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。

皮膚黒色腫の非侵襲的早期検出のための AI ベースの CAD システムの臨床検証研究 (LEGIT_MC_EVCDA)

2024年1月24日 更新者:AI Labs Group S.L

In vivo 皮膚黒色腫の非侵襲的早期検出のための人工知能アルゴリズムを備えた CAD システムの臨床検証研究

この臨床症例シリーズの断面分析観察研究の目的は、皮膚鏡カメラで撮影した病変の画像から皮膚黒色腫を特定するために AI Labs Group によって開発されたコンピュータ支援診断ソフトウェアを検証することです。 この研究は、クルセス大学病院とバスルト大学病院の皮膚科で診察された悪性腫瘍が疑われる皮膚病変を有する患者を対象に実施される。 回答することを目的とした主な質問は次のとおりです。

  • AI Labs グループが開発した AI アルゴリズムが、ダーモスコピー画像で皮膚黒色腫を高い確率で識別するための有効なツールであるかどうか。
  • 皮膚科医とデバイスの性能を比較し、プライマリケア医師の評価は後の段階で考慮されます。
  • 技術的な制限のある不利な環境におけるデバイスの有用性と実現可能性を評価します。

このようにして、クルーセス病院およびバスルト大学病院の皮膚科で診察された悪性腫瘍が疑われる皮膚病変を有する患者が募集されます。 この研究の患者は、研究計画の一環として特別な治療を受けることはありません。 さらに、かかりつけの医療提供者の指示に従って、定期的に処方された薬や治療を継続します。 この研究では被験者の追跡調査を行う必要はありません。 すべての患者は、来院時に皮膚病変の写真のみを撮影します。

調査の概要

状態

募集

詳細な説明

はじめに 皮膚がんの一種である皮膚黒色腫 (CM) は、発生率と死亡率が大幅に増加しています。 特に進行性が高く、急速に転移する可能性があるため、化学療法や放射線療法に耐性を持ちます。 ただし、簡単な外科的切除による早期発見は治療可能性が高くなります。 特に視覚検査において、良性と悪性の色素性病変を区別することは困難です。

一般の認識が低く、皮膚科医へのアクセスが限られているため、黒色腫は後の段階で診断されることがよくあります。 これに対処するために、黒色腫の早期検出に人工知能 (AI) を使用したコンピューター支援診断 (CAD) への関心が高まっています。 AI テクノロジーは、写真から病変を分類する上で皮膚科医に匹敵する能力を示しています。 マシン ビジョンと AI は、診断を改善する大きな機会をもたらします。

予防活動と早期診断キャンペーンにより患者の生存率が向上しており、皮膚病変の悪性度を評価し、微小黒色腫と母斑や黒子などの他の皮膚病変を区別する AI ベースのデバイスが患者の生存率をさらに高める可能性があるという事実を指摘しています。 この研究は、コンピュータービジョンと機械学習アプリケーションを使用した皮膚黒色腫の検出を臨床的に検証することを目的としています。

目的 仮説 マシンビジョンを搭載した CAD システムにより、生体内での皮膚黒色腫の早期かつ非侵襲的診断が可能になります。

第一目的

皮膚鏡カメラで撮影した病変画像内の皮膚黒色腫を識別するために AI Labs Group SL SL によって開発された人工知能アルゴリズムが次の値を達成していることを検証します。

AUC 0.8 以上 感度 80% 以上 特異度 70% 以上 二次目的

メーカーが開発した人工知能アルゴリズムのパフォーマンスを、さまざまな専門分野の医療専門家のパフォーマンスと比較するには、次のようにします。

皮膚科医 かかりつけ医 機器の不足やインターネット接続の不足など、技術的に厳しい制限がある不利な環境で、メーカーが開発した人工知能アルゴリズムの有用性と実現可能性を検証します。

プライマリケアの医師 この研究では、デバイスのパフォーマンスをプライマリケアの医師と比較していません。皮膚科医のみに焦点を当てています。 しかし、皮膚科医の方が黒色腫の検出における診断成功率が大幅に高いことは広く知られています。

人口 クルセス大学病院およびバスルト大学病院の皮膚科で診察された、悪性腫瘍が疑われる皮膚病変を有する患者。

デザインと方法のデザイン これは、診断テスト研究のパフォーマンスに関する分析的な観察ケース シリーズ研究です。 測定は単一のケースで実行されるため、横断的な研究になります。

被験者の数 この研究の最初の被験者数は 40 人でした。 ただし、バランスのとれたデータセット(つまり、同じ数の黒色腫画像と非黒色腫画像)が必要なため、必要に応じて母斑および/または他の種類の皮膚病変の症例を収集する必要があると考えました。 このため、提案された対象者数は約 200 名に増加し、そのうち少なくとも 40 名が皮膚黒色腫を患っています。

この報告書の時点では、バスルト大学病院から 70 名、クルセス大学病院から 26 名、合計 96 名の被験者が研究に含まれています。

開始日 最初の主題が含まれた日は 2020 年 9 月 17 日でした。

完了日 40 人の参加者の最初のサンプルの最後の被験者は、2021 年 3 月 24 日に含まれていました。

再調整された目標サンプルサイズ(参加者200人)にはまだ達しておらず、報告書作成時点では96人の被験者が含まれていた。

期間 この研究の募集期間は、最初の 40 名の患者を対象に 10 か月と推定されています。 最低 40 人の黒色腫を含む合計 200 人までの患者を含めるため、募集期間は 12 か月延長されます。

研究の総期間は、最後の被験者の募集後のデータベースの閉鎖と編集、データ分析、最終研究報告書の作成に必要な時間を含めて、36か月と推定されます。

メソッド

すべての皮膚病変は、次の技術的指示に従って写真撮影されます。

PNG、HEIC、TIFF などの非圧縮画像形式。 3Gen Inc.のDermLite Foto X皮膚鏡で撮影。

以下の特徴を持つスマートフォンから撮影されました。

最低解像度が 13 メガピクセル以上のカメラを搭載。

次のいずれかのモデルで撮影しました。

  • Google Pixel 3とGoogle Pixel 3 XL。
  • サムスン ギャラクシー Note 10、サムスン ギャラクシー S10、サムスン ギャラクシー S10E
  • iPhone X以下
  • HDR、ポートレート モード、カラー フィルター、デジタル ズームなどのすべての画像の後処理を無効にします。

研究チームは毎月画像を収集し、その正確性を検証します。 画像の品質が十分でない場合、調査員は写真を撮り直します。 研究チームは皮膚科医の専門家からの診断データも収集しています。

研究の種類

観察的

入学 (推定)

200

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。

研究連絡先

研究連絡先のバックアップ

研究場所

    • Biscay
      • Barakaldo、Biscay、スペイン、48903
        • 募集
        • University Hospital of Cruces
        • コンタクト:
        • コンタクト:
        • 主任研究者:
          • Jesús Gardeazabal, PhD
        • 主任研究者:
          • Rosa María Izu, PhD
        • 副調査官:
          • Juan Antonio Ratón Nieto, PhD
        • 副調査官:
          • Ana Sánchez Diez, PhD
        • 副調査官:
          • Alfonso Medela, MsC
        • 副調査官:
          • Andy Aguilar, MsC
        • 副調査官:
          • Taig Mac Carthy, MsC

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

  • 大人
  • 高齢者

健康ボランティアの受け入れ

いいえ

サンプリング方法

非確率サンプル

調査対象母集団

悪性腫瘍が疑われる皮膚病変を有する患者が、クルセス大学病院およびバスルト大学病院の皮膚科を受診しました。

説明

包含基準:

  • 悪性腫瘍が疑われる皮膚病変のある患者
  • 年齢は18歳以上
  • インフォームド・コンセントフォームに署名することで研究への参加に同意した患者

除外基準:

  • 18歳未満の患者

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

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
被写体ごとの画像数
時間枠:入学の瞬間
各患者が AI アルゴリズムを使用して Web アプリにアップロードする画像の数
入学の瞬間
診断
時間枠:入学の瞬間
AIアルゴリズムによる診断
入学の瞬間
画質
時間枠:入学の瞬間
患者ごとにアップロードされた画像の品質。 低品質の画像は研究には受け入れられず、患者はより高品質の画像をアップロードするよう求められます。
入学の瞬間
黒色腫の検出
時間枠:入学の瞬間
黒色腫の有無を検出するアルゴリズムの感度
入学の瞬間

二次結果の測定

結果測定
メジャーの説明
時間枠
年齢と性別
時間枠:入学の瞬間
患者の年齢と性別
入学の瞬間

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:Jesús Gardeazabal, PhD、Hospital Universitario Cruces
  • 主任研究者:Rosa María Ize, PhD、Hospital Universitario Basurto

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)

2020年9月17日

一次修了 (推定)

2024年9月1日

研究の完了 (推定)

2024年9月1日

試験登録日

最初に提出

2024年1月15日

QC基準を満たした最初の提出物

2024年1月23日

最初の投稿 (実際)

2024年1月24日

学習記録の更新

投稿された最後の更新 (実際)

2024年1月25日

QC基準を満たした最後の更新が送信されました

2024年1月24日

最終確認日

2024年1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

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。

3
購読する