Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Validering av et Multitask Deep Learning System ved Spine Metastasis CT

31. mai 2022 oppdatert av: Zhao Hui, Shanghai 6th People's Hospital

Multisenter validering av et multitask dyplæringssystem for spinal ustabilitet ved spinal metastase CT

Multitask deep learning-systemet (DLS) med fem algoritmer som oppdager fem kvantitative faktorer for Spinal Instability Neoplastic Score (SINS) ble utviklet. Radiologer og onkologer fra multisenter vil bli rekruttert til å lese CT-skanningene i bildearkiverings- og kommunikasjonssystemet (PACS) uavhengig, sammenlignet med DLS. En måned etter å ha lest CT-skanningene i PACS, vil deltakerne også bli bedt om å utføre en nettbasert test på DLS-nettstedet ved å bruke de samme CT-skanningene. Arealet under mottakerens driftskarakteristiske kurve (AUC), sensitivitet og spesifisitet til DLS ble beregnet med profesjonelle gradere som referansestandard.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Forventet)

420

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

14 år og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Pasienter med ryggradsmetastaser

Beskrivelse

Inklusjonskriterier:

  1. patologi-bevist diagnose av solid svulst;
  2. spinal CT-skanning som indikerer spinal metastase med minst én lesjon;
  3. ingen tidligere operasjon for spinal metastaser

Ekskluderingskriterier:

  1. spinal CT-skanning uten sagittal rekonstruksjon;
  2. radiologen mente at kvaliteten på CT-bildet var ukvalifisert.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: Kohort
  • Tidsperspektiver: Potensielle

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
rutinemessige leger
Diagnostisk test: Deep Learning System
Multitask DLS med fem algoritmer som oppdager fem kvantitative faktorer av SINS
DLS
Diagnostisk test: Deep Learning System
Multitask DLS med fem algoritmer som oppdager fem kvantitative faktorer av SINS

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
AUC
Tidsramme: 1 måned
Område under mottakerens driftskarakteristiske kurve (AUC) for deteksjon av spinal ustabilitet
1 måned

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
følsomhet
Tidsramme: 1 måned
følsomhet for deteksjon av spinal ustabilitet
1 måned
spesifisitet
Tidsramme: 1 måned
spesifisitet for deteksjon av spinal ustabilitet
1 måned

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Shanghai 6th People's Hospital

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Forventet)

1. juli 2022

Primær fullføring (Forventet)

31. desember 2023

Studiet fullført (Forventet)

31. desember 2023

Datoer for studieregistrering

Først innsendt

12. desember 2021

Først innsendt som oppfylte QC-kriteriene

12. desember 2021

Først lagt ut (Faktiske)

14. desember 2021

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

1. juni 2022

Siste oppdatering sendt inn som oppfylte QC-kriteriene

31. mai 2022

Sist bekreftet

1. mai 2022

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • DLS01

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere