Evaluation of Use of Diagnostic AI for Lung Cancer in Practice
20 juli 2019 bijgewerkt door: Ensemble Group Holdings, LLC
This study investigates ways of improving radiologists performance of the classification of CT-scans as cancerous or non-cancerous.
Participants interact with an AI to classify CT-scans under three different conditions.
Studie Overzicht
Gedetailleerde beschrijving
The three conditions are as follows: "probabilistic classification", where the radiologist diagnoses scans using an AI cancer likelihood score; "classification plus detection", where the radiologist see detecting lung nodules in addition to the AI's probabilistic classification score before making her own examination of the CT-scan; and "classification with delayed detection", where the radiologist identifies regions of interest independently of the AI and then sees the AI's detected ROIs.
Studietype
Ingrijpend
Inschrijving (Verwacht)
15
Fase
- Niet toepasbaar
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
-
Hong Kong, Hongkong
- University of Hong Kong
-
-
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
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Nee
Geslachten die in aanmerking komen voor studie
Allemaal
Beschrijving
Inclusion Criteria:
- The participant performs radiology screenings professionally
Exclusion Criteria:
-
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
- Primair doel: Diagnostisch
- Toewijzing: Gerandomiseerd
- Interventioneel model: Crossover-opdracht
- Masker: Enkel
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: Probabilistic Classification
Radiologists see a "score" from 1-100 that represents the AI's prediction of whether the CT-scan comes from a patient with cancer or not before beginning their analysis of the scan.
|
Exploring what kinds of AI-human interaction improve radiologists detection accuracy.
|
|
Experimenteel: Classification Plus Detection
Radiologists see a "score" from 1-100 that represents the AI's prediction of whether the CT-scan comes from a patient with cancer or not before beginning their analysis of the scan.
They also see ROIs identified by the AI that represent lung nodules.
|
Exploring what kinds of AI-human interaction improve radiologists detection accuracy.
|
|
Experimenteel: Classification With Delayed Detection
Radiologists see a "score" from 1-100 that represents the AI's prediction of whether the CT-scan comes from a patient with cancer or not before beginning their analysis of the scan.
After identifying their own ROIs, the radiologist then can see ROIs identified by the AI that represent lung nodules before making final decisions.
|
Exploring what kinds of AI-human interaction improve radiologists detection accuracy.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Classification accuracy
Tijdsspanne: up to 4 months after initiation of evaluation of the test set
|
This compares radiologists' classifications with the ground truth in the tested cases.
|
up to 4 months after initiation of evaluation of the test set
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
detection concordance
Tijdsspanne: up to 4 months after initiation of evaluation of the test set
|
Evaluation of concordance between radiologists in the tested cases in detection of lung nodules > 4 mm
|
up to 4 months after initiation of evaluation of the test set
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
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)
14 december 2018
Primaire voltooiing (Verwacht)
15 december 2019
Studie voltooiing (Verwacht)
15 december 2019
Studieregistratiedata
Eerst ingediend
16 december 2018
Eerst ingediend dat voldeed aan de QC-criteria
17 december 2018
Eerst geplaatst (Werkelijk)
19 december 2018
Updates van studierecords
Laatste update geplaatst (Werkelijk)
23 juli 2019
Laatste update ingediend die voldeed aan QC-criteria
20 juli 2019
Laatst geverifieerd
1 juli 2019
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- EN-122018
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Onbeslist
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 .