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

Geautomatiseerde detectie van gemetastaseerde botziekte op botscintigrafiescans

16 maart 2023 bijgewerkt door: Maastricht University

In Silico klinisch onderzoek waarin de leesnauwkeurigheid van artsen wordt vergeleken met een deep learning-algoritme voor de detectie van gemetastaseerde botziekte op botscintigrafiescans.

Botscintigrafiescans zijn tweedimensionale medische beelden die veelvuldig worden gebruikt in de nucleaire geneeskunde. De scans detecteren veranderingen in het botmetabolisme met een hoge gevoeligheid, maar missen de specificiteit voor onderliggende oorzaken. Daarom zou verdere beeldvorming nodig zijn om de onderliggende oorzaak te bevestigen. Het doel van deze studie is om te onderzoeken of deep learning de klinische besluitvorming op basis van botscintigrafie-scans kan verbeteren.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Werkelijk)

2365

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

  • Nederland
    • Limburg
      • Maastricht, Limburg, Nederland, 6229ER
        • Maastricht University

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

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Elke patiënt die een indicatie had voor het ondergaan van botscintigrafie in een van de deelnemende centra.

Beschrijving

Inclusiecriteria:

  • Patiënten die tussen 2010-2018 een botscintigrafie-scan hebben ondergaan die beschikbaar is bij het radiologisch rapport

Uitsluitingscriteria:

  • Het ontbreken van een botscan of bijbehorend radiologisch rapport

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
Interventie / Behandeling
BS-UKA
Patiënten die tussen 2010 en 2018 een botscintigrafie hebben ondergaan in het academisch ziekenhuis RTWH Aachen en een botscanrapport hadden dat de aan- of afwezigheid van gemetastaseerde botziekte aangeeft.
Ander: Op deep learning gebaseerde detectie van gemetastaseerde botziekte op botscintigrafiescans.
Het doel is om te onderzoeken of deep learning-algoritmen botmetastasen met hoge nauwkeurigheid en specificiteit kunnen detecteren.
BS-Namen
Patiënten die tussen 2010 en 2018 een botscintigrafie hebben ondergaan in het Universitair Ziekenhuis van Namen en een botscanrapport hebben gehad dat de aan- of afwezigheid van uitgezaaide botziekte aangeeft.
Ander: Op deep learning gebaseerde detectie van gemetastaseerde botziekte op botscintigrafiescans.
Het doel is om te onderzoeken of deep learning-algoritmen botmetastasen met hoge nauwkeurigheid en specificiteit kunnen detecteren.
BS-Aalborg
Patiënten die tussen 2010 en 2018 een botscintigrafie hebben ondergaan in het academisch ziekenhuis van Aalborg en een botscanrapport hadden dat de aan- of afwezigheid van gemetastaseerde botziekte aangeeft.
Ander: Op deep learning gebaseerde detectie van gemetastaseerde botziekte op botscintigrafiescans.
Het doel is om te onderzoeken of deep learning-algoritmen botmetastasen met hoge nauwkeurigheid en specificiteit kunnen detecteren.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
De classificatieprestaties van het DL-algoritme in vergelijking met de grondwaarheid
Tijdsspanne: Juni 2021
Rapporteren van de prestatiemaatstaven (gebied onder de curve, nauwkeurigheid, specificiteit..etc)
Juni 2021

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Vergelijking van de classificatieprestaties van het DL-algoritme met die van artsen
Tijdsspanne: Juni 2021
Juistheid van de diagnose van Dr versus AI (dichotome variabele: correct versus niet correct) op een subset van de validatiegegevens, met behulp van een McNemar statistische test
Juni 2021

Medewerkers en onderzoekers

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

Sponsor

Maastricht University

Medewerkers

Aalborg University Hospital
Centre Hospitalier Universitaire de Liege
University Hospital, Aachen
University of Namur

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

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)

10 maart 2021

Primaire voltooiing (Werkelijk)

30 december 2021

Studie voltooiing (Werkelijk)

31 december 2021

Studieregistratiedata

Eerst ingediend

19 april 2021

Eerst ingediend dat voldeed aan de QC-criteria

25 oktober 2021

Eerst geplaatst (Werkelijk)

8 november 2021

Updates van studierecords

Laatste update geplaatst (Werkelijk)

20 maart 2023

Laatste update ingediend die voldeed aan QC-criteria

16 maart 2023

Laatst geverifieerd

1 maart 2023

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • MBDDL

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 .

Klinische onderzoeken op Metastatische bottumor

Zoek naar vergelijkbare onderzoeken

Sponsors en medewerkers

Medische omstandigheden

Geneesmiddelinterventies

CROs by country

CROs in Israel

Voorwaarden

Zeldzame ziekten

Geneesmiddelinterventies

Voedingssupplementen

Sponsor / medewerkers

Locaties

3
Abonneren