이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

폐 결절의 검출 및 위험 계층화를 위한 딥러닝 알고리즘의 정확성

2024년 2월 6일 업데이트: Professor Winnie W.C. Chu, Chinese University of Hong Kong

타당성 연구: 골육종 환자의 폐결절 검출 및 위험 계층화를 위한 딥러닝 인공지능(AI) 알고리즘의 정확도 및 민감도

골육종은 소아 및 청소년에서 가장 흔한 악성 골종양으로 간주됩니다. 골육종 환자의 약 15~20%는 감지할 수 있는 전이성 질환이 있으며, 이들 중 대다수(85%)는 유일한 전이 부위로 폐 병변이 있습니다. 이전 연구에서 전이성 질환이 없는 국소 골육종 환자의 전체 생존율은 약 60~70%인 반면, 전이성 질환이 있는 환자의 생존율은 10~30%로 감소하는 것으로 나타났습니다. 최근에는 신보강 및 보조 화학요법이 사망률을 감소시킬 수 있지만 환자의 30~50%는 여전히 폐 전이로 사망합니다. 폐 전이의 수, 분포 및 시기는 생존에 대한 예후적 가치가 있으므로 컴퓨터 단층촬영(CT) 흉부 영상은 여전히 ​​질병 감시에서 중요한 역할을 합니다. 지난 10년 동안 다중 검출기 CT 스캐너 기술은 수많은 작은 폐 병변의 검출을 향상시켰으며, 이는 한편으로는 폐 전이에 대한 진단 민감도를 높일 수 있지만 특이성은 감소할 수 있습니다. 최근 다양한 영상 검사에서 딥러닝 인공지능(AI) 알고리즘이 화제다. 현재 폐 결절의 빠른 검진과 정확한 해석을 목표로 하는 딥러닝 기술 기반의 CAD(Computer-Aided Diagnosis) 시스템이 빠르게 개발되어 시장에 출시되고 있다. 지금까지 양성/악성 결절 분류의 정확도 향상에 집중한 연구는 딥러닝 기술의 엄청난 발전에 힘입어 상당한 진전을 이루었습니다. 결과적으로 기존 CAD 시스템의 대부분은 90% 이상의 정확도로 폐 결절 분류를 수행할 수 있습니다. 임상 실습에서 폐결절에 대한 악성 결정뿐만 아니라 원발성 암종과 폐내 전이의 구별도 환자 관리에 중요합니다. 그러나 CAD 시스템에서 적용되는 대부분의 기존 폐결절 분류는 원발성 결절과 전이성 결절의 분리를 특징으로 하는 보다 철저한 결절 분류가 부족하여 이진법(양성 대 악성)으로 남아 있습니다. 우리가 아는 한, 지금까지 전이성 폐 결절을 식별하기 위한 딥러닝 기반 CAD 시스템의 성능에 초점을 맞춘 연구는 소수에 불과합니다. 이 제안된 연구에서 연구자들은 골육종 환자에서 폐 결절의 탐지 및 위험 계층화를 위한 딥 러닝 인공 지능 알고리즘을 기반으로 한 컴퓨터 지원 시스템의 정확도와 민감도를 결정하려고 했습니다.

연구 개요

상태

완전한

정황

개입 / 치료

연구 유형

관찰

등록 (실제)

100

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

  • 홍콩
    • Shatin
      • Hong Kong, Shatin, 홍콩
        • The Chinese University of Hong Kong, Prince of Wale 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 이하 (어린이, 성인)

건강한 자원 봉사자를 받아들입니다

해당 없음

샘플링 방법

확률 샘플

연구 인구

이것은 2000년에서 2018년 사이에 골육종 진단을 받은 환자에 대한 단일 기관 후향적 코호트 연구입니다. 모든 환자의 데이터는 우리 기관의 전자 환자 데이터베이스를 통해 검색됩니다. 발병 연령, 화학 요법의 세부 사항, 진단에서 폐 전이까지의 시간 간격, 원발성 뼈 종양에 대한 수술, 후속 폐 전이 절제술(수행된 경우), 생존 기간을 포함하여 환자 인구 통계, 영상 및 조직학적 데이터, 질병 및 치료 이력이 기록됩니다. , 임상 결과 등.

설명

포함 기준:

  • 조직학적으로 확인된 골육종 환자
  • 만 18세 미만
  • 치료 전 병기 결정 및/또는 후속 치료 후 추적을 위해 박편 흉부 CT 검사를 받은 환자.
  • 흉부 CT 영상에서 의심스러운 폐 결절이 발견되었습니다.

제외 기준:

  • 폐 결절의 분석에 영향을 줄 수 있는 동시 병변이 있는 환자.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
정확성
기간: 3 년
전체 인스턴스 중 참 결과(참 양성 및 참 음성 모두)의 비율
3 년
감광도
기간: 3 년
ROC 분석에서 도출된 백분율(%)의 진양성률
3 년
특성
기간: 3 년
ROC 분석에 의해 도출된 백분율(%)의 진음성률
3 년
곡선 아래 면적(AUC)
기간: 3 년
백분율(%)로 표시된 ROC 곡선 아래 면적
3 년

2차 결과 측정

결과 측정
측정값 설명
기간
스캔당 평균 가양성 수(FP/스캔)
기간: 3 년
자유 응답 수신기 작동 특성(FROC) 분석에 기반한 FP/스캔 번호(N)
3 년
경쟁 성과 지표(CPM)
기간: 3 년
CPM(Competitive Performance Metric)은 CAD 시스템 평가에 사용되는 기준입니다. FROC 패러다임을 기반으로 CPM 점수는 미리 정의된 7개의 평균 위양성률에서 평균 민감도로 계산됩니다. CPM 점수 범위는 0에서 1까지이며 CPM 점수가 높을수록 CAD 성능이 우수함을 나타냅니다.
3 년

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Chinese University of Hong Kong

협력자

IBM China/Hong Kong Limited

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)

2019년 11월 6일

기본 완료 (실제)

2023년 8월 1일

연구 완료 (실제)

2024년 1월 31일

연구 등록 날짜

최초 제출

2019년 7월 15일

QC 기준을 충족하는 최초 제출

2019년 7월 15일

처음 게시됨 (실제)

2019년 7월 17일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2024년 2월 7일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 2월 6일

마지막으로 확인됨

2024년 2월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • 2019.421

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. .

골육종에 대한 임상 시험

컴퓨터 단층 촬영에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Tanzania

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다