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

D-Lung: een analyseplatform voor longkanker op basis van deep learning-technologie

7 februari 2023 bijgewerkt door: Professor Winnie W.C. Chu, Chinese University of Hong Kong

D-Lung: een analyseplatform voor screening, diagnose en beheer van primaire longkanker op basis van deep learning-technologie

Longkanker is wereldwijd een van de belangrijkste doodsoorzaken door kanker en wordt gekenmerkt door een laag overlevingspercentage na 5 jaar van minder dan 20%. Pulmonale knobbeltje wordt beschouwd als de typische beeldvormende manifestatie in een vroeg stadium van longkanker. De National Lung Screen Trial heeft aangetoond dat de sterftecijfers enorm kunnen dalen door het gebruik van een lage dosis spiraalvormige computertomografie voor het screenen van longknobbeltjes. Automatische detectie, diagnose en behandeling van longknobbeltjes spelen dus een cruciale rol bij computerondersteunde longkankerscreening en vroege interventie.

Studie Overzicht

Toestand

Voltooid

Conditie

Longkanker

Interventie / Behandeling

Straling: computertomografie

Studietype

Observationeel

Inschrijving (Werkelijk)

130

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

Hongkong
- Shatin
  - Hong Kong, Shatin, Hongkong
    - The Chinese University of Hong Kong, Prince of Wale Hospital

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

VOLWASSEN
OUDER_ADULT
KIND

Accepteert gezonde vrijwilligers

NVT

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Dit is een enkele institutionele retrospectieve cohortstudie van patiënten in ziekenhuizen in Hong Kong, die thoracale CT hadden ondergaan voor verdachte longknobbeltjes.

Beschrijving

Inclusiecriteria:

Proefpersonen met verdachte longknobbeltjes.
Dunnelaag thoracale CT en pathologisch onderzoek zijn uitgevoerd voor verdachte longknobbeltjes.

Uitsluitingscriteria:

Proefpersonen met begeleidende laesies op CT-beelden die de analyse van longknobbeltjes kunnen verstoren

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

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat	Maatregel Beschrijving	Tijdsspanne
nauwkeurigheid Tijdsspanne: 2 jaar	deel van de echte resultaten (zowel echte positieven als echte negatieven) onder hele instanties	2 jaar
gevoeligheid Tijdsspanne: 2 jaar	echt positief percentage in percentage (%) afgeleid door ROC-analyse	2 jaar
specificiteit Tijdsspanne: 2 jaar	echt negatief percentage in percentage (%) afgeleid door ROC-analyse	2 jaar
oppervlakte onder curve (AUC) Tijdsspanne: 2 jaar	oppervlakte onder ROC-curve in procenten (%)	2 jaar

Secundaire uitkomstmaten

Uitkomstmaat	Maatregel Beschrijving	Tijdsspanne
gemiddeld aantal valse positieven per scan (FP's/scan) Tijdsspanne: 2 jaar	FP's/scan in aantal (N) op basis van analyse van free-response receiver operating Characteristic (FROC).	2 jaar
wedstrijdprestatiestatistiek (CPM) Tijdsspanne: 2 jaar	Competitive performance metric (CPM) is een criterium dat wordt gebruikt voor CAD-systeemevaluatie. Op basis van het FROC-paradigma wordt de CPM-score berekend als een gemiddelde gevoeligheid bij zeven vooraf gedefinieerde gemiddelde vals-positieve percentages. De CPM-score varieert van 0 tot 1, waarbij een hogere CPM-score betere CAD-prestaties aangeeft.	2 jaar

Medewerkers en onderzoekers

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

Sponsor

Chinese University of Hong Kong

Medewerkers

Department of Computer Science & Engineering, CUHK

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)

1 juli 2018

Primaire voltooiing (WERKELIJK)

30 juni 2020

Studie voltooiing (WERKELIJK)

30 juni 2020

Studieregistratiedata

Eerst ingediend

26 juli 2019

Eerst ingediend dat voldeed aan de QC-criteria