피부 전문가를 위한 AI 증강 교육 (AISC-SS)
피부암 전문의를 위한 피부암 진단 인공지능 증강 훈련
배경:
전 세계적으로 피부암 발병률은 50년 동안 증가해 왔으며, 특히 악성 흑색종 발병률은 약 1년 동안 증가했습니다. 연간 2-7%이며 15-34세 덴마크인들 사이에서 가장 흔한 암입니다. 현재 피부암과 사마귀암에 대한 오진이 상당하며 대부분 절제된 피부 병변은 양성이다.
이전 연구에서는 임상 작업의 처음 6년 동안 의사의 진단 정확도가 크게 증가하지 않는 것으로 나타났습니다.
양성-악성 비율을 낮출 수 있다면 건강한 사람들에게 지출하는 자원을 더 잘 활용할 수 있습니다. 이것은 일상적인 임상 실습 중에 의사를 더 잘 교육함으로써 잠재적으로 수행될 수 있습니다.
목표:
본 연구의 목적은 전문 피부암 센터의 의사들 사이에서 피부암의 진단 정확도 및 임상 결정에 대한 AI 증강 훈련 및 임상 피드백의 용량/반응 효과를 조사하는 것입니다.
연구 질문: 진단 정확도와 임상 결정이 변경되기 전에 전문 의사가 얼마나 훈련해야 합니까?
연구 개요
상세 설명
설계:
이 연구는 피부암 및 점암을 진단 및/또는 치료하는 고도로 전문화된 센터의 의사를 대상으로 하는 국제 다기관 무작위 통제 시험으로 설계된 우월성 시험입니다.
무작위화 적격 참가자는 1:1 비율로 개입 또는 통제 그룹으로 무작위 배정됩니다.
간섭:
그룹 A의 참가자는 연구 그룹이 개발한 디지털 교육 온라인 시스템에 대한 액세스 권한이 부여되고, 연구 그룹이 개발한 등록 앱(임상 및 피부 내시경 사진 및 임상 데이터)에서 본 모든 피부 병변을 등록하도록 요청받고, 등록된 모든 피부 병변에 대한 임상 피드백이 제공됩니다.
그룹 B의 참가자도 첫날부터 모든 피부 병변을 등록하라는 요청을 받고 그룹 A의 참가자로서 이에 대한 피드백을 받지만 2개월 동안 디지털 교육 온라인 시스템에 대한 액세스가 보류됩니다.
제거/생검된 피부 병변에 대한 피드백은 병리학자로부터 직접 제공되며, 병리학자는 문제의 환자 및 피부 병변의 사진 및 임상 데이터에 쉽게 액세스할 수 있습니다.
통계:
디지털 교육 온라인 시스템 사용 시간의 영향으로 참여 의사 모집단의 평균 진단 정확도 증가는 GEE(Generalized Estimating Equations)를 사용하여 계산됩니다.
양성 병변은 악성이 의심되지 않는 다른 이유로 절제/치료가 가능하므로, 정확하게 진단된 양성 병변에 대해 다른 이유로(미관적 또는 기능적 불만 등) 치료된 경우를 별도로 분석합니다.
대부분의 환자가 소개 전에 이미 GP의 진료를 받았음에도 불구하고 등록된 병변의 대부분이 양성일 것으로 예상합니다.
윤리적 고려 사항:
피부경 평가는 피부 병변의 임상 검사의 일부이기 때문에 환자 참여에는 환자에게 즉각적인 부담이나 불편함이 없으며 현재 임상 관행에 변화가 없습니다. 캡처된 이미지는 환자에게 위험 없이 안전하게 익명으로 저장됩니다.
현재 젊은 의사들의 낮은 진단 정확도로 인해 개입의 교육적 특성은 오진 가능성이 적은 피부 병변이 있는 미래의 모든 환자를 위한 연구를 정당화합니다.
의사에 대한 교육적 중재는 덴마크 국립보건연구윤리위원회(National Committee on Health Research Ethics)의 승인을 필요로 하지 않습니다. 그러나 윤리적 고려가 이루어졌으며 프로젝트는 헬싱키 선언 II와 일치합니다.
연구 유형
등록 (실제)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
-
Copenhagen, 덴마크, 2730
- Herlev Hospital
-
Copenhagen, 덴마크, 2900
- Gentofte Hospital
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 의사는 전문 피부과(피부과 또는 성형외과 등)에서 근무해야 합니다.
- 의사는 등록된 공인 의료인이어야 합니다.
제외 기준:
- 이전에 DermLoop Learn 교육 개입에 대한 액세스 권한을 받은 의사
- 현재 소속 부서와의 소속이 2개월 미만인 의사
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
다른: 그룹 A
이 그룹은 AI 증강 디지털 온라인 교육 시스템과 두 가지 모듈(교육 모듈 및 임상 피드백 모듈)에 대한 액세스 권한을 받게 됩니다.
등록된 병변에 대한 지속적인 임상 피드백을 받게 됩니다.
|
DermLoop Learn은 10,000개 이상의 양성 및 악성 피부 병변 라이브러리에 대한 사례 교육과 가장 일반적인 피부 병변 진단을 위한 서면 학습 모듈을 갖춘 AI 증강 디지털 온라인 교육 시스템입니다.
|
|
간섭 없음: 그룹 B
이 그룹은 2개월 동안 AI 증강 디지털 온라인 교육 시스템에 대한 액세스가 보류됩니다. 2개월 지연 후 그룹의 피험자는 그룹 A의 참가자와 동일한 액세스 권한이 부여됩니다. |
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
투여량/반응
기간: 2 년
|
참여 의사의 교육 시스템 사용 시간과 진단 정확도 변화 사이의 선량/반응
|
2 년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
BMR
기간: 2 년
|
피부암이 의심되는 치료/의뢰/집으로 보내진 병변의 양성 대 악성 비율(BMR)의 차이.
|
2 년
|
|
진단 정확도의 객관식 설문지 예측 가능성
기간: 2 개월
|
기준선과 0개월 및 2개월에 MCQ에서 측정된 진단 정확도와 점수 사이의 상관관계.
|
2 개월
|
|
추천
기간: 2 년
|
시술 전과 후의 피부과 통제군과 중재군의 성형외과 의뢰 건수 변화.
|
2 년
|
공동 작업자 및 조사자
스폰서
수사관
- 수석 연구원: Gustav G Nervil, MD, Herlev Hospital
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
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. .