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

Kunstig intelligens for automatisert diagnose av brystkreft (AICAMAMMELLA)

12. mai 2023 oppdatert av: Regina Elena Cancer Institute

Studie av en kunstig intelligensalgoritme for klassifisering av digitale tomosyntese brystbilder for automatisert brystkreftdiagnose

Mammografi er en todimensjonal avbildningsteknikk som involverer vevet overlappende under det projektive bildet; tett kjertelvev over eller under lesjonen kan redusere synligheten av lesjonen.

Problemet kan være tolkningen av bildet som er oppnådd som kan føre til manglende evne til å visualisere kreft i knyttnevestadiet og sannsynligheten for at en frisk person vil bli diagnostisert med en patologi som ikke er tilstede (falsk positiv). Innføringen av en nesten tredimensjonal bildebehandlingsteknikk kalt bryst digital tomosyntese (DBT) kan overvinne de fleste begrensninger. I løpet av de siste 5 årene har bildeanalysemetoder basert på kunstig intelligens (, AI) også blitt massivt introdusert for påvisning av brystkreft. Studien er en prospektiv observasjonsstudie basert på kunstig intelligens hvis postmål er å utvikle en metode for å identifisere en lesjon.

Studieoversikt

Status

Rekruttering

Forhold

Brystkreftdiagnose

Intervensjon / Behandling

Diagnostisk test: Bryst digital tomosyntese

Studietype

Observasjonsmessig

Registrering (Forventet)

200

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Navn: Valeria Landoni
Telefonnummer: +39 06 52665602
E-post: valeria.landoni@ifo.it

Studiesteder

Italia
- - Napoli, Italia, 80138
    - Rekruttering
    - Università Degli Studi Di Napoli Federico Ii
    - Ta kontakt med:
      
      Giovanni Mettivier
  - Rome, Italia, 00144
    - Rekruttering
    - "Regina Elena" National Cancer Institute

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

Voksen
Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Kvinner som gjennomgår mammografi

Beskrivelse

Inklusjonskriterier:

Pasienter som henviser til Regina Elena for diagnostiske mammografiprøver
Informert samtykke

Ekskluderingskriterier:

tilstedeværelse av proteser, artefakter, utfall av en studie i brystintervensjonen under studien

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Kunstig intelligenssystem for å oppdage en lesjon Tidsramme: 12 måneder	Lesjonsdeteksjon er basert på brysttetthet, kasustype, BIRADS vurderingskategorier, mammografisk utseende, størrelse og patologisk profil av ondartede lesjoner	12 måneder

Samarbeidspartnere og etterforskere

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

Sponsor

Regina Elena Cancer Institute

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 (Faktiske)

20. oktober 2020

Primær fullføring (Faktiske)

25. november 2022

Studiet fullført (Forventet)

31. desember 2023

Datoer for studieregistrering

Først innsendt

28. mars 2023

Først innsendt som oppfylte QC-kriteriene

12. mai 2023

Først lagt ut (Faktiske)

15. mai 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)