DERM NMSC 검증 연구
2022년 5월 17일 업데이트: Skin Analytics Limited
비흑색종 피부암(NMSC) 및 양성 피부 병변을 진단하기 위한 이미지 분석 알고리즘(DERM)의 효율성을 Gold Standard 임상 및 조직학적 진단과 비교
본 연구는 피부 병변 영상을 분석하여 기저세포암종(BCC)과 편평세포암종(SCC) 및 자주 관찰되는 양성 질환의 존재 여부를 판단하기 위한 인공지능(AI) 알고리즘(DERM)의 유효성을 확립하는 것을 목적으로 한다. 흔히 볼 수 있는 스마트폰 카메라로 찍은 사진.
연구 개요
상세 설명
인공지능(AI) 기반 진단 지원 도구인 DERM은 의심스러운 피부 병변(점)의 과거 이미지에서 비흑색종 피부암(NMSC) 및 기타 상태를 정확하게 식별할 수 있는 것으로 나타났습니다. 이 연구는 DERM이 임상 환경에서 수집된 피부 병변의 이미지에서 이러한 조건의 존재를 얼마나 잘 결정하는지 확인하는 것을 목표로 합니다.
피부과 전문의의 진단이 예정된 의심스러운 피부 병변과 건강한 피부 패치는 특정 렌즈가 부착된 세 대의 스마트폰 카메라를 사용하여 촬영됩니다. 이미지는 DERM에 의해 분석되고 결과는 임상의의 진단(모든 병변) 및 조직학적으로 일치하는 진단(생검된 모든 병변)과 비교됩니다.
연구 유형
관찰
등록 (실제)
572
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
-
London, 영국, NW3 2QG
- Royal Free London NHS Foundation Trust
-
Newcastle Upon Tyne, 영국, NE7 7DN
- Royal Victoria Infirmary
-
Poole, 영국, BH15 2JB
- Poole General 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
14년 이상 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
의심되는 피부병변이 1개 이상 있는 피부과에 다니는 환자
설명
포함 기준:
- 참가자는 연구 참여에 대해 정보에 입각한 동의를 할 의향과 능력이 있습니다.
- 만 18세 이상 남녀,
- 사진 촬영에 적합한 최소한 의심스러운 피부 병변이 있어야 합니다(
- 연구자의 의견으로는 모든 연구 요건을 따를 수 있고 따를 의향이 있습니다.
제외 기준:
- 연구자의 의견에 따라 연구 참여로 인해 참가자를 위험에 빠뜨릴 수 있거나 연구 결과 또는 연구에 참여할 수 있는 참가자의 능력에 영향을 미칠 수 있는 기타 중요한 질병 또는 장애
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
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
모든 환자
모집 된 참가자는 피부암이 의심되는 피부 병변이 하나 이상 있는 피부과 클리닉에 참석할 것입니다.
촬영에 적합한 모든 의심 병변은 한 번의 방문으로 6회 촬영됩니다.
각 병변의 매크로 및 피부경 이미지는 Dermlite DL1 렌즈가 부착된(매크로 이미지) 또는 부착된(피부경 이미지) 아이폰, 삼성 및 노키아 스마트폰의 세 가지 다른 휴대폰으로 캡처됩니다.
건강한 피부의 피부경 이미지도 각 카메라로 캡처됩니다.
병변의 이미지는 DERM에 의해 분석됩니다.
생검된 병변에 대한 DERM 결과는 생검 결과와 비교됩니다. 생검되지 않은 병변에 대한 DERM 결과는 임상 평가와 비교됩니다.
|
AI 기반 진단 지원 도구
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
생검된 병변의 이미지를 분석할 때 DERM 성능의 AUROC
기간: 연구 완료
|
조직병리학적으로 확인된 진단을 금본위제로 사용한 생검 병변의 DERM 결과의 AUROC(수신기 작동 특성 곡선 아래 면적)
|
연구 완료
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
생검되지 않은 병변의 이미지를 분석할 때 DERM 성능의 AUROC
기간: 학습 완료: 평균 2일
|
생검 병변의 DERM 결과의 AUROC(Area Under the Receiver Operating Characteristic Curve), 임상 진단을 금본위제로 사용
|
학습 완료: 평균 2일
|
|
생검된 병변을 평가하기 위해 사용될 때 DERM의 민감도
기간: 학습 완료: 평균 2일
|
생검된 병변을 평가하기 위해 사용될 때 DERM의 민감도
|
학습 완료: 평균 2일
|
|
생검 병변을 평가하는 데 사용되는 DERM의 특이성
기간: 학습 완료: 평균 2일
|
생검 병변을 평가하는 데 사용되는 DERM의 특이성
|
학습 완료: 평균 2일
|
|
생검된 병변을 평가하기 위해 사용될 때 DERM의 위양성률
기간: 학습 완료: 평균 2일
|
생검된 병변을 평가하기 위해 사용될 때 DERM의 위양성률
|
학습 완료: 평균 2일
|
|
생검된 병변을 평가하기 위해 사용될 때 DERM의 위음성률
기간: 학습 완료: 평균 2일
|
생검된 병변을 평가하기 위해 사용될 때 DERM의 위음성률
|
학습 완료: 평균 2일
|
|
생검된 병변을 평가하는 데 사용될 때 DERM의 양성 예측값
기간: 학습 완료: 평균 2일
|
생검된 병변을 평가하는 데 사용될 때 DERM의 양성 예측값
|
학습 완료: 평균 2일
|
|
생검된 병변을 평가하는 데 사용될 때 DERM의 음성 예측 값
기간: 학습 완료: 평균 2일
|
생검된 병변을 평가하는 데 사용될 때 DERM의 음성 예측 값
|
학습 완료: 평균 2일
|
|
생검되지 않은 병변을 평가하기 위해 사용될 때 DERM의 민감도
기간: 학습 완료: 평균 2일
|
생검되지 않은 병변을 평가하기 위해 사용될 때 DERM의 민감도
|
학습 완료: 평균 2일
|
|
생검되지 않은 병변을 평가하기 위해 사용될 때 DERM의 특이성
기간: 학습 완료: 평균 2일
|
생검되지 않은 병변을 평가하기 위해 사용될 때 DERM의 특이성
|
학습 완료: 평균 2일
|
|
생검되지 않은 병변을 평가하기 위해 사용될 때 DERM의 위양성률
기간: 학습 완료: 평균 2일
|
생검되지 않은 병변을 평가하기 위해 사용될 때 DERM의 위양성률
|
학습 완료: 평균 2일
|
|
생검되지 않은 병변을 평가하기 위해 사용될 때 DERM의 위음성률
기간: 학습 완료: 평균 2일
|
생검되지 않은 병변을 평가하기 위해 사용될 때 DERM의 위음성률
|
학습 완료: 평균 2일
|
|
생검되지 않은 병변을 평가하는 데 사용될 때 DERM의 양성 예측값
기간: 학습 완료: 평균 2일
|
생검되지 않은 병변을 평가하는 데 사용될 때 DERM의 양성 예측값
|
학습 완료: 평균 2일
|
|
생검되지 않은 병변을 평가하는 데 사용될 때 DERM의 음성 예측 값
기간: 학습 완료: 평균 2일
|
생검되지 않은 병변을 평가하는 데 사용될 때 DERM의 음성 예측 값
|
학습 완료: 평균 2일
|
|
조직학적으로 확인된 진단과 임상 평가의 일치
기간: 학습 완료: 평균 2일
|
조직학적으로 확인된 진단과 임상 평가의 일치
|
학습 완료: 평균 2일
|
|
각 카메라의 이미지를 사용하여 생성된 DERM 결과의 일치도
기간: 학습 완료: 평균 2일
|
각 카메라의 이미지를 사용하여 생성된 DERM 결과의 일치도
|
학습 완료: 평균 2일
|
|
DERM으로 분석할 수 있는 3개의 이미지가 있는 피부 병변의 비율;
기간: 학습 완료: 평균 2일
|
DERM으로 분석할 수 있는 3개의 이미지가 있는 피부 병변의 비율;
|
학습 완료: 평균 2일
|
|
DERM으로 분석할 수 있는 판독 가능한 이미지가 1개 이상 있는 피부 병변의 비율
기간: 학습 완료: 평균 2일
|
DERM으로 분석할 수 있는 판독 가능한 이미지가 1개 이상 있는 피부 병변의 비율
|
학습 완료: 평균 2일
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
DERM 및 임상의 평가에 대한 환자 특성의 영향
기간: 학습 완료: 평균 2일
|
DERM 및 임상의 평가의 진단 정확도에 대한 환자 특성(예: 성별, 연령, 병변 위치, 전신 병변 수, Fitzpatrick 피부 유형, 과거 피부암 병력)의 영향
|
학습 완료: 평균 2일
|
|
DERM 및 임상 평가에 대한 병변 특성의 영향
기간: 학습 완료: 평균 2일
|
DERM 및 임상의 평가의 진단 정확도에 대한 병변 특성(예: 지난 6개월 동안의 성장, 단계 및 하위 유형)의 영향
|
학습 완료: 평균 2일
|
|
DERM 평가의 진단 정확도에 대한 이미지 변수의 영향
기간: 학습 완료: 평균 2일
|
DERM 평가의 진단 정확도에 대한 이미지 변수(예: 매크로 및 피부경 이미지)의 영향
|
학습 완료: 평균 2일
|
|
매크로 이미지가 알고리즘을 훈련하고 테스트 이미지로 사용되는 경우 DERM 성능(AUROC)
기간: 학습 완료: 평균 2일
|
매크로 이미지를 DERM 평가의 일부로 사용할 수 있는지 여부 탐색
|
학습 완료: 평균 2일
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
협력자
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)
2020년 6월 26일
기본 완료 (실제)
2022년 2월 28일
연구 완료 (실제)
2022년 3월 16일
연구 등록 날짜
최초 제출
2019년 9월 30일
QC 기준을 충족하는 최초 제출
2019년 10월 2일
처음 게시됨 (실제)
2019년 10월 7일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 5월 18일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 5월 17일
마지막으로 확인됨
2022년 5월 1일
추가 정보
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. .