Model AI do klasyfikacji raka piersi na podstawie obrazów histopatologicznych
Badanie algorytmów sztucznej inteligencji do klasyfikacji raka piersi na podstawie obrazów histopatologicznych
Rak piersi, choroba powszechna i potencjalnie śmiertelna, podkreśla potrzebę wczesnego i dokładnego wykrywania, aby poprawić wyniki leczenia pacjentów. Tradycyjne badanie histopatologiczne, stanowiące obecnie złoty standard w diagnostyce, napotyka ograniczenia takie jak subiektywność i niska skuteczność. W odpowiedzi niniejsze badanie ma na celu zrewolucjonizowanie diagnostyki raka piersi poprzez wykorzystanie technik głębokiego uczenia się do klasyfikacji inwazyjnych i nieinwazyjnych typów raka piersi na podstawie obrazów histopatologicznych. Nowotwory nieinwazyjne, takie jak DCIS i LCIS, ograniczają się do przewodów mlecznych lub zrazików, podczas gdy nowotwory inwazyjne rozprzestrzeniają się na otaczające tkanki i stanowią 70% przypadków, często prowadząc do gorszych wyników.
Proponowany model sztucznej inteligencji ma na celu zwiększenie dokładności i wydajności diagnostyki, przewyższając metody ręczne i zapewniając skalowalne rozwiązanie dla różnych placówek opieki zdrowotnej. Automatyzując analizę obrazu, model ma na celu demokratyzację badań przesiewowych w kierunku raka, czyniąc je dostępnymi w populacjach o niedostatecznym dostępie do badań i umożliwiających dostosowanie ich do różnych zasobów i sprzętu. Ostatecznie badania te mają na celu postęp w wykrywaniu raka piersi, poprawę opieki nad pacjentami i przyczynienie się do lepszych wyników leczenia na całym świecie.
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Rak piersi, powszechna i potencjalnie śmiertelna choroba, podkreśla pilną potrzebę wczesnego i precyzyjnego wykrywania, aby poprawić wyniki leczenia pacjentów. Obecne ramy diagnostyczne, charakteryzujące się ręcznym badaniem histopatologicznym, wykazują nieodłączne wady, takie jak subiektywność i ograniczona wydajność. W odpowiedzi nasze badania mają na celu zmianę diagnostyki raka piersi poprzez wykorzystanie zaawansowanych technik obliczeniowych, w szczególności głębokiego uczenia się. Raka piersi można podzielić na dwa główne podtypy: inwazyjny i nieinwazyjny.
Nieinwazyjny rak piersi, często nazywany rakiem piersi in situ, charakteryzuje się występowaniem nieprawidłowych komórek zamkniętych w przewodach mlecznych (rak przewodowy in situ lub DCIS) lub zrazikach (rak zrazikowy in situ lub LCIS) bez naciekania otaczających tkanek. Ten typ jest uważany za wczesny etap i zazwyczaj sam w sobie nie zagraża życiu. Inwazyjne nowotwory piersi to te, które rozprzestrzeniają się z pierwotnego miejsca (przewodów mlecznych lub płatków) do otaczającej tkanki piersi. Stanowią one około 70% wszystkich przypadków raka piersi i generalnie mają gorsze rokowanie w porównaniu z podtypami in situ.
Medyczne obrazowanie piersi można uzyskać za pomocą różnych technik, takich jak skany MRI, mammografia, USG, termografia, tomografia komputerowa i histopatologia. Wśród tych podejść test histopatologiczny stanowi złoty standard w klinicznej diagnostyce raka.
Proponowany model sztucznej inteligencji ma na celu usprawnienie i ulepszenie analizy obrazów histopatologicznych w celu klasyfikacji inwazyjnego i nieinwazyjnego raka piersi, wykraczając poza konwencjonalne metody i zapewniając niezawodny sposób identyfikacji obszarów nowotworowych. Obiecuje to znaczną poprawę dokładności i efektywności diagnostyki raka piersi, zaspokajając pilne zapotrzebowanie na niezawodne i skalowalne rozwiązania. Automatyzując złożony proces analizy obrazu histopatologicznego raka piersi, naszym celem jest demokratyzacja badań przesiewowych, uczynienie ich bardziej dostępnymi i dotarciem do populacji o niedostatecznym dostępie do badań. Co więcej, nasz model wykracza poza innowacje technologiczne; porusza szersze kwestie dostępności i skalowalności, szczególnie w środowiskach o niskich dochodach. Skupienie się w badaniach na adaptacji domeny ma kluczowe znaczenie, zapewniając dokładność i niezawodność modelu w różnych placówkach opieki zdrowotnej. Wiąże się to z uwzględnieniem różnic w zasobach, sprzęcie i czynnikach demograficznych, dzięki czemu jest to wszechstronne i dające się dostosować rozwiązanie do różnorodnych kontekstów.
Podsumowując, nasze badania mają na celu nie tylko przesunięcie granic technologicznych w diagnostyce raka piersi, ale także wywołanie rewolucyjnej zmiany w dostępności, wydajności i niezawodności. Opracowując model sztucznej inteligencji, który sprosta konkretnym wyzwaniom tradycyjnych metod, chcemy wywrzeć znaczący wpływ na badania przesiewowe w kierunku raka piersi, co ostatecznie doprowadzi do wczesnego wykrywania, dostosowanego leczenia i lepszych wyników dla pacjentów na całym świecie.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Taufiq Hasan, PhD
- Numer telefonu: +8801817579844
- E-mail: taufiq@bme.buet.ac.bd
Kopia zapasowa kontaktu do badania
- Nazwa: Samiha Jainab, B.Sc.
- Numer telefonu: +8801914556073
- E-mail: jainab.samiha@gmail.com
Lokalizacje studiów
-
-
-
Dhaka, Bangladesz, 1212
- Rekrutacyjny
- National Institute of Cancer Research & Hospital (NICRH)
-
Kontakt:
- Farida Arjuman, FCPS, MCPS
- Numer telefonu: +8801715520165
- E-mail: drarju35cmc@gmail.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Jako pacjentki można wybrać pacjentki w każdym wieku.
- Osoby chcące wziąć udział w badaniach przesiewowych w kierunku raka piersi.
- Możliwość wykonania biopsji.
- Kobiety, u których obecnie ani wcześniej nie zdiagnozowano raka piersi.
- Dostępność odpowiedniej dokumentacji medycznej do celów potwierdzenia i porównania.
Kryteria wykluczenia:
- Kobiety w ciąży są wykluczone ze względu na potencjalny wpływ na wyniki badań przesiewowych i konieczność szczególnej uwagi podczas ciąży.
- Z badania wykluczone są osoby z poważnymi schorzeniami lub okolicznościami, które mogą sprawić, że badanie histopatologiczne będzie niewłaściwe lub niebezpieczne.
- Wykluczeni są pacjenci ze schorzeniami, które mogą zakłócać dokładność wyników badań przesiewowych.
- Badania kontrolne nie są uwzględnione w tym badaniu.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Kobiety, które poddają się biopsji z powodu podejrzenia nieprawidłowego wzrostu komórek w piersi
Do kohorty zaliczają się kobiety, które przeszły biopsję z powodu podejrzenia nieprawidłowego rozrostu komórek w piersi. Ta kohorta uwzględnia szeroki zakres potencjalnych diagnoz, w tym choroby łagodne, nieinwazyjne (in situ) raki piersi i inwazyjne raki piersi. Od wszystkich uczestników pobierane są wycinki histopatologiczne do analizy, które stanowią podstawę do określenia obecności i rodzaju nieprawidłowego wzrostu komórek. Kohorta zostanie zbadana przy użyciu technik głębokiego uczenia się w celu sklasyfikowania próbek z biopsji na określone kategorie (normalne, łagodne, in situ lub inwazyjne) w celu poprawy dokładności diagnostycznej i skuteczności w wykrywaniu raka piersi. Celem tego badania, skupiającego się na kobietach poddawanych biopsji, jest zmierzenie się z wyzwaniami diagnostycznymi związanymi z rozróżnianiem różnych nieprawidłowości w tkance piersi, co przyczyni się do wcześniejszego wykrycia i lepszych wyników klinicznych. |
Biopsja: Ta interwencja polega na pobraniu próbek tkanki piersi w drodze biopsji. Próbki te pobiera się od kobiet poddawanych badaniu pod kątem nietypowego wzrostu komórek i poddaje się je analizie w celu wykrycia potencjalnych nieprawidłowości, w tym łagodnych, in situ lub inwazyjnych zmian nowotworowych. Usunięcie piersi: Ta interwencja odnosi się do chirurgicznego usunięcia tkanki piersi, zwykle wykonywanego w celu leczenia lub zapobiegania rozprzestrzenianiu się raka piersi. Może obejmować usunięcie części lub całości piersi i jest rozważane w przypadku inwazyjnego raka piersi lub nieinwazyjnego raka piersi wysokiego ryzyka. Histopatologia: Interwencja ta skupia się na badaniu mikroskopowym próbek tkanki piersi pobranych podczas biopsji lub mastektomii. Analizę histopatologiczną przeprowadza się w celu oceny nieprawidłowości komórkowych, określenia obecności nowotworu i klasyfikacji tkanki jako łagodnej, in situ lub inwazyjnej, co stanowi podstawę do postawienia diagnozy i decyzji dotyczących leczenia. |
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dokładność modelu głębokiego uczenia się w klasyfikacji tkanki piersi jako normalnej łagodnej, in situ lub inwazyjnej.
Ramy czasowe: Mierzone w momencie analizy obrazu histopatologicznego (w ciągu 1 tygodnia od biopsji lub mastektomii).
|
Podstawowym wynikiem tego badania jest dokładność diagnostyczna modelu głębokiego uczenia się w klasyfikacji obrazów histopatologicznych z biopsji piersi na trzy kategorie: łagodny, in situ (nieinwazyjny) i inwazyjny rak piersi.
Dokładność będzie mierzona poprzez porównanie przewidywań modelu z podstawowymi diagnozami postawionymi przez doświadczonych patologów.
|
Mierzone w momencie analizy obrazu histopatologicznego (w ciągu 1 tygodnia od biopsji lub mastektomii).
|
Współpracownicy i badacze
Sponsor
Współpracownicy
Śledczy
- Główny śledczy: Taufiq Hasan, PhD, Department of Biomedical Engineering, Bangladesh University of Engineering and Technology (BUET), Dhaka - 1205.
- Główny śledczy: Farida Arjuman, FCPS, MCPS, Department of Histopathology, National Institute of Cancer Research and Hospital (NICRH)
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 (Szacowany)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Szacowany)
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
- NICRH/IRB/2024/134
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 .