조직병리학 이미지를 바탕으로 유방암을 분류하는 AI 모델
조직병리학 영상을 활용한 유방암 분류를 위한 인공지능 알고리즘에 관한 연구
만연하고 잠재적으로 치명적인 질병인 유방암은 환자 결과를 개선하기 위해 조기에 정확한 발견이 필요함을 강조합니다. 현재 진단의 최적 표준인 전통적인 조직병리학적 검사는 주관성 및 낮은 효율성 등의 한계에 직면해 있습니다. 이에 대응하여 이 연구는 딥러닝 기술을 사용하여 조직병리학적 이미지로부터 침습성 유방암 유형과 비침습성 유방암 유형을 분류함으로써 유방암 진단에 혁명을 일으키고자 합니다. DCIS 및 LCIS와 같은 비침습성 암은 유관이나 소엽에 국한되는 반면, 침습성 암은 주변 조직으로 퍼지고 사례의 70%를 차지하며 결과가 좋지 않은 경우가 많습니다.
제안된 AI 모델은 진단의 정확성과 효율성을 높이고, 수동 방법을 능가하며, 다양한 의료 환경에 확장 가능한 솔루션을 제공하는 것을 목표로 합니다. 이미지 분석을 자동화함으로써 모델은 암 검진의 민주화를 추구하여 소외된 인구 집단이 접근할 수 있고 다양한 자원과 장비에 적응할 수 있도록 합니다. 궁극적으로 이 연구의 목표는 유방암 발견을 발전시키고 환자 치료를 개선하며 전 세계적으로 더 나은 치료 결과에 기여하는 것입니다.
연구 개요
상세 설명
광범위하고 잠재적으로 치명적인 질병인 유방암은 환자 결과를 향상시키기 위해 조기에 정확한 발견이 시급하다는 점을 강조합니다. 수동 조직병리학적 검사를 특징으로 하는 현재 진단 프레임워크는 주관성 및 제한된 처리량과 같은 본질적인 단점을 나타냅니다. 이에 대응하여 우리 연구는 고급 컴퓨팅 기술, 특히 딥 러닝을 활용하여 유방암 진단을 변화시키는 것을 목표로 합니다. 유방암은 침습성과 비침습성의 두 가지 주요 아형으로 분류될 수 있습니다.
흔히 상피내 유방암으로 불리는 비침습성 유방암은 주변 조직을 침범하지 않고 유관(관 상피내 암종 또는 DCIS) 또는 소엽(소엽 상피내 암종 또는 LCIS) 내에 국한된 비정상 세포를 특징으로 합니다. 이 유형은 초기 단계로 간주되며 일반적으로 그 자체로는 생명을 위협하지 않습니다. 침윤성 유방암은 원래 부위(유관 또는 소엽)에서 주변 유방 조직으로 퍼진 암입니다. 이는 전체 유방암 사례의 약 70%를 차지하며 일반적으로 현장 아형에 비해 예후가 더 나쁩니다.
유방의 의료영상은 MRI, 유방조영술, 초음파, 열화상, 컴퓨터 단층촬영, 조직병리학 등 다양한 기술을 통해 획득할 수 있습니다. 이러한 접근법 중에서 조직병리학 검사는 암의 임상 진단을 위한 최적의 표준으로 사용됩니다.
제안된 AI 모델은 침습성 및 비침습성 유방암 분류를 위한 조직병리학적 이미지 분석을 간소화하고 향상시켜 기존 방법을 능가하고 암 부위를 식별하는 신뢰할 수 있는 수단을 제공하는 것을 목표로 합니다. 이는 유방암 진단의 정확성과 효율성을 크게 향상시켜 신뢰할 수 있고 확장 가능한 솔루션에 대한 긴급한 요구를 충족시킬 것을 약속합니다. 유방암 조직병리학적 이미지 분석의 복잡한 과정을 자동화함으로써 우리의 목표는 검진을 민주화하여 더 쉽게 접근할 수 있도록 하고 서비스가 부족한 인구에게 다가가는 것입니다. 더욱이 우리 모델은 기술 혁신을 뛰어넘습니다. 이는 특히 저소득 환경에서 접근성과 확장성의 광범위한 문제를 다룹니다. 도메인 적응에 대한 연구의 초점은 다양한 의료 시설에서 모델의 정확성과 신뢰성을 보장하는 데 중요합니다. 여기에는 리소스, 장비 및 인구통계학적 요인의 차이를 수용하여 다양한 상황에 맞게 다용도로 적응할 수 있는 솔루션을 만드는 것이 포함됩니다.
요약하면, 우리의 연구는 유방암 진단의 기술적 한계를 발전시키는 것을 목표로 할 뿐만 아니라 접근성, 효율성 및 신뢰성에 있어서 혁신적인 변화를 주도하는 것을 목표로 합니다. 전통적인 방법의 특정 과제를 해결하는 AI 모델을 개발함으로써 우리는 유방암 검진에 의미 있는 영향을 미치고 궁극적으로 전 세계 환자의 조기 발견, 맞춤형 치료 및 향상된 결과를 제공하는 것을 목표로 합니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Taufiq Hasan, PhD
- 전화번호: +8801817579844
- 이메일: taufiq@bme.buet.ac.bd
연구 연락처 백업
- 이름: Samiha Jainab, B.Sc.
- 전화번호: +8801914556073
- 이메일: jainab.samiha@gmail.com
연구 장소
-
-
-
Dhaka, 방글라데시, 1212
- 모병
- National Institute of Cancer Research & Hospital (NICRH)
-
연락하다:
- Farida Arjuman, FCPS, MCPS
- 전화번호: +8801715520165
- 이메일: drarju35cmc@gmail.com
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 모든 연령의 여성 환자를 피험자로 선택할 수 있습니다.
- 유방암 검진에 참여하고자 하는 개인입니다.
- 생검 검사의 가용성.
- 현재 또는 이전에 유방암 진단을 받은 적이 없는 여성.
- 확인 및 비교 목적을 위한 관련 의료 기록의 가용성.
제외 기준:
- 임산부는 검진 결과에 영향을 미칠 수 있고 임신 중 특별한 고려가 필요하므로 제외됩니다.
- 조직병리학적 검사가 부적절하거나 안전하지 않을 수 있는 심각한 의학적 상태 또는 상황을 가진 개인은 제외됩니다.
- 스크리닝 결과의 정확성을 방해할 수 있는 상태의 환자는 제외됩니다.
- 후속 검사는 이 연구에 포함되지 않습니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
유방의 비정상적인 세포 성장이 의심되어 생검을 받는 여성
코호트에는 유방의 비정상적인 세포 성장이 의심되어 생검을 받은 여성이 포함됩니다. 이 코호트는 양성 질환, 비침습성(현장) 유방암, 침습성 유방암을 포함한 광범위한 잠재적 진단을 포착합니다. 모든 참가자는 분석을 위해 수집된 조직병리학적 샘플을 가지고 있으며, 이는 비정상적인 세포 성장의 존재 및 유형을 결정하는 기초가 됩니다. 코호트는 유방암 발견의 진단 정확성과 효율성을 향상시키는 것을 목표로 딥러닝 기술을 사용하여 생검 샘플을 특정 범주(정상, 양성, 현장 또는 침습성)로 분류하는 연구를 진행하게 됩니다. 이 연구는 생검을 받는 여성에 초점을 맞춰 다양한 유방 조직 이상을 구별하는 데 직면하는 진단 문제를 해결하고 조기 발견과 더 나은 임상 결과에 기여하는 것을 목표로 합니다. |
생검: 이 개입에는 생검 절차를 통해 유방 조직 샘플을 수집하는 것이 포함됩니다. 이러한 샘플은 비정상적인 세포 성장에 대한 조사를 받고 있는 여성으로부터 채취되며 양성, 현장 또는 침습성 암 변화를 포함한 잠재적인 이상을 탐지하기 위해 분석됩니다. 유방절제술: 이 개입은 일반적으로 유방암의 확산을 치료하거나 예방하기 위해 수행되는 유방 조직의 외과적 제거를 의미합니다. 유방의 일부 또는 전부를 제거하는 수술이 포함될 수 있으며 침습성 유방암이나 고위험 비침습성 유방암의 경우 고려됩니다. 조직병리학: 이 개입은 생검이나 유방 절제술을 통해 수집된 유방 조직 샘플의 현미경 검사에 중점을 둡니다. 조직병리학적 분석은 세포 이상을 평가하고, 암의 존재를 확인하고, 조직을 양성, 현장 또는 침습성으로 분류하여 진단 및 치료 결정의 기초를 제공하기 위해 수행됩니다. |
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
유방 조직을 정상 양성, 현장 또는 침습성으로 분류하는 데 있어 딥러닝 모델의 정확성.
기간: 조직병리학적 영상 분석 시(생검 또는 유방절제술 후 1주일 이내) 측정합니다.
|
이 연구의 주요 결과는 유방 생검에서 얻은 조직병리학적 이미지를 양성 유방암, 현장(비침습적) 유방암, 침습성 유방암의 세 가지 범주로 분류하는 딥 러닝 모델의 진단 정확도입니다.
정확도는 모델의 예측을 전문 병리학자가 결정한 실제 진단과 비교하여 측정됩니다.
|
조직병리학적 영상 분석 시(생검 또는 유방절제술 후 1주일 이내) 측정합니다.
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Taufiq Hasan, PhD, Department of Biomedical Engineering, Bangladesh University of Engineering and Technology (BUET), Dhaka - 1205.
- 수석 연구원: Farida Arjuman, FCPS, MCPS, Department of Histopathology, National Institute of Cancer Research and Hospital (NICRH)
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 (추정된)
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
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. .