Development of Artificial Intelligence System for Detection and Diagnosis of Breast Lesion Using Mammography
2021年7月24日 更新者：Sun Ying-Shi、Peking University Cancer Hospital & Institute
This project aims to establish a comprehensive artificial intelligence system for detecting and qualitative diagnosing breast lesions.
Mammary images will be used to construct a diagnosis method based on deep learning.
The system is proposed to automatically analyze the type of mammary glands, automatically identify and mark all breast lesions on the mammography images, provide the malignancy probability judgment of the lesions, the BI-RADS classification and the clinical suggestion, and also automatically generate the structured diagnosis report.
調査の概要
詳細な説明
This is a multi-center study.The project contains a retrospective part(3000 samples anticipated) and a prospective part(7000 samples anticipated).
In the retrospective part, investigators collected subjects with mammary images to design the deep learning method and construct a detective and diagnostic model for breast lesions.
In the prospective part, investigators validate the accuracy of the constructed deep learning method, and established artificial intelligence system focusing on mammary diagnosis.
Investigators will also explore the application pattern of the artificial intelligence system in clinical practice.
研究の種類
観察的
入学 (実際)
5809
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
-
-
Beijing
-
Beijing、Beijing、中国、100142
- Beijing Cancer Hospital
-
Beijing、Beijing、中国
- Beijing Chao Yang Women and Children's Health Hospital
-
Beijing、Beijing、中国
- Beijing Da Xing People's Hospital
-
Beijing、Beijing、中国
- Beijing Hang Tian Centre Hospital
-
Beijing、Beijing、中国
- Beijing Nan Jiao Cancer Hospital
-
Beijing、Beijing、中国
- Beijing Shi Jing Shan Hospital
-
Beijing、Beijing、中国
- Beijing Shun Yi Qu Hospital
-
Beijing、Beijing、中国
- Beijing Shun Yi Woman and Children Health Hospital
-
-
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
就学可能な年齢
18年歳以上 (大人、高齢者)
健康ボランティアの受け入れ
いいえ
受講資格のある性別
女性
サンプリング方法
確率サンプル
調査対象母集団
Women with suspected Breast Lesion
説明
Inclusion Criteria:
- the X-ray images of the breast were complete
- the results of pathological diagnosis or more than 2 years of mammography follow-up were available
- subject signs informed consent(this item was only for prospective study cases)
Exclusion Criteria:
- there exists pathological diagnosis of breast lesions when receiving mammography
- there lacks pathological diagnosis or 2 years of mammography follow-up
- subject withdraws(this item was only for prospective study cases)
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
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
mammography group
women who receives mammography because of suspected breast lesion(s)
|
When a woman comes to the clinic to receive mammography.
Then a radiologist will give a BI-RADS classification after reviewing the images.
If a BI-RADS 4/5 is obtained, the woman will receive pathological biopsy to ensure there is a benign or malignant lesion.
If a BI-RADS 3 is obtained, the woman will be followed up by a half-year interval until two year after the first mammography.
At each follow up, she will receive mammography.
If a BI-RADS 4/5 is obtained at follow up, she will receive pathological biopsy; if a BI-RADS 1/2/3 is obtained at follow up, she will be followed up by a half-year interval until two year.
If a BI-RADS 1/2 is obtained at the first mammography, the woman will receive a second mammography after two year.
During the study period, breast examination and results will be recorded for every subject.
Radiologists will give the diagnosis with and without AI support.
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
benign-malignant diagnosis accuracy
時間枠：from the first mammography to pathological result obtained(an average of 3 weeks if mammography BI-RADS 4 or 5 obtained)
|
the accuracy of the AI model, radiogist with AI support, radiologist alone for binary diagnosis of a benign or malignant breast lesion according to pathology.
If either one mammography of BI-RADS 4/5 in the first examination or during the two year' follow up examination is obtained,a pathological examination is performed, the lesion is judged benign or malignant according to pathological results.
|
from the first mammography to pathological result obtained(an average of 3 weeks if mammography BI-RADS 4 or 5 obtained)
|
|
benign-malignant diagnosis accuracy
時間枠：from the first mammography to 2-year-after mammography
|
the accuracy of the AI model, radiogist with AI support, radiologist alone for binary diagnosis of a benign or malignant breast lesion according to follow up.
If a 2-year mammography of BI-RADS 1/2/3 is obtained, the lesion is considered benign.
If either one mammography of BI-RADS 4/5 during the two year is obtained,a pathological examination is performed to ensure the benign or malignant lesion
|
from the first mammography to 2-year-after mammography
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
lesion detection accuracy
時間枠：from the first mammography to radiologist diagnosis (within 3 days after the mammography taken)
|
the detection rate of the constructed deep learning method for detecting benign or malignant breast lesion according to radiologist's subjective diagnosis or follow up as reference.
If a radiologist suggests existence of a lesion at the first mammography or at each follow-up mammography during the 2-year period, it is considered that a lesion exists
|
from the first mammography to radiologist diagnosis (within 3 days after the mammography taken)
|
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。
捜査官
- スタディチェア：Ying-Shi Sun, Professor、Peking University Cancer Hospital & Institute
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 (実際)
2018年4月5日
一次修了 (実際)
2020年5月4日
研究の完了 (実際)
2020年5月4日
試験登録日
最初に提出
2018年4月17日
QC基準を満たした最初の提出物
2018年10月12日
最初の投稿 (実際)
2018年10月17日
学習記録の更新
投稿された最後の更新 (実際)
2021年7月27日
QC基準を満たした最後の更新が送信されました
2021年7月24日
最終確認日
2021年7月1日
詳しくは
本研究に関する用語
その他の研究ID番号
- BCA-AI
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。