Bezpośrednie porównanie systemu sztucznej inteligencji Cancer Ontology Supervised Multimodal Orchestration (COSMO) z oceną wyłącznie przez patologa (COSMO)
Badanie to ocenia wydajność diagnostyczną systemu sztucznej inteligencji Cancer Ontology Supervised Multimodal Orchestration (COSMO) w klasyfikacji podtypów nowotworów i porównuje ją bezpośrednio z oceną przeprowadzoną wyłącznie przez patologów. Patolodzy będą niezależnie przeglądać zanonimizowane obrazy całych szkiełek pochodzące od maksymalnie 300 pacjentów z trzech lokalizacji anatomicznych (mózg, płuco, nerka) i dostarczać oceny diagnostyczne. Równolegle COSMO przetworzy te same przypadki w trybie offline, aby wygenerować niezależne przewidywania, umożliwiając bezpośrednie porównanie dokładności diagnostycznej między ekspertami ludzkimi a systemem AI.
Badanie scharakteryzuje dokładność diagnostyczną COSMO i patologów, zgodność między obserwatorami oraz różnice w wydajności w zależności od lokalizacji anatomicznych i typów nowotworów o różnych częstościach występowania. Wyniki określą, jak COSMO wypada w porównaniu z patologami w identycznych przypadkach i przyczynią się do rozwoju systemów diagnostycznych wspomaganych przez AI w praktyce klinicznej.
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Szczegółowy opis
Uzasadnienie i tło badania Dokładność diagnostyczna w klasyfikacji podtypów nowotworów znacznie różni się wśród patologów ze względu na różnice w wiedzy specjalistycznej, doświadczeniu i dostępie do zasobów diagnostycznych. Pojawienie się systemów sztucznej inteligencji w patologii stwarza możliwość poprawy wyników diagnostycznych i spójności w klasyfikacji nowotworów. Jednak bezpośrednie empiryczne porównania predykcji opartych na sztucznej inteligencji i wyników diagnostycznych patologów w tych samych przypadkach pozostają ograniczone w literaturze.
Cele badania To bezpośrednie porównawcze badanie ma na celu: (1) ocenę wyników diagnostycznych systemu sztucznej inteligencji COSMO w klasyfikacji podtypów nowotworów w wielu lokalizacjach anatomicznych; (2) scharakteryzowanie dokładności diagnostycznej doświadczonych patologów w tych samych przypadkach; (3) bezpośrednie porównanie wskaźników wyników diagnostycznych między COSMO a patologami; oraz (4) zbadanie wzorców zgodności i zmienności wyników w zależności od lokalizacji anatomicznej, kategorii częstości występowania nowotworu, doświadczenia patologa oraz złożoności przypadku.
Otoczenie i uczestnicy badania W badaniu weźmie udział do 25 certyfikowanych patologów z 3 do 10+ lat doświadczenia diagnostycznego, rekrutowanych z instytucji w Ameryce Północnej, Europie i regionie Azji i Pacyfiku. Uczestniczący patolodzy będą mieli wiedzę specjalistyczną w zakresie neuropatologii, patologii płuc, patologii urologicznej lub ogólnej patologii anatomicznej.
Przypadki i stratyfikacja W badaniu zostaną wykorzystane zanonimizowane archiwalne obrazy całych szkiełek reprezentujące do 300 pacjentów z potwierdzonymi diagnozami referencyjnymi, w tym 100 nowotworów mózgu, 100 nowotworów płuc i 100 nowotworów nerek. Przypadki zostaną stratyfikowane według typu nowotworu i kategorii częstości występowania (powszechne vs. rzadkie lub nietypowe), zgodnie z wytycznymi Światowej Organizacji Zdrowia (WHO).
Gromadzenie danych Patolodzy będą niezależnie przeglądać każdy przypadek i dostarczać klasyfikacje diagnostyczne wraz z ocenami pewności przy użyciu 5-punktowej skali. Interfejs patologii cyfrowej automatycznie zarejestruje wskaźniki czasu do diagnozy. COSMO przetworzy te same przypadki offline, aby wygenerować niezależne przewidywania diagnostyczne i wyniki pewności. Przewidywania zarówno patologów, jak i sztucznej inteligencji zostaną ocenione na podstawie ustalonych standardowych diagnoz referencyjnych.
Ramowa analiza Analiza pierwotna scharakteryzuje wskaźniki wyników diagnostycznych (w tym dokładność, czułość, swoistość, dodatnią wartość predykcyjną (PPV), ujemną wartość predykcyjną (NPV) oraz pole pod krzywą ROC (AUROC)) zarówno dla patologów (na poziomie indywidualnym i zagregowanym), jak i systemu COSMO. Analizy wtórne ocenią wyniki stratyfikowane według lokalizacji anatomicznej, kategorii częstości występowania nowotworu i poziomu doświadczenia patologa.
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Massachusetts
-
Boston, Massachusetts, Stany Zjednoczone, 02115
- Harvard Medical School
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Patolog z certyfikatem specjalizacji w neuropatologii, patologii płuc, patologii urologicznej lub ogólnej patologii anatomicznej
- Co najmniej 3 lata doświadczenia w diagnostyce klinicznej
- Aktywna praktyka kliniczna obejmująca przegląd preparatów patologicznych
- Gotowość do samodzielnego przeglądania i diagnozowania do 300 anonimizowanych obrazów całych preparatów
- Możliwość dostępu do platformy badawczej i ukończenia przeglądów przypadków w określonym terminie badania
- Dostarczenie świadomej zgody na udział w badaniu
Kryteria wyłączenia:
- Wcześniejszy udział w projektowaniu lub walidacji systemu AI COSMO
- Brak możliwości poświęcenia wystarczającej ilości czasu na ukończenie przypisanych przeglądów przypadków
- Obecność istotnych konfliktów interesów finansowych związanych z wynikami badania
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
Ocena oparta na sztucznej inteligencji z wykorzystaniem COSMO
|
|
|
Ocena na podstawie opinii patologa
|
Ocena patologii cyfrowej
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wydajność diagnostyczna
Ramy czasowe: Okolozabiegowy (w czasie przeglądu preparatu)
|
Wydajność diagnostyczna systemu COSMO AI i patologów w identyfikacji podtypów nowotworów w guzach mózgu, płuc i nerek, oceniana na podstawie dokładności, zrównoważonej dokładności, czułości, swoistości, wartości predykcyjnej dodatniej (PPV), wartości predykcyjnej ujemnej (NPV) oraz pola pod krzywą charakterystyki pracy odbiornika (AUROC).
Uwzględnimy zarówno ogólne porównania, jak i oceny warstwowe według miejsca anatomicznego i kategorii częstości występowania nowotworów (częste vs. rzadkie lub nietypowe).
|
Okolozabiegowy (w czasie przeglądu preparatu)
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Porozumienie międzyobserwatorowe wśród patologów
Ramy czasowe: Okoloproceduralny (w czasie przeglądu preparatu)
|
Zgodność diagnostyczna wśród uczestniczących patologów, mierzona za pomocą współczynnika kappa Fleissa, współczynnika korelacji wewnątrzklasowej (ICC) i wskaźników zgodności parami.
|
Okoloproceduralny (w czasie przeglądu preparatu)
|
|
Patolog-COSMO AI Zgodność
Ramy czasowe: Okołozabiegowe (w czasie przeglądu preparatów)
|
Wzorce zgodności między diagnozami patologów a przewidywaniami sztucznej inteligencji COSMO, w tym proporcja przypadków zgodnych ogólnie oraz stratyfikowanych według lokalizacji anatomicznej, kategorii częstości występowania raka i poziomu doświadczenia patologa.
|
Okołozabiegowe (w czasie przeglądu preparatów)
|
|
Pewność diagnostyczna
Ramy czasowe: Okołozabiegowe (w czasie przeglądu preparatu)
|
Średnie wyniki pewności (5-punktowa skala) zgłaszane przez patologów podczas oceny diagnostycznej, rozwarstwione według miejsca anatomicznego, kategorii częstości występowania raka oraz poprawności diagnozy (prawidłowa vs. nieprawidłowa).
|
Okołozabiegowe (w czasie przeglądu preparatu)
|
|
Czas-do-diagnozy
Ramy czasowe: Okolozabiegowe (w czasie przeglądu preparatu)
|
Średni czas diagnostyczny (w sekundach) wymagany przez patologów do określenia podtypu nowotworu, zestratyfikowany według lokalizacji anatomicznej, kategorii częstości występowania nowotworu oraz poziomu doświadczenia patologa.
|
Okolozabiegowe (w czasie przeglądu preparatu)
|
|
Wydajność diagnostyczna stratyfikowana według doświadczenia patologa
Ramy czasowe: Okolozabiegowe (w czasie przeglądu preparatu)
|
Dokładność diagnostyczna patologów sklasyfikowana według lat doświadczenia klinicznego (3-5 lat, 6-10 lat, >10 lat) w celu oceny związku między poziomem doświadczenia a skutecznością diagnostyczną w klasyfikacji podtypów nowotworów.
|
Okolozabiegowe (w czasie przeglądu preparatu)
|
Współpracownicy i badacze
Sponsor
Sponsor
Śledczy
Śledczy
- Główny śledczy: Kun-Hsing Yu, MD, PhD, Harvard Medical School (HMS and HSDM)
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
- Choroby układu moczowo-płciowego
- Choroby mózgu
- Choroby ośrodkowego układu nerwowego
- Choroby Układu Nerwowego
- Procesy patologiczne
- Nowotwory układu moczowo-płciowego
- Nowotwory według lokalizacji
- Nowotwory
- Choroby układu moczowo-płciowego u mężczyzn
- Choroby nerek
- Choroby Urologiczne
- Choroby układu moczowo-płciowego kobiet
- Choroby układu moczowo-płciowego kobiet i powikłania ciąży
- Choroby Układu Oddechowego
- Choroby płuc
- Nowotwory Układu Oddechowego
- Nowotwory klatki piersiowej
- Nowotwory urologiczne
- Nowotwory Układu Nerwowego
- Nowotwory ośrodkowego układu nerwowego
- Stany patologiczne, oznaki i objawy
- Nowotwory płuc
- Choroba
- Nowotwory mózgu
- Nowotwory nerek
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- Yu Lab COSMO Study
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .