- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT04949776
코르도바의 유방암 검진 프로그램의 인공 지능(AITIC) (AITIC)
디지털 유방 조영술 및 디지털 유방 단층영상 합성을 통해 코르도바의 유방암 검진 프로그램에서 인공 지능을 기반으로 한 새로운 전략. 예상 평가.
유방 검진(Transpara®)에 인공 지능 소프트웨어를 사용하면 암 가능성이 매우 낮은 연구를 식별할 수 있습니다.
이 작업에서 제기된 가설은 인공 지능에 기반한 읽기 전략(Transpara®를 사용하여 점수가 > 7인 사례만 단일 또는 이중 읽기)을 통해 선별 프로그램의 작업량을 표준에 비해 50% 이상 줄일 수 있다는 것입니다. 2D 디지털 유방조영술 및 단층영상 합성 또는 3D 유방조영술을 사용하여 프로그램의 탐지율 및 회수 측면에서 열등하지 않은 상태에서 프로그램 판독(Transpara® 없이 모든 사례의 이중 판독).
연구 개요
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 연락처
- 이름: Esperanza Elias Cabot, MD
- 전화번호: 0034957213700
- 이메일: eeliascabot@gmail.com
연구 연락처 백업
- 이름: Cristina Amate
- 전화번호: 0034957213700
- 이메일: cristina.amate@imibic.org
연구 장소
-
-
-
Córdoba, 스페인, 14004
- 모병
- Hospital Universitario Reina Sofia
-
연락하다:
- Esperanza Elias Cabot, MD
- 이메일: eeliascabot@gmail.com
-
연락하다:
- Cristina Amate
- 이메일: cristina.amate@imibic.org
-
수석 연구원:
- Esperanza Elias Cabot, MD
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 50~69세 사이의 레이나 소피아 대학병원 병원 구역에서 유방암 조기 발견 프로그램에 초대된 모든 여성은 2024호와 2001호에 소환되어 동의서에 서명하여 연구 참여에 동의합니다.
- 정해진 기간에 프로그램에 참여하고 이전에 참여한 여성.
- 정해진 기간에 처음으로 프로그램에서 공부하는 여성.
제외 기준:
- 정보에 입각한 동의서에 서명하여 연구 참여에 동의하지 않는 프로그램에 초대된 여성.
- 유방 보형물을 착용한 여성.
- 유방암이 의심되는 증상이나 징후가 있는 여성.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 해당 없음
- 중재 모델: 단일 그룹 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
---|---|
실험적: Transpara 소프트웨어 유무에 관계없이 모든 사례의 이중 판독
|
연구에 참여하는 여성에서 유방조영상 판독을 위한 두 가지 전략이 수행됩니다. 전략 1: 프로그램의 표준 읽기. 인공 지능 시스템(표준 전략) 없이 모든 사례에 대한 이중 독립적 및 비동의 판독. 전략 2: Transpara®가 부여한 글로벌 점수를 기반으로 한 읽기 전략(인공 지능 기반 전략):
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
각 전략의 워크로드 평가
기간: 연구 중간에 1년.
|
각 전략의 작업량은 해당 전략의 판독 평균 시간에 해당 전략의 총 판독 수를 곱하여 평가해야 합니다. 각 전략의 사례 평균 읽기 시간은 각 전략의 500개 사례 샘플에서 개별 읽기 시간을 측정하여 계산합니다. |
연구 중간에 1년.
|
각 전략의 워크로드 평가
기간: 연구가 끝나면 2년 후.
|
각 전략의 작업량은 해당 전략의 판독 평균 시간에 해당 전략의 총 판독 수를 곱하여 평가해야 합니다. 각 전략의 사례 평균 읽기 시간은 각 전략의 500개 사례 샘플에서 개별 읽기 시간을 측정하여 계산합니다. |
연구가 끝나면 2년 후.
|
탐지율
기간: 연구 중간에 1년.
|
검진 대상자 중 유방암 진단을 받은 여성의 비율.
|
연구 중간에 1년.
|
탐지율
기간: 연구가 끝나면 2년 후.
|
검진 대상자 중 유방암 진단을 받은 여성의 비율.
|
연구가 끝나면 2년 후.
|
리콜 또는 추천 비율
기간: 연구 중간에 1년.
|
선별검사 후 유방진단과로 의뢰된 여성의 비율.
|
연구 중간에 1년.
|
리콜 또는 추천 비율
기간: 연구가 끝나면 2년 후.
|
선별검사 후 유방진단과로 의뢰된 여성의 비율.
|
연구가 끝나면 2년 후.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
추천의 긍정적인 예측 가치
기간: 연구 중간에 1년.
|
병원에 의뢰된 여성 중 유방암 진단을 받은 여성의 비율.
|
연구 중간에 1년.
|
추천의 긍정적인 예측 가치
기간: 연구가 끝나면 2년 후.
|
병원에 의뢰된 여성 중 유방암 진단을 받은 여성의 비율.
|
연구가 끝나면 2년 후.
|
생검의 양성 예측값
기간: 연구 중간에 1년.
|
생검을 받는 모든 여성 중 유방암에 걸린 여성의 비율.
|
연구 중간에 1년.
|
생검의 양성 예측값
기간: 연구가 끝나면 2년 후.
|
생검을 받는 모든 여성 중 유방암에 걸린 여성의 비율.
|
연구가 끝나면 2년 후.
|
Transpara® 점수의 긍정적 예측값
기간: 연구 중간에 1년.
|
주어진 점수를 가진 여성들 사이에서 진단된 유방암의 비율.
|
연구 중간에 1년.
|
Transpara® 점수의 긍정적 예측값
기간: 연구가 끝나면 2년 후.
|
주어진 점수를 가진 여성들 사이에서 진단된 유방암의 비율.
|
연구가 끝나면 2년 후.
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Esperanza Elias Cabot, MD, Hospital Universitario Reina Sofia de Cordoba
간행물 및 유용한 링크
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.
- 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.
- 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.
- 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.
- Yala A, Schuster T, Miles R, Barzilay R, Lehman C. A Deep Learning Model to Triage Screening Mammograms: A Simulation Study. Radiology. 2019 Oct;293(1):38-46. doi: 10.1148/radiol.2019182908. Epub 2019 Aug 6.
- Le EPV, Wang Y, Huang Y, Hickman S, Gilbert FJ. Artificial intelligence in breast imaging. Clin Radiol. 2019 May;74(5):357-366. doi: 10.1016/j.crad.2019.02.006. Epub 2019 Mar 18.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
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 연구와 관련된 용어
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
IPD 공유 기간
IPD 공유 액세스 기준
IPD 공유 지원 정보 유형
- 연구_프로토콜
- ICF
- CSR
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .
유방암에 대한 임상 시험
-
Georgetown UniversityNational Cancer Institute (NCI); American Cancer Society, Inc.; Susan G. Komen Breast Cancer...완전한
-
University of UtahNational Cancer Institute (NCI)모병피로 | 좌식 생활 | 전이성 전립선암 | IV기 전립선암 AJCC(American Joint Committee on Cancer) v8 | IVA기 전립선암 AJCC(American Joint Committee on Cancer) v8 | IVB기 전립선암 AJCC(American Joint Committee on Cancer) v8미국
-
Jonsson Comprehensive Cancer Center아직 모집하지 않음전립선암 | IVB기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Rashmi Verma, MDNational Cancer Institute (NCI)모병거세저항성 전립선암 | 전이성 전립선 선암종 | IVB기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer Center빼는전립선 선암종 | 2기 전립선암 AJCC v8 | IIC기 전립선암 AJCC v8 | IIA기 전립선암 AJCC v8 | IIB기 전립선암 AJCC v8 | 1기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer CenterMiraDX모집하지 않고 적극적으로전립선 선암종 | 2기 전립선암 AJCC v8 | IIC기 전립선암 AJCC v8 | IIA기 전립선암 AJCC v8 | IIB기 전립선암 AJCC v8 | 1기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer Center종료됨거세저항성 전립선암 | 전이성 전립선암 | IVA기 전립선암 AJCC v8 | IVB기 전립선암 AJCC v8 | IV기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer CenterProgenics Pharmaceuticals, Inc.종료됨2기 전립선암 AJCC v8 | IIIA기 전립선암 AJCC v8 | IIIB기 전립선암 AJCC v8 | IIC기 전립선암 AJCC v8 | 3기 전립선암 AJCC v8 | IIIC기 전립선암 AJCC v8 | IIA기 전립선암 AJCC v8 | IIB기 전립선암 AJCC v8 | 1기 전립선암 American Joint Committee on Cancer(AJCC) v8미국
-
Jonsson Comprehensive Cancer Center종료됨생화학적으로 재발하는 전립선암 | 전이성 전립선암 | 뼈의 전이성 악성 신생물 | IVA기 전립선암 AJCC v8 | IVB기 전립선암 AJCC v8 | IV기 전립선암 American Joint Committee on Cancer(AJCC) v8미국