육종 평가를 위한 새로운 응용 프로그램 (NASA)
이 연구는 지방이나 근육과 같은 연조직의 덩어리가 연조직 육종이라고 불리는 암의 일종인지, 아니면 양성(비암성)인지를 판단하는 방법을 개선하는 것을 목표로 합니다. 이를 위해 조사관은 일상적인 임상 MRI 스캔, 추가 정량적 MRI 스캔 및 인공 지능을 사용할 것입니다.
이 연구의 목적은 다음과 같습니다.
일상적이고 정량적인 MR 영상을 이용하여 연조직 덩어리를 양성 또는 악성으로 정확하게 분류할 수 있는 AI 알고리즘을 개발합니다.
악성 연조직 덩어리를 병리학적 등급으로 분류합니다. 외부의 보이지 않는 테스트 세트에서 다양한 AI 모델을 비교하여 어느 것이 최고의 성능을 제공하는지 결정합니다.
참가자는 추가 이미지를 얻을 수 있도록 MRI 스캐너에서 최대 10분까지 추가 시간을 보낼 수 있는지 질문을 받게 됩니다. 조사관이 이미지와 AI 소프트웨어의 재현성을 확인할 수 있도록 소수의 참가자가 다시 초대됩니다.
연구 개요
상세 설명
이번 연구의 목적은 인공지능(AI)을 활용해 지방이나 근육 등 연조직에 생긴 혹이 연조직육종이라는 암의 일종인지, 양성인지 판단하는 방식을 개선하는 것이다.
연조직 육종은 근육이나 지방과 같은 연조직이 있는 신체의 어느 곳에서나 나타날 수 있는 암의 일종입니다. 육종은 드물지만 연조직의 양성 덩어리가 흔하며 현재 영상을 사용하여 둘 사이의 차이를 구별하는 것은 매우 어렵습니다. 이는 양성 종괴를 가진 많은 환자가 고통스러운 생검을 의뢰받고 진단 작업량이 많아 생검 대기자 명단이 길다는 것을 의미합니다.
본 연구는 양성 연조직 종괴와 악성 연조직 종괴를 구별할 수 있는 AI 알고리즘을 개발하는 것을 목표로 한다. 기존의 일상적인 데이터를 사용하여 알고리즘을 개발할 수 있지만 연구자들은 정량적 MR 이미지를 추가하면 알고리즘이 더 정확해질 수 있는지 조사하려고 합니다.
이미 육종 검사를 받고 있는 환자에게는 추가 MR 영상 획득에 동의하는지 묻는 메시지가 표시됩니다. 이 이미지는 AI에 추가 정보를 제공하는 데 사용됩니다. 추가 이미지는 환자의 표준 MRI 스캔에 최대 10분을 추가하므로 환자는 추가 여행을 하거나 추가 절차를 받을 필요가 없습니다. 연구 참가자는 이 연구의 일부로 MR 조영제를 받을 필요가 없습니다. 추가 이미지는 본 연구 중에 진단을 내리는 데 사용되지 않습니다. 연구자들이 측정값의 신뢰성을 확인할 수 있도록 소수의 환자에게 두 번째 스캔을 받을 의향이 있는지 질문을 받게 되지만 이는 전적으로 선택 사항입니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Leeds, 영국
- Leeds Teaching Hospitals
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 육종 다학제 회의에서 논의되는 연조직 종괴 환자
- 표준 치료의 일환으로 MRI 검사
- 참가자는 임상시험 참여에 대해 사전 동의를 할 의지와 능력이 있습니다.
제외 기준:
- 환자는 MRI 스캔 전에 이미 종괴 또는 종괴의 일부를 외과적으로 제거했습니다.
- MRI에 대한 금기사항(예: 금기사항인 임플란트의 존재. 심장박동조율기, 밀실공포증).
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
원래 코호트
이 코호트에는 임상 표준 MRI 스캔이 끝날 때 최대 10분의 정량적 MRI 시퀀스가 추가됩니다.
|
추가 정량적 MR 이미지를 획득하는 동안 환자는 추가로 10분 동안 스캐너에 남아 있어야 합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
진단 정확도 - 양성 및 악성 연조직 병변을 구별하기 위한 AI 알고리즘의 정확도, 민감도 및 특이성에 대한 ROC 분석
기간: 3 년
|
AI 알고리즘은 양성 연조직 병변과 악성 연조직 병변을 구별하도록 훈련됩니다.
이러한 알고리즘의 정확성을 평가하기 위해 생검/수술적 절제를 통한 환자 진단을 최적 기준으로 사용하여 알고리즘의 민감도와 특이도를 계산합니다.
|
3 년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
분류 정확도 - 악성 병변을 병리학적 등급으로 분류하기 위한 AI 알고리즘의 정확도, 민감도 및 특이성에 대한 ROC 분석
기간: 3 년
|
AI 알고리즘은 1, 2, 3등급 악성 연조직 병변을 구별하도록 훈련됩니다.
이러한 알고리즘의 정확성을 평가하기 위해 생검/수술적 절제를 통한 환자 진단을 최적 기준으로 사용하여 알고리즘의 민감도와 특이도를 계산합니다.
|
3 년
|
공동 작업자 및 조사자
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 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- MP23/150492
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
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. .
육종에 대한 임상 시험
-
Centre Leon Berard아직 모집하지 않음연조직 육종(Soft Tissue Sarcoma, STS) 진단프랑스
정량적 MRI에 대한 임상 시험
-
University of Wisconsin, MadisonNational Institute of Diabetes and Digestive and Kidney Diseases (NIDDK); Stanford University완전한
-
Seoul National University HospitalSamsung Medison완전한
-
Seoul St. Mary's HospitalBristol-Myers Squibb모병
-
Cambridge University Hospitals NHS Foundation Trust모병
-
Assistance Publique - Hôpitaux de Paris알려지지 않은
-
Assistance Publique Hopitaux De Marseille완전한
-
Assistance Publique Hopitaux De Marseille모집하지 않고 적극적으로