Multi-center studie van Deep Learning AI in borstmassa
Een onderzoek in meerdere centra naar borstmassascreening en -diagnose met behulp van deep learning AI op basis van real-time echografie
Studie Overzicht
Gedetailleerde beschrijving
Als de meest voorkomende kanker die naar verwachting overal ter wereld zal voorkomen, speelt uitgebreid bevolkingsonderzoek een zeer belangrijke rol bij de vroege diagnose en prognose van de borstkanker. Röntgenfoto's en echografie zijn de meest gebruikte screeningsmethoden, en echografie is vooral belangrijk voor Aziatische vrouwen met dichte borsten. Echografie wordt echter sterk beïnvloed door de vaardigheid en ervaring van de operator, en de diagnostische nauwkeurigheid varieert sterk.
Kunstmatige intelligentie (AI) is een nieuwe methode die de laatste jaren opkomt, actief is op veel medische gebieden en de diagnostische efficiëntie effectief kan verbeteren. Eerdere onderzoeken naar de toepassing van AI in echografie zijn echter gericht op statische echografiebeelden met één of meerdere modaliteiten. Deze multi-center studie is bedoeld om de waarde te evalueren van de detectie en differentiële diagnose van borstmassa met behulp van op AI gebaseerd real-time echografisch onderzoek op basis van deep learning.
Studietype
Inschrijving (Verwacht)
Contacten en locaties
Studiecontact
- Naam: Yong Wang
- Telefoonnummer: 13391817899
- E-mail: drwangyong77@163.com
Studie Locaties
-
-
Beijing
-
Beijing, Beijing, China, 100021
- Werving
- National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College
-
Contact:
- Yong Wang
- Telefoonnummer: 13391817899
- E-mail: drwangyong77@163.com
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Vrouwtjes die echografisch onderzoek ondergaan voor een klacht over borstlaesie;
- De borstlaesie die een definitieve pathologische diagnose of follow-up van ten minste twee jaar zal krijgen.
Uitsluitingscriteria:
- De borstlaesie die CNB of FNA heeft gekregen;
- De borstkankerpatiënt die neoadjuvante chemotherapie heeft gekregen.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Diagnostische prestaties van borstmassa met behulp van op AI gebaseerd real-time echografisch onderzoek op basis van deep learning
Tijdsspanne: 12 maanden
|
Pathologie als gouden standaard, om de diagnostische prestatie (sensitiviteit, specificiteit en accuratesse) te evalueren
|
12 maanden
|
Medewerkers en onderzoekers
Medewerkers
Onderzoekers
- Hoofdonderzoeker: Yong Wang, Cancer Institute and Hospital, Chinese Academy of Medical Sciences
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Verwacht)
Studie voltooiing (Verwacht)
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
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- NCC2962
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 .