Development of Artificial Intelligence System for Detection and Diagnosis of Breast Lesion Using Mammography
2021년 7월 24일 업데이트: 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.
연구 개요
상세 설명
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.
연구 유형
관찰
등록 (실제)
5809
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Beijing
-
Beijing, Beijing, 중국, 100142
- Beijing Cancer Hospital
-
Beijing, Beijing, 중국
- Beijing Chao Yang Women and Children's Health Hospital
-
Beijing, Beijing, 중국
- Beijing Da Xing People's Hospital
-
Beijing, Beijing, 중국
- Beijing Hang Tian Centre Hospital
-
Beijing, Beijing, 중국
- Beijing Nan Jiao Cancer Hospital
-
Beijing, Beijing, 중국
- Beijing Shi Jing Shan Hospital
-
Beijing, Beijing, 중국
- Beijing Shun Yi Qu Hospital
-
Beijing, Beijing, 중국
- Beijing Shun Yi Woman and Children Health Hospital
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 이상 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
여성
샘플링 방법
확률 샘플
연구 인구
Women with suspected Breast Lesion
설명
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)
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
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.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
benign-malignant diagnosis accuracy
기간: 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
기간: 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
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
lesion detection accuracy
기간: 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)
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 연구 의자: Ying-Shi Sun, Professor, Peking University Cancer Hospital & Institute
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)
2018년 4월 5일
기본 완료 (실제)
2020년 5월 4일
연구 완료 (실제)
2020년 5월 4일
연구 등록 날짜
최초 제출
2018년 4월 17일
QC 기준을 충족하는 최초 제출
2018년 10월 12일
처음 게시됨 (실제)
2018년 10월 17일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2021년 7월 27일
QC 기준을 충족하는 마지막 업데이트 제출
2021년 7월 24일
마지막으로 확인됨
2021년 7월 1일
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- BCA-AI
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
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. .