- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05048095
Kunstmatige intelligentie bij screening op borstkanker in de regio Östergötland Linkoping (AI-ROL)
Het gebruik van AI als derde lezer en tijdens consensus in een screeningsprogramma voor borstkanker met dubbele lezing in Zweden
Studie Overzicht
Gedetailleerde beschrijving
Het AI-kankerdetectiesysteem zal fungeren als een derde lezer en extra gevallen terugroepen naar de consensusconferentie: de examens die niet werden teruggeroepen door dubbele lezing, maar zijn geclassificeerd als de 3% meest verdachte examens, op basis van AI-afgeleide kankerrisicoscores. Ten tweede wordt AI gebruikt als beslissingsondersteuning tijdens consensus. AI-risicoscores en Computer-Aided Detection (CAD)-markeringen van verdachte calcificaties en laesies van zacht weefsel worden aan de lezer(s) verstrekt.
De hypothese van deze studie is dat het gebruik van AI de potentie heeft om de kwaliteit van het screeningsprogramma te verbeteren door het detectiepercentage van kanker te verhogen zonder het recall-percentage te beïnvloeden.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Östergötland
-
Linköping, Östergötland, Zweden, 58185
- Region Östergötland
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Vrouwen die deelnemen aan het reguliere borstkankerscreeningprogramma in de regio Östergötland Linkoping
Uitsluitingscriteria:
- Vrouwen met borstimplantaten of andere buitenlandse implantaten in het mammogram
- Vrouwen met symptomen of tekenen van vermoedelijke borstkanker
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Cohort
- Tijdsperspectieven: Prospectief
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Gescreende vrouwen in de regio Östergötland Linkoping
|
Het gebruik van AI als derde lezer en als beslissingsondersteunend systeem tijdens consensusvergaderingen
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Kankerdetectiepercentage
Tijdsspanne: Na 4 maanden opname
|
Percentage vrouwen bij wie borstkanker is vastgesteld onder degenen die na consensus zijn teruggeroepen
|
Na 4 maanden opname
|
|
Terugroep- of verwijzingspercentage
Tijdsspanne: Na 4 maanden opname
|
Percentage vrouwen dat na consensus wordt doorverwezen voor verder diagnostisch onderzoek
|
Na 4 maanden opname
|
|
Positief voorspellende waarde van verwijzingen
Tijdsspanne: Na 4 maanden opname
|
Percentage vrouwen bij wie borstkanker is vastgesteld onder de doorverwezen vrouwen
|
Na 4 maanden opname
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Positief voorspellende waarde van Transpara® scores
Tijdsspanne: Na 4 maanden opname
|
Percentage gediagnosticeerde borstkankers bij vrouwen met een bepaalde AI-score
|
Na 4 maanden opname
|
Medewerkers en onderzoekers
Onderzoekers
- Hoofdonderzoeker: Håkan Gustafsson, PhD, Linköping University - University Hospital
Publicaties en nuttige links
Algemene publicaties
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Tan T, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Mann RM, Sechopoulos I. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists. J Natl Cancer Inst. 2019 Sep 1;111(9):916-922. doi: 10.1093/jnci/djy222.
- Rodriguez-Ruiz A, Krupinski E, Mordang JJ, Schilling K, Heywang-Kobrunner SH, Sechopoulos I, Mann RM. Detection of Breast Cancer with Mammography: Effect of an Artificial Intelligence Support System. Radiology. 2019 Feb;290(2):305-314. doi: 10.1148/radiol.2018181371. Epub 2018 Nov 20.
- van Winkel SL, Rodriguez-Ruiz A, Appelman L, Gubern-Merida A, Karssemeijer N, Teuwen J, Wanders AJT, Sechopoulos I, Mann RM. Impact of artificial intelligence support on accuracy and reading time in breast tomosynthesis image interpretation: a multi-reader multi-case study. Eur Radiol. 2021 Nov;31(11):8682-8691. doi: 10.1007/s00330-021-07992-w. Epub 2021 May 4.
- Pinto MC, Rodriguez-Ruiz A, Pedersen K, Hofvind S, Wicklein J, Kappler S, Mann RM, Sechopoulos I. Impact of Artificial Intelligence Decision Support Using Deep Learning on Breast Cancer Screening Interpretation with Single-View Wide-Angle Digital Breast Tomosynthesis. Radiology. 2021 Sep;300(3):529-536. doi: 10.1148/radiol.2021204432. Epub 2021 Jul 6.
- Raya-Povedano JL, Romero-Martin S, Elias-Cabot E, Gubern-Merida A, Rodriguez-Ruiz A, Alvarez-Benito M. AI-based Strategies to Reduce Workload in Breast Cancer Screening with Mammography and Tomosynthesis: A Retrospective Evaluation. Radiology. 2021 Jul;300(1):57-65. doi: 10.1148/radiol.2021203555. Epub 2021 May 4.
- Lang K, Dustler M, Dahlblom V, Akesson A, Andersson I, Zackrisson S. Identifying normal mammograms in a large screening population using artificial intelligence. Eur Radiol. 2021 Mar;31(3):1687-1692. doi: 10.1007/s00330-020-07165-1. Epub 2020 Sep 2.
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Teuwen J, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Sechopoulos I, Mann RM. Can we reduce the workload of mammographic screening by automatic identification of normal exams with artificial intelligence? A feasibility study. Eur Radiol. 2019 Sep;29(9):4825-4832. doi: 10.1007/s00330-019-06186-9. Epub 2019 Apr 16.
- Lang K, Hofvind S, Rodriguez-Ruiz A, Andersson I. Can artificial intelligence reduce the interval cancer rate in mammography screening? Eur Radiol. 2021 Aug;31(8):5940-5947. doi: 10.1007/s00330-021-07686-3. Epub 2021 Jan 23.
- Sasaki M, Tozaki M, Rodriguez-Ruiz A, Yotsumoto D, Ichiki Y, Terawaki A, Oosako S, Sagara Y, Sagara Y. Artificial intelligence for breast cancer detection in mammography: experience of use of the ScreenPoint Medical Transpara system in 310 Japanese women. Breast Cancer. 2020 Jul;27(4):642-651. doi: 10.1007/s12282-020-01061-8. Epub 2020 Feb 12.
- Kerschke L, Weigel S, Rodriguez-Ruiz A, Karssemeijer N, Heindel W. Using deep learning to assist readers during the arbitration process: a lesion-based retrospective evaluation of breast cancer screening performance. Eur Radiol. 2022 Feb;32(2):842-852. doi: 10.1007/s00330-021-08217-w. Epub 2021 Aug 12.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- NCT20210157-AI-ROL
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .