Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

AI-Based Risk Classification and Histopathological Subtype Prediction of Basal Cell Carcinoma Using Dermoscopic Images (BCC-AI)

29 juni 2026 bijgewerkt door: Tugce Nur Izbudak Kara, Istanbul Training and Research Hospital

Risk Classification and Prediction of Histopathological Subtypes in Basal Cell Carcinoma Using a CNN-Based Artificial Intelligence Model on Dermoscopic Images

This retrospective observational study aims to develop and evaluate a convolutional neural network (CNN)-based artificial intelligence model for risk classification and histopathological subtype prediction of basal cell carcinoma (BCC) using clinical and dermoscopic images. Histopathologically confirmed BCC cases from a dermatology archive will be included. The primary objective is to assess the diagnostic performance of the CNN model in classifying BCC as low-risk or high-risk. Secondary objectives include predicting histopathological subtypes and comparing the model's performance with that of dermatology physicians. Histopathological diagnosis will serve as the reference standard. All archived data will be anonymized before analysis.

Studie Overzicht

Toestand

Toestand

Geeft de huidige wervingsstatus of de uitgebreide toegangsstatus aan.
Werving

Conditie

Conditie

De ziekte, stoornis, syndroom, aandoening of verwonding die wordt bestudeerd. Op ClinicalTrials.gov kunnen aandoeningen ook andere gezondheidsgerelateerde problemen omvatten, zoals levensduur, kwaliteit van leven en gezondheidsrisico's.

Gedetailleerde beschrijving

Basal cell carcinoma (BCC) is the most common skin malignancy and comprises histopathological subtypes with different biological behaviors, recurrence risks, and treatment implications. Accurate identification of high-risk and low-risk subtypes is important for clinical decision-making. Dermoscopy improves diagnostic accuracy in BCC; however, prediction of histopathological risk categories based solely on dermoscopic findings remains challenging.

This retrospective observational study will use archived clinical and dermoscopic images, histopathology reports, and clinical records of patients with histopathologically confirmed BCC. All data will be anonymized before analysis. Images containing identifiable patient information will be excluded.

A convolutional neural network (CNN)-based artificial intelligence model will be developed using clinical and dermoscopic images. Images will undergo preprocessing, including standardization of image size, normalization procedures, and removal of potentially identifiable information. The dataset will be divided into training, validation, and test sets while maintaining separation at the patient level to avoid data leakage.

The primary outcome is the diagnostic performance of the CNN model for classification of BCC into low-risk and high-risk histopathological groups. Secondary outcomes include prediction of histopathological subtypes and comparison of model performance with dermatologist assessments. Histopathological diagnosis will serve as the reference standard.

Model performance will be evaluated using accuracy, sensitivity, specificity, precision, recall, F1 score, and area under the receiver operating characteristic curve (ROC-AUC). Comparisons between the artificial intelligence model and physician assessments will be performed using appropriate statistical methods. Interobserver agreement may also be assessed when applicable.

Studietype

Studietype

Beschrijft de aard van een klinische studie. Onderzoekstypen omvatten interventionele studies (ook wel klinische studies genoemd), observationele studies (inclusief patiëntenregistraties) en uitgebreide toegang.
Observationeel

Inschrijving (Geschat)

Inschrijving

Het aantal deelnemers aan een klinische studie. De "verwachte" inschrijving is het beoogde aantal deelnemers dat de onderzoekers nodig hebben voor het onderzoek.
2500

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studiecontact

De naam en contactgegevens van de persoon die inschrijvingsvragen voor een klinische studie kan beantwoorden. Ook kan elke locatie waar het onderzoek wordt uitgevoerd een specifieke contactpersoon hebben, die die vragen wellicht beter kan beantwoorden.

Studie Locaties

  • Turkije (Türkiye)
    • Istanbul
      • Istanbul, Istanbul, Turkije (Türkiye), 34000
        • Werving
        • Istanbul Training and Research Hospital
        • Contact:
        • Contact:
        • Hoofdonderzoeker:
          • Ayse Esra Koku Aksu, MD
        • Onderonderzoeker:
          • Tugce Nur Izbudak Kara, MD
        • Onderonderzoeker:
          • Duygu Yamen, MD

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Geschiktheidscriteria

De belangrijkste eisen waaraan mensen die willen deelnemen aan een klinische studie moeten voldoen of de eigenschappen die ze moeten hebben. Geschiktheidscriteria bestaan ​​uit zowel inclusiecriteria (die vereist zijn voor een persoon om deel te nemen aan het onderzoek) als uitsluitingscriteria (die voorkomen dat een persoon deelneemt). Soorten geschiktheidscriteria zijn onder meer of een onderzoek gezonde vrijwilligers accepteert, leeftijds- of leeftijdsgroepvereisten heeft, of wordt beperkt door geslacht.

Leeftijden die in aanmerking komen voor studie

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

The study population consists of patients with histopathologically confirmed basal cell carcinoma who have dermoscopic images of sufficient quality for artificial intelligence analysis and documented histopathological subtype information. Archived clinical and dermoscopic images collected at Istanbul Training and Research Hospital will be retrospectively analyzed.

Beschrijving

Inclusion Criteria:

  • Patients with histopathologically confirmed basal cell carcinoma.
  • Cases with a specified histopathological subtype.
  • Availability of dermoscopic images with sufficient image quality and resolution for artificial intelligence analysis.

Exclusion Criteria:

  • Cases without histopathological confirmation of basal cell carcinoma.
  • Cases with unspecified histopathological subtype.
  • Images with insufficient quality or resolution for artificial intelligence analysis.
  • Cases without available dermoscopic images.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort

Groep / Cohort

Een groep of subgroep van deelnemers aan een observationele studie die wordt beoordeeld op biomedische of gezondheidsresultaten.
Low-Risk Basal Cell Carcinoma
Patients with histopathologically confirmed low-risk basal cell carcinoma, including nodular, superficial, pigmented, adenoid, solid, and nodulocystic subtypes. Clinical and dermoscopic images will be used for artificial intelligence-based risk classification and subtype prediction.
High-Risk Basal Cell Carcinoma
Patients with histopathologically confirmed high-risk basal cell carcinoma, including infiltrative, micronodular, morpheaform, and basosquamous subtypes. Clinical and dermoscopic images will be used for artificial intelligence-based risk classification and histopathological subtype prediction.

Wat meet het onderzoek?

Primaire uitkomstmaten

Primaire uitkomstmaten

In het protocol van een klinische studie, de geplande uitkomstmaat die het belangrijkst is voor het evalueren van het effect van een interventie/behandeling. De meeste klinische onderzoeken hebben één primaire uitkomstmaat, maar sommige hebben er meer dan één.
Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Accuracy of artificial intelligence-based classification of basal cell carcinoma risk groups
Tijdsspanne: Baseline
Diagnostic accuracy of the convolutional neural network model in distinguishing low-risk and high-risk basal cell carcinoma using dermoscopic images, compared with histopathological diagnosis as the reference standard.
Baseline

Secundaire uitkomstmaten

Secundaire uitkomstmaten

In het protocol van een klinische studie, een geplande uitkomstmaat die niet zo belangrijk is als de primaire uitkomstmaat voor het evalueren van het effect van een interventie, maar die nog steeds van belang is. De meeste klinische onderzoeken hebben meer dan één secundaire uitkomstmaat.
Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Diagnostic accuracy (accuracy, sensitivity, specificity, F1-score and ROC-AUC) of convolutional neural network for histopathological subtype prediction of basal cell carcinoma using dermoscopic images
Tijdsspanne: baseline
Diagnostic performance of the convolutional neural network in predicting histopathological subtypes of basal cell carcinoma from dermoscopic images compared with histopathological diagnosis (reference standard). Diagnostic accuracy will be assessed using accuracy, sensitivity, specificity, precision, F1-score and ROC-AUC.
baseline
Diagnostic accuracy (accuracy, sensitivity, specificity, F1-score and ROC-AUC) of artificial intelligence compared with dermatologists for basal cell carcinoma risk classification
Tijdsspanne: baseline
Comparison of diagnostic performance between the artificial intelligence model and dermatologists in risk classification of basal cell carcinoma. Performance will be assessed using accuracy, sensitivity, specificity, precision, F1-score and ROC-AUC.
baseline

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Sponsor

De organisatie of persoon die het onderzoek initieert en die autoriteit en controle heeft over het onderzoek.
Istanbul Training and Research Hospital

Onderzoekers

Onderzoekers

Een onderzoeker die betrokken is bij een klinische studie. Verwante termen zijn onder meer hoofdonderzoeker van de locatie, subonderzoeker van de locatie, onderzoeksvoorzitter, onderzoeksleider en hoofdonderzoeker van de studie.
  • Hoofdonderzoeker: Ayse Esra Koku Aksu, MD, Istanbul Training and Research Hospital

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

Studie start

De daadwerkelijke datum waarop de eerste deelnemer aan een klinische studie deelnam. De "verwachte" startdatum van de studie is de datum waarvan de onderzoekers denken dat deze de startdatum van de studie zal zijn.
22 mei 2026

Primaire voltooiing (Geschat)

Primaire voltooiing

De datum waarop de laatste deelnemer aan een klinische studie is onderzocht of een interventie heeft ondergaan om definitieve gegevens voor de primaire uitkomstmaat te verzamelen. Of de klinische studie volgens het protocol is beëindigd of is beëindigd, heeft geen invloed op deze datum. Voor klinische onderzoeken met meer dan één primaire uitkomstmaat met verschillende voltooiingsdata verwijst deze term naar de datum waarop de gegevensverzameling voor alle primaire uitkomstmaten is voltooid. De "verwachte" primaire voltooiingsdatum is de datum waarvan de onderzoekers denken dat deze de primaire voltooiingsdatum voor het onderzoek zal zijn.
22 mei 2027

Studie voltooiing (Geschat)

Studie voltooiing

De datum waarop de laatste deelnemer aan een klinisch onderzoek is onderzocht of een interventie/behandeling heeft ondergaan om definitieve gegevens te verzamelen voor de primaire uitkomstmaten, secundaire uitkomstmaten en bijwerkingen (d.w.z. het laatste bezoek van de laatste deelnemer). De "verwachte" voltooiingsdatum van de studie is de datum waarvan de onderzoekers denken dat deze de voltooiingsdatum van de studie zal zijn.
22 mei 2027

Studieregistratiedata

Eerst ingediend

Eerst ingediend

De datum waarop de onderzoekssponsor of onderzoeker voor het eerst een onderzoeksdossier heeft ingediend bij ClinicalTrials.gov. Er is meestal een vertraging van een paar dagen tussen de eerste ingediende datum en de beschikbaarheid van het dossier op ClinicalTrials.gov (de eerste geposte datum).
19 juni 2026

Eerst ingediend dat voldeed aan de QC-criteria

Eerst ingediend dat voldeed aan de QC-criteria

De datum waarop de onderzoekssponsor of onderzoeker voor het eerst een onderzoeksdossier indient dat consistent is met de beoordelingscriteria voor kwaliteitscontrole (QC) van de National Library of Medicine (NLM). De sponsor of onderzoeker moet mogelijk een of meerdere keren een onderzoeksdossier herzien en indienen voordat aan de QC-beoordelingscriteria van NLM wordt voldaan. Het is de verantwoordelijkheid van de sponsor of onderzoeker om ervoor te zorgen dat het onderzoeksdossier consistent is met de NLM QC-beoordelingscriteria.
29 juni 2026

Eerst geplaatst (Werkelijk)

Eerst geplaatst

De datum waarop het onderzoeksdossier voor het eerst beschikbaar was op ClinicalTrials.gov nadat de beoordeling van de kwaliteitscontrole (QC) van de National Library of Medicine (NLM) is afgerond. Er is meestal een vertraging van een paar dagen tussen de datum waarop de onderzoekssponsor of onderzoeker het onderzoeksdossier heeft ingediend en de eerste geposte datum.
30 juni 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

Laatste update geplaatst

De meest recente datum waarop wijzigingen in een onderzoeksdossier beschikbaar zijn gemaakt op ClinicalTrials.gov. Er kan een vertraging optreden tussen het moment waarop de wijzigingen zijn ingediend bij ClinicalTrials.gov door de sponsor of onderzoeker van het onderzoek (de datum waarop de laatste update is ingediend) en de datum waarop de laatste update is gepost.
30 juni 2026

Laatste update ingediend die voldeed aan QC-criteria

Laatste update ingediend die voldeed aan QC-criteria

De meest recente datum waarop de onderzoekssponsor of onderzoeker wijzigingen in een onderzoeksdossier heeft ingediend die in overeenstemming zijn met de beoordelingscriteria voor kwaliteitscontrole (QC) van de National Library of Medicine (NLM). Het is de verantwoordelijkheid van de sponsor of onderzoeker om ervoor te zorgen dat het onderzoeksdossier consistent is met de NLM QC-beoordelingscriteria.
29 juni 2026

Laatst geverifieerd

Laatst geverifieerd

De meest recente datum waarop de onderzoekssponsor of onderzoeker de informatie over een klinisch onderzoek op ClinicalTrials.gov als nauwkeurig en actueel heeft bevestigd. Indien een studie met een wervingsstatus van werving; nog niet aan het werven; of actief, geen rekrutering is niet bevestigd in de afgelopen 2 jaar, de rekruteringsstatus van de studie wordt weergegeven als onbekend.
1 juni 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

Andere studie-ID-nummers

Identificatoren of ID-nummers anders dan het NCT-nummer die aan een klinisch onderzoek zijn toegewezen door de sponsor, financiers of anderen van het onderzoek. Deze nummers kunnen unieke identificatoren van andere onderzoeksregisters en subsidienummers van de National Institutes of Health bevatten.
  • SBU-IEAH-DERM-BCCAI-163
  • IEAH-EC-163 (Andere identificatie: Istanbul Training and Research Hospital Non-Interventional Clinical Research Ethics Committee)

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

JA

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Cookie-instellingen

We gebruiken cookies om ervoor te zorgen dat we u de beste ervaring op onze website bieden. Lees ons privacy- en cookiebeleid voor meer informatie. ...>>>U kunt uw voorkeuren op elk moment wijzigen of uw toestemming intrekken door de cookies van uw website of computer te verwijderen zoals beschreven in het beleid. Accepteer het en kies uw voorkeuren door de overeenkomstige vakjes aan te vinken in het gedeelte "Instellingen beheren" hieronder. Lees onze Servicevoorwaarden zorgvuldig door voordat u verder gaat met het gebruiken van enig onderdeel van deze website.
«Beheer instellingen