Prospektywne badanie obserwacyjne klasyfikacji mikrozwapnień piersi za pomocą technik sztucznej inteligencji
Przegląd badań
Status
Warunki
Szczegółowy opis
Mikrozwapnienia w piersiach są obecnie klasyfikowane za pomocą skali radiologicznej BI-RADS. W przypadku podejrzanych mikrozwapnień (B3) zaleca się wykonanie biopsji do oceny histopatologicznej. Jednak około 70-80% wykonanych biopsji wykazuje łagodną histologię, która nie wymaga leczenia chirurgicznego. Biopsje gruboigłowe są zabiegami inwazyjnymi, które wiążą się z kosztami biologicznymi, psychologicznymi (dyskomfort pacjenta), organizacyjnymi i ekonomicznymi (dla systemu ochrony zdrowia). Dlatego niezbędna jest poprawa dokładności radiologicznej klasyfikacji mikrozwapnień. Ostatnio w literaturze opisano różne podejścia do wykrywania i klasyfikowania mikrozwapnień jako łagodnych lub podejrzanych w mammogramach cyfrowych. Metody analizy oparte na wykorzystaniu głębokiego uczenia (DL) również okazały się obiecujące w przetwarzaniu obrazów mammograficznych. Konwolucyjne sieci neuronowe (CNN) są obecnie najnowocześniejszymi metodami klasyfikacji obrazów w wielu dziedzinach zastosowań w dziedzinie widzenia komputerowego. Niniejsze badanie ma na celu wdrożenie metody klasyfikacji mikrozwapnień piersi (jako łagodnych lub złośliwych) za pomocą technik sztucznej inteligencji (AI) na obrazach mammograficznych, oceniając wydajność diagnostyczną (dokładność) tego podejścia. Ocena zostanie przeprowadzona w odniesieniu do standardowego podejścia radiologicznego (klasyfikacja BI-RADS).
Wraz z zastosowaniem systemów AI w obrazowaniu mammograficznym, kolejną potrzebą kliniczną jest opracowanie narzędzia diagnostycznego zdolnego do określania in situ biomolekularnej charakterystyki mikrozwapnień, dokładnego rozróżniania ich natury bez pobierania tkanki, utrwalania i zatapiania próbki w parafiny i bez wysoce specjalistycznej oceny przez patologa. Spektroskopia ramanowska (RS) jest metodą wysoce specyficzną z biomolekularnego punktu widzenia, a jednocześnie kompatybilną z pomiarami in vivo. Polega ona na podejściu biofotonicznym umożliwiającym zbadanie składu molekularnego danej próbki poprzez jej bezpośrednie napromieniowanie (światłem laserowym) i jednoczesną akwizycję sygnałów emisyjnych. Informacje RS można połączyć razem z funkcjami obrazowania, aby zaimplementować model AI do połączonej klasyfikacji mikrozwapnień piersi
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Lombardy
-
Pavia, Lombardy, Włochy, 27100
- Istituti Clinici Scientifici Maugeri SpA
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Przedmioty płci żeńskiej;
- Wiek od 18 do 88 lat;
- Wykrywanie mikrozwapnień w mammografii klinicznej i przesiewowej ze wskazaniem lub bez wskazania do oceny histologicznej za pomocą biopsji;
- Osoby, które wyrażą zgodę na udział w badaniu, podpisując i datując formularz świadomej zgody
Kryteria wyłączenia:
- Osobista historia raka piersi
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Metoda sztucznej inteligencji do klasyfikacji
Ramy czasowe: 36 miesięcy
|
Metoda klasyfikacji mikrozwapnień piersi za pomocą technik sztucznej inteligencji na obrazach mammograficznych
|
36 miesięcy
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Ekstrakcja cech radiologicznych
Ramy czasowe: 36 miesięcy
|
Identyfikacja typowych cech wyodrębnionych z systemów sztucznej inteligencji
|
36 miesięcy
|
|
Metoda sztucznej inteligencji do klasyfikacji łączonej
Ramy czasowe: 36 miesięcy
|
Ocena wydajności diagnostycznej modelu, który łączy w sobie charakterystykę radiologiczną oraz charakterystykę wynikającą z analizy spektroskopii ramanowskiej
|
36 miesięcy
|
Współpracownicy i badacze
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 2669 (CTEP)
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
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 .