Diagnostyka raka skóry wspomagana sztuczną inteligencją w teledermatoskopii (AIDMel)
Diagnostyka raka skóry wspomagana sztuczną inteligencją w teledermatoskopii: prospektywne badanie randomizowane
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Algorytmy głębokiego uczenia się mogą potencjalnie przynieść korzyści w wielu obszarach opieki zdrowotnej, w tym w diagnostyce raka skóry za pomocą teledermatoskopii. Brakuje jednak klinicznych, prospektywnych badań nad interakcją człowieka i sztucznej inteligencji w zadaniach diagnostycznych, które uwzględniają czynnik ludzki.
W tym badaniu zbadamy wpływ takich czynników w warunkach rzeczywistych, gdzie integrujemy algorytm z istniejącą platformą teledermatoskopową stosowaną klinicznie w szpitalu trzeciego stopnia w Szwecji. Zbadamy, jaki wpływ mają różne wdrożenia wyników narzędzi AI w odniesieniu do czynnika ludzkiego na trafność diagnozy i decyzje zarządcze.
Uczestnicy badania są rekrutowani na Oddziale Dermatologii Szpitala Uniwersyteckiego Karolinska i zostaną poproszeni o ocenę przyszłych konsultacji teledermatoskopowych ze wsparciem AI lub bez niego. Każda konsultacja zostanie losowo przydzielona do jednego z trzech przepływów pracy z jedną wstępnie zdefiniowaną implementacją narzędzia AI lub bez niej. Uczestnicy badania proszeni są również o wypełnienie dwóch ankiet zawierających informacje demograficzne i pytania dotyczące różnych czynników ludzkich. Pacjenci biorący udział w badaniu zostaną zdiagnozowani poza badaniem przed włączeniem do badania, bez użycia narzędzia sztucznej inteligencji, w szczególności przez dwóch doświadczonych dermatologów, którzy nie uczestniczą w badaniu jako uczestnicy badania.
Typ studiów
Zapisy (Szacowany)
Faza
- Nie dotyczy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Stockholm, Szwecja
- Karolinska University Hospital
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria przyjęcia:
- Licencjonowany lekarz
- Praca w klinice dermatologicznej
- Wystarczająca znajomość języka szwedzkiego
- Pisemna zgoda na udział
Kryteria wyłączenia:
- Brak doświadczenia w stosowaniu dermatoskopii
- Nie chce brać udziału
- Niekompletne odpowiedzi
- Lekarze zaangażowani w opiekę kliniczną nad pacjentami związaną z konsultacją teledermoskopową
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Diagnostyczny
- Przydział: Randomizowane
- Model interwencyjny: Zadanie krzyżowe
- Maskowanie: Brak (otwarta etykieta)
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Brak interwencji: Przepływ pracy 1
Standard opieki
|
|
|
Eksperymentalny: Przepływ pracy 2
Skonsultuj się z pomocą AI
|
Uczestnicy zostaną poinformowani o prawdopodobieństwach diagnostycznych dla każdej z dziesięciu diagnoz różnicowych zgodnie z narzędziem AI
|
|
Eksperymentalny: Przepływ pracy 3
Najpierw przepływ pracy 1, następnie przepływ pracy 2
|
Uczestnicy zostaną poinformowani o prawdopodobieństwach diagnostycznych dla każdej z dziesięciu diagnoz różnicowych zgodnie z narzędziem AI
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dokładność diagnostyczna
Ramy czasowe: 1 rok
|
Określ czułość, swoistość, dokładność i AUROC pod względem dokładności diagnostycznej dla dermatologów korzystających z porad AI i bez nich.
Ponadto zbadanie roli różnych przepływów pracy (diagnostyka ze sztuczną inteligencją lub bez niej w różnej kolejności) oraz wpływu czynników demograficznych i ludzkich (np. poziomu doświadczenia) na dokładność diagnozy
|
1 rok
|
|
Trafność decyzji zarządczych
Ramy czasowe: 1 rok
|
Określ czułość, swoistość, dokładność i AUROC pod względem dokładności decyzji dotyczących postępowania dla dermatologów wyposażonych w sztuczną inteligencję i bez niej oraz zbadaj rolę różnych przepływów pracy (z sztuczną inteligencją lub bez niej w różnej kolejności) oraz wpływ czynników demograficznych i ludzkich (np. doświadczenie) na temat decyzji dotyczących postępowania (biopsja/operacja, brak interwencji lub kontrola)
|
1 rok
|
|
Tendencja do zmiany wstępnej diagnozy lub decyzji dotyczącej postępowania
Ramy czasowe: 1 rok
|
Oceń, które czynniki wpływają na prawdopodobieństwo zmiany oceny przez lekarza po otrzymaniu danych wejściowych algorytmicznych
|
1 rok
|
|
Samoocena pewności co do diagnozy i decyzji dotyczących postępowania
Ramy czasowe: 1 rok
|
Zbadaj, czy sztuczna inteligencja lub inne czynniki wpływają na zaufanie lekarza do postawionej przez niego diagnozy i decyzji dotyczących postępowania
|
1 rok
|
Współpracownicy i badacze
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
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
- 960024
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (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 .