Östergötland Linkoping 지역 유방암 검진의 인공 지능 (AI-ROL)
2022년 4월 19일 업데이트: Håkan Gustafsson, Ostergotland County Council, Sweden
스웨덴의 이중 판독 유방암 검진 프로그램에서 세 번째 판독자 및 합의 과정에서 AI 사용
이 관찰 연구의 목적은 AI(Transpara®)를 사용하여 이중 판독 유방조영술 검사 프로그램의 품질을 향상시킬 수 있는지 여부를 평가하는 것입니다.
이는 기존의 유방조영술 스크리닝(AI 없이 이중 판독 및 합의)과 비교하여 합의 회의 시 AI를 세 번째 판독자 및 의사 결정 지원으로 수행하여 조사합니다.
연구 개요
상태
상태
완전한
정황
정황
개입 / 치료
개입 / 치료
상세 설명
AI 암 감지 시스템은 3번째 판독기 역할을 하며 컨센서스 회의에 추가 사례를 리콜합니다. 이중 판독으로 리콜되지 않았지만 AI에서 파생된 암 위험 점수를 기반으로 3%의 가장 의심스러운 검사로 분류된 검사입니다. 둘째, AI는 합의 중에 의사 결정 지원으로 사용됩니다. 의심스러운 석회화 및 연조직 병변의 AI 위험 점수 및 CAD(Computer-Aided Detection) 표시가 판독기에게 제공됩니다.
본 연구의 가설은 AI의 활용이 암 암 발견률을 증가시키면서 암 암률을 증가시켜 암 검진 프로그램의 질을 향상시킬 수 있는 잠재력을 가지고 있다는 것이다.
연구 유형
연구 유형
관찰
등록 (실제)
등록
15500
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Östergötland
-
Linköping, Östergötland, 스웨덴, 58185
- Region Östergötland
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
자격 기준
공부할 수 있는 나이
40년 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
여성
샘플링 방법
비확률 샘플
연구 인구
인구 기반 유방 조영술 검사 대상 여성
설명
포함 기준:
- 지역 Östergötland Linkoping에서 정규 유방암 검진 프로그램에 참여하는 여성
제외 기준:
- 유방조영술에서 유방 보형물 또는 기타 이물질 보형물을 삽입한 여성
- 유방암이 의심되는 증상이나 징후가 있는 여성
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 유망한
그룹/코호트 수
1
코호트 및 개입
그룹/코호트그룹/코호트 |
개입 / 치료개입 / 치료 |
|---|---|
|
Östergötland Linkoping 지역에서 선별된 여성
|
AI를 세 번째 독자로 사용하고 합의 회의 중 의사 결정 지원 시스템으로 사용
|
연구는 무엇을 측정합니까?
주요 결과 측정
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
암 발견율
기간: 입사 4개월 후
|
합의 후 소환된 여성 중 유방암 진단을 받은 여성의 비율
|
입사 4개월 후
|
|
리콜 또는 추천 비율
기간: 입사 4개월 후
|
합의 후 추가 진단 검사를 위해 의뢰된 여성의 비율
|
입사 4개월 후
|
|
추천의 긍정적인 예측 가치
기간: 입사 4개월 후
|
추천된 여성 중 유방암 진단을 받은 여성의 비율
|
입사 4개월 후
|
2차 결과 측정
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Transpara® 점수의 긍정적 예측값
기간: 입사 4개월 후
|
주어진 AI 점수를 가진 여성들 사이에서 진단된 유방암의 비율
|
입사 4개월 후
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
수사관
- 수석 연구원: Håkan Gustafsson, PhD, Linköping University - University Hospital
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Tan T, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Mann RM, Sechopoulos I. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists. J Natl Cancer Inst. 2019 Sep 1;111(9):916-922. doi: 10.1093/jnci/djy222.
- Rodriguez-Ruiz A, Krupinski E, Mordang JJ, Schilling K, Heywang-Kobrunner SH, Sechopoulos I, Mann RM. Detection of Breast Cancer with Mammography: Effect of an Artificial Intelligence Support System. Radiology. 2019 Feb;290(2):305-314. doi: 10.1148/radiol.2018181371. Epub 2018 Nov 20.
- van Winkel SL, Rodriguez-Ruiz A, Appelman L, Gubern-Merida A, Karssemeijer N, Teuwen J, Wanders AJT, Sechopoulos I, Mann RM. Impact of artificial intelligence support on accuracy and reading time in breast tomosynthesis image interpretation: a multi-reader multi-case study. Eur Radiol. 2021 Nov;31(11):8682-8691. doi: 10.1007/s00330-021-07992-w. Epub 2021 May 4.
- Pinto MC, Rodriguez-Ruiz A, Pedersen K, Hofvind S, Wicklein J, Kappler S, Mann RM, Sechopoulos I. Impact of Artificial Intelligence Decision Support Using Deep Learning on Breast Cancer Screening Interpretation with Single-View Wide-Angle Digital Breast Tomosynthesis. Radiology. 2021 Sep;300(3):529-536. doi: 10.1148/radiol.2021204432. Epub 2021 Jul 6.
- Raya-Povedano JL, Romero-Martin S, Elias-Cabot E, Gubern-Merida A, Rodriguez-Ruiz A, Alvarez-Benito M. AI-based Strategies to Reduce Workload in Breast Cancer Screening with Mammography and Tomosynthesis: A Retrospective Evaluation. Radiology. 2021 Jul;300(1):57-65. doi: 10.1148/radiol.2021203555. Epub 2021 May 4.
- Lang K, Dustler M, Dahlblom V, Akesson A, Andersson I, Zackrisson S. Identifying normal mammograms in a large screening population using artificial intelligence. Eur Radiol. 2021 Mar;31(3):1687-1692. doi: 10.1007/s00330-020-07165-1. Epub 2020 Sep 2.
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Teuwen J, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Sechopoulos I, Mann RM. Can we reduce the workload of mammographic screening by automatic identification of normal exams with artificial intelligence? A feasibility study. Eur Radiol. 2019 Sep;29(9):4825-4832. doi: 10.1007/s00330-019-06186-9. Epub 2019 Apr 16.
- Lang K, Hofvind S, Rodriguez-Ruiz A, Andersson I. Can artificial intelligence reduce the interval cancer rate in mammography screening? Eur Radiol. 2021 Aug;31(8):5940-5947. doi: 10.1007/s00330-021-07686-3. Epub 2021 Jan 23.
- Sasaki M, Tozaki M, Rodriguez-Ruiz A, Yotsumoto D, Ichiki Y, Terawaki A, Oosako S, Sagara Y, Sagara Y. Artificial intelligence for breast cancer detection in mammography: experience of use of the ScreenPoint Medical Transpara system in 310 Japanese women. Breast Cancer. 2020 Jul;27(4):642-651. doi: 10.1007/s12282-020-01061-8. Epub 2020 Feb 12.
- Kerschke L, Weigel S, Rodriguez-Ruiz A, Karssemeijer N, Heindel W. Using deep learning to assist readers during the arbitration process: a lesion-based retrospective evaluation of breast cancer screening performance. Eur Radiol. 2022 Feb;32(2):842-852. doi: 10.1007/s00330-021-08217-w. Epub 2021 Aug 12.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
연구 시작
2021년 10월 15일
기본 완료 (실제)
기본 완료
2022년 2월 15일
연구 완료 (실제)
연구 완료
2022년 2월 15일
연구 등록 날짜
최초 제출
최초 제출
2021년 9월 8일
QC 기준을 충족하는 최초 제출
QC 기준을 충족하는 최초 제출
2021년 9월 8일
처음 게시됨 (실제)
처음 게시됨
2021년 9월 17일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
마지막 업데이트 게시됨
2022년 4월 20일
QC 기준을 충족하는 마지막 업데이트 제출
QC 기준을 충족하는 마지막 업데이트 제출
2022년 4월 19일
마지막으로 확인됨
마지막으로 확인됨
2022년 4월 1일
추가 정보
이 연구와 관련된 용어
키워드
기타 연구 ID 번호
기타 연구 ID 번호
- NCT20210157-AI-ROL
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
미정
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .