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。

スキンスペシャリスト向けの AI 拡張トレーニング (AISC-SS)

2024年10月14日 更新者:Gustav Gede Nervil、Herlev Hospital

皮膚がん専門医のための皮膚がん診断の人工知能拡張トレーニング

バックグラウンド:

皮膚がんの世界的な発生率は 50 年間上昇しており、特に悪性黒色腫の発生率は約 1 年間増加しています。 年間 2 ~ 7% で、15 ~ 34 歳のデンマーク人の間で最も一般的な癌です。 現在、皮膚がんとほくろがんの誤診がかなりあり、切除された皮膚病変のほとんどは良性です。

以前の研究では、臨床研究の最初の 6 年間で医師の診断精度が大幅に向上しないことが示されています。

良性と悪性の比率を下げることができれば、健康な人に費やすリソースをより有効に活用できます。 これは、日常の臨床診療中に医師をより適切に教育することで実現できる可能性があります。

標的:

この研究の目的は、専門の皮膚がんセンターの医師の皮膚がんの診断精度と臨床的決定に関する AI 拡張トレーニングと臨床フィードバックの用量/反応効果を調査することです。

研究課題: 診断の精度と臨床上の決定が変わる前に、専門医はどれだけのトレーニングを受ける必要があるか?

調査の概要

詳細な説明

デザイン:

この研究は、皮膚がんおよびほくろがんの診断および/または治療を行う高度に専門化されたセンターの医師による国際的な多施設ランダム化比較試験として設計された優越性試験です。

無作為化 適格な参加者は、介入群または対照群のいずれかに 1:1 の比率で無作為化されます。

介入:

グループ A の参加者は、研究グループによって開発されたデジタル教育オンライン システムへのアクセスが与えられ、同様に研究グループによって開発された登録アプリ (臨床およびダーモスコピーの写真と臨床データ) で見られるすべての皮膚病変を登録するよう求められます。登録された皮膚病変ごとに臨床フィードバックが与えられます。

グループ B の参加者も初日からすべての皮膚病変を登録するよう求められ、グループ A の参加者としてこれらに関するフィードバックを受け取りますが、デジタル教育オンライン システムへのアクセスは 2 か月間保留されます。

切除/生検された皮膚病変に関するフィードバックは、病理学者から直接提供されます。病理学者は、患者と問題の皮膚病変の写真と臨床データに簡単にアクセスできます。

統計:

デジタル教育オンライン システムで費やされた時間の効果として、参加している医師の母集団の診断精度の平均増加は、一般化推定方程式 (GEE) を使用して計算されます。

良性病変は、悪性腫瘍の疑い以外の理由で切除/治療される可能性があるため、さまざまな理由(美容的または機能的な苦情など)で治療された正しく診断された良性病変を個別に分析します。

ほとんどの患者は紹介前にすでに GP を受診しているにもかかわらず、登録された病変の大部分は良性であると予想されます。

倫理的配慮:

ダーモスコピーによる評価は皮膚病変の臨床検査の一部であるため、患者の参加によって患者に直接的な負担や不快感が生じることはなく、現在の臨床診療に変更はありません。 撮影された画像は安全かつ匿名で保存され、患者にリスクはありません。

現在の若い医師の診断精度は低いため、介入の教育的性質は、誤診される可能性が低い皮膚病変を有する将来のすべての患者のために研究を正当化します.

医師に対する教育的介入は、デンマークの健康研究倫理に関する国家委員会による承認を必要としません。 ただし、倫理的な配慮がなされており、プロジェクトはヘルシンキ宣言 II に準拠しています。

研究の種類

介入

入学 (実際)

1500

段階

  • 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

      • Copenhagen、デンマーク、2730
        • Herlev Hospital
      • Copenhagen、デンマーク、2900
        • Gentofte 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

  • 子
  • 大人
  • 高齢者

健康ボランティアの受け入れ

はい

説明

包含基準:

  • 医師は、専門の皮膚科(皮膚科または形成外科など)で働く必要があります。
  • 医師は登録された認可された医療従事者でなければなりません

除外基準:

  • DermLoop Learnの教育的介入へのアクセスを以前に受けたことのある医師
  • 現在の所属部署への所属が2ヶ月未満の医師

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:並列代入
  • マスキング:独身

武器と介入

参加者グループ / アーム
介入・治療
他の:グループA
このグループは、AI 拡張デジタル オンライン教育システムとその 2 つのモジュール (トレーニング モジュールと臨床フィードバック モジュール) へのアクセスを受け取ります。 彼らは、登録された病変に関する継続的な臨床フィードバックを受け取ります。
DermLoop Learn は、10,000 以上の良性および悪性皮膚病変のライブラリでのケース トレーニングと、最も一般的な皮膚病変診断用の学習モジュールを備えた AI 拡張デジタル オンライン教育システムです。
介入なし:グループB

このグループは、AI 拡張デジタル オンライン教育システムへのアクセスが 2 か月間保留されます。

2 か月の遅延の後、グループの被験者には、グループ A の参加者と同じアクセス権が与えられます。

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
用量/反応
時間枠:2年
教育システムで過ごした時間と参加医師の診断精度の変化の間の用量/反応
2年

二次結果の測定

結果測定
メジャーの説明
時間枠
BMR
時間枠:2年
皮膚がんが疑われる治療済み/紹介済み/自宅に送った病変における良性対悪性比 (BMR) の違い。
2年
多肢選択式アンケートによる診断精度の予測可能性
時間枠:2ヶ月
ベースライン時と0か月および2か月時にMCQで測定された診断精度とスコアとの相関。
2ヶ月
紹介
時間枠:2年
皮膚科の対照群と介入群と形成外科への紹介量の介入前後の変化。
2年

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

捜査官

  • 主任研究者:Gustav G Nervil, MD、Herlev Hospital

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)

2021年9月15日

一次修了 (実際)

2024年4月30日

研究の完了 (実際)

2024年4月30日

試験登録日

最初に提出

2021年2月12日

QC基準を満たした最初の提出物

2021年2月13日

最初の投稿 (実際)

2021年2月17日

学習記録の更新

投稿された最後の更新 (実際)

2024年10月16日

QC基準を満たした最後の更新が送信されました

2024年10月14日

最終確認日

2024年10月1日

詳しくは

本研究に関する用語

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

米国で製造され、米国から輸出された製品。

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。

購読する