータ：AI as Double-Check Review First, Then AI as First-Look, Then Unaided Review.
Readers first complete Block Y1 (AI as Double-Check) on two separate subsets: SY1a (AI prediction-only as Double-Check) and SY1b (AI prediction-with-explanation as Double-Check). Within Block Y1, the order of SY1a and SY1b is randomized. They then complete Block Y2 (AI as First-Look) on two separate subsets: SY2a (AI prediction-only as First-Look) and SY2b (AI prediction-with-explanation as First-Look). Within Block Y2, the order of SY2a and SY2b is randomized. Then readers complete Block X (Unaided) on their assigned subset SX. For each reader, each of the five subsets (SX, SY1a, SY1b, SY2a, and SY2b) comprises up to 80 slides: up to 40 slides from LUAD-LUSC and up to 40 slides from KIRP-KIRC.
行動：AI as Double-Check First, Then AI as First-Look, Then Unaided Review.
Readers first complete Block Y1 (AI as Double-Check) on two separate subsets: SY1a (AI prediction-only as Double-Check) and SY1b (AI prediction-with-explanation as Double-Check). Within Block Y1, the order of SY1a and SY1b is randomized. They then complete Block Y2 (AI as First-Look) on two separate subsets: SY2a (AI prediction-only as First-Look) and SY2b (AI prediction-with-explanation as First-Look). Within Block Y2, the order of SY2a and SY2b is randomized. Then readers complete Block X (Unaided) on their assigned subset SX. For each reader, SX, SY1a, SY1b, SY2a, and SY2b are disjoint.
アクティブコンパレータ：AI as First-Look Review First, Then AI as Double-Check, Then Unaided Review.
Readers first complete Block Y2 (AI as First-Look) on two separate subsets: SY2a (AI prediction-only as First-Look) and SY2b (AI prediction-with-explanation as First-Look). Within Block Y2, the order of SY2a and SY2b is randomized. They then complete Block Y1 (AI as Double-Check) on two separate subsets: SY1a (AI prediction-only as Double-Check) and SY1b (AI prediction-with-explanation as Double-Check). Within Block Y1, the order of SY1a and SY1b is randomized. Then readers complete Block X (Unaided) on their assigned subset SX. For each reader, each of the five subsets (SX, SY1a, SY1b, SY2a, and SY2b) comprises up to 80 slides: up to 40 slides from LUAD-LUSC and up to 40 slides from KIRP-KIRC.
行動：AI as First-Look First, Then AI as Double-Check, Then Unaided Review.
Readers first complete Block Y2 (AI as First-Look) on two separate subsets: SY2a (AI prediction-only as First-Look) and SY2b (AI prediction-with-explanation as First-Look). Within Block Y2, the order of SY2a and SY2b is randomized. They then complete Block Y1 (AI as Double-Check) on two separate subsets: SY1a (AI prediction-only as Double-Check) and SY1b (AI prediction-with-explanation as Double-Check). Within Block Y1, the order of SY1a and SY1b is randomized. Then readers complete Block X (Unaided) on their assigned subset SX. For each reader, SX, SY1a, SY1b, SY2a, and SY2b are disjoint.

この研究は何を測定していますか？

主要な結果の測定

主要な結果の測定

臨床研究のプロトコルにおいて、介入/治療の効果を評価するために最も重要な、計画された結果の尺度。ほとんどの臨床研究には 1 つの主要な結果の測定値がありますが、複数の測定値を持つものもあります。
結果測定
メジャーの説明
時間枠
Diagnostic performance of cancers
時間枠：Periprocedural (at the time of slide review)
Performance of clinicians (unaided and AI-assisted) for distinguishing LUAD- LUSC and distinguishing KIRP-KIRC, measured in accuracy, sensitivity, specificity, positive predictive value, negative predictive value, and F1.
Periprocedural (at the time of slide review)

二次結果の測定

二次結果の測定

臨床研究のプロトコルにおいて、介入の効果を評価するための主要な結果測定ほど重要ではないが、依然として重要な計画された結果測定。ほとんどの臨床研究には、複数の副次的アウトカム指標があります。
結果測定
メジャーの説明
時間枠
診断までの時間
時間枠：Periprocedural（スライドレビューの時）
診断を確定するのに必要な平均時間（ケースあたり秒）。
Periprocedural（スライドレビューの時）
観察者間のばらつき
時間枠：Periprocedural（スライドレビューの時）
条件を越えた臨床医間の一致、評価者間信頼性メトリックを使用して測定されました（例：カッパ統計）。
Periprocedural（スライドレビューの時）
AI暴露後の純利益
時間枠：Periprocedural（スライドレビューの時）
AI支援に起因する診断精度の全体的な変化。
Periprocedural（スライドレビューの時）
Clinician confidence level
時間枠：Periprocedural (at the time of slide review)
Self-reported diagnostic confidence recorded for each case. Scale: 5 - Absolutely Certain; 4 - Mostly Certain; 3 - Unsure; 2 - Very Doubtful; 1 - Random Guess; With 5 being the highest confidence score and 1 being the lowest.
Periprocedural (at the time of slide review)

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

スポンサー

研究を開始し、研究に対する権限と管理権を持つ組織または個人。
Harvard Medical School (HMS and HSDM)

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (推定)

研究開始

最初の参加者が臨床試験に登録された実際の日付。 「予想される」研究開始日は、研究者が研究開始日になると考える日付です。
2026年7月1日

一次修了 (推定)

一次修了

臨床研究の最後の参加者が検査された、または主要な結果測定のための最終データを収集するための介入を受けた日付。治験がプロトコルに従って終了したか終了したかは、この日付には影響しません。完了日が異なる複数の主要評価項目を含む臨床研究の場合、この用語は、すべての主要評価項目のデータ収集が完了した日付を指します。 「予想される」一次完了日は、研究者がその研究の一次完了日になると考える日付です。
2026年8月1日

研究の完了 (推定)

研究の完了

臨床研究の最後の参加者が検査された、または介入/治療を受けて、主要な結果の尺度、副次的な結果の尺度、および有害事象の最終データを収集した日付 (つまり、最後の参加者の最後の訪問)。 「予想される」研究完了日は、研究者が研究完了日になると考える日付です。
2026年8月1日

試験登録日

最初に提出

最初に提出

治験依頼者または治験責任医師が初めて治験記録を ClinicalTrials.gov に提出した日付。通常、最初の提出日と ClinicalTrials.gov での記録の利用可能日 (最初の投稿日) の間には数日の遅延があります。
2026年7月28日

QC基準を満たした最初の提出物

QC基準を満たした最初の提出物

研究スポンサーまたは治験責任医師が、国立医学図書館 (NLM) の品質管理 (QC) 審査基準と一致する研究記録を最初に提出した日付。治験依頼者または研究者は、NLM の QC 審査基準が満たされるまでに、研究記録を 1 回または複数回修正して提出する必要がある場合があります。研究記録がNLM QC審査基準と一致していることを確認するのは、治験依頼者または治験責任医師の責任です。
2026年7月28日

最初の投稿 (実際)

最初の投稿

国立医学図書館 (NLM) の品質管理 (QC) レビューが終了した後、ClinicalTrials.gov で研究記録が最初に利用可能になった日付。通常、治験依頼者または治験責任医師が治験記録を提出した日と最初に投稿された日との間には数日の遅延があります。
2026年8月3日

学習記録の更新

投稿された最後の更新 (実際)

投稿された最後の更新

ClinicalTrials.gov で、研究記録が変更された最新の日付。研究のスポンサーまたは治験責任医師によって変更が ClinicalTrials.gov に提出されたとき (最終更新が提出された日) と最終更新が投稿された日との間に遅延が生じる場合があります。
2026年8月3日

QC基準を満たした最後の更新が送信されました

QC基準を満たした最後の更新が送信されました

治験依頼者または治験責任医師が、国立医学図書館（NLM）の品質管理（QC）審査基準と一致する治験記録の変更を提出した最新の日付。研究記録がNLM QC審査基準と一致していることを確認するのは、治験依頼者または治験責任医師の責任です。
2026年7月28日

最終確認日

最終確認日

治験依頼者または治験責任医師が、ClinicalTrials.gov で臨床治験に関する情報が正確かつ最新であることを確認した最新の日付。募集ステータスが募集中の研究の場合。まだ募集していません。過去 2 年以内に募集が確認されていない場合、研究の募集状況は不明として表示されます。
2026年7月1日

詳しくは

本研究に関する用語

キーワード

追加の関連 MeSH 用語

その他の研究ID番号

その他の研究ID番号

NCT 番号以外の識別子または ID 番号で、治験依頼者、資金提供者、その他によって臨床治験に割り当てられたもの。これらの番号には、他の治験登録機関や国立衛生研究所の助成金番号からの一意の識別子が含まれる場合があります。
  • ENLIGHT Study

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

いいえ

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

クッキーの設定

当社はCookieを使用して、当社のWebサイトで最高のエクスペリエンスを提供できるようにしています。詳細については、プライバシーとCookieのポリシーをよくお読みください。...>>>ポリシーに記載されているように、WebサイトまたはコンピューターからCookieを削除することにより、いつでも設定を変更したり、同意を取り消すことができます。それを受け入れて、下の[設定の管理]セクションで対応するボックスにチェックマークを付けて、設定を選択してください。このウェブサイトの一部を使用する前に、利用規約をよくお読みください。
«設定の管理