- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT05048095
Inteligência Artificial no Rastreio do Cancro da Mama na Região Östergötland Linkoping (AI-ROL)
O uso da IA como terceiro leitor e durante o consenso em um programa de triagem de câncer de mama de leitura dupla na Suécia
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
O sistema de detecção de câncer AI atuará como um terceiro leitor e recordará casos adicionais para a conferência de consenso: os exames que não foram recuperados por leitura dupla, mas são classificados como os 3% exames mais suspeitos, com base nas pontuações de risco de câncer derivadas da IA. Em segundo lugar, a IA é usada como suporte à decisão durante o consenso. As pontuações de risco AI e as marcas de detecção assistida por computador (CAD) de calcificações suspeitas e lesões de tecidos moles são fornecidas ao(s) leitor(es).
A hipótese deste estudo é que o uso de IA tem o potencial de melhorar a qualidade do programa de triagem, aumentando a taxa de detecção de câncer sem afetar a taxa de reconvocação.
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
Östergötland
-
Linköping, Östergötland, Suécia, 58185
- Region Östergötland
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Mulheres que participam do programa regular de rastreamento do câncer de mama na região Östergötland Linkoping
Critério de exclusão:
- Mulheres com implantes mamários ou outros implantes estranhos na mamografia
- Mulheres com sintomas ou sinais de suspeita de câncer de mama
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Coorte
- Perspectivas de Tempo: Prospectivo
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
---|---|
Mulheres rastreadas na Região Östergötland Linkoping
|
O uso da IA como um terceiro leitor e como um sistema de apoio à decisão durante a reunião de consenso
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
Taxa de Detecção de Câncer
Prazo: Após 4 meses de inclusão
|
Proporção de mulheres diagnosticadas com câncer de mama entre aquelas reconvocadas após consenso
|
Após 4 meses de inclusão
|
Taxa de recall ou referência
Prazo: Após 4 meses de inclusão
|
Proporção de mulheres que são encaminhadas para investigação diagnóstica adicional após consenso
|
Após 4 meses de inclusão
|
Valor preditivo positivo de referências
Prazo: Após 4 meses de inclusão
|
Proporção de mulheres diagnosticadas com câncer de mama entre as encaminhadas
|
Após 4 meses de inclusão
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
Valor preditivo positivo dos escores Transpara®
Prazo: Após 4 meses de inclusão
|
Proporção de cânceres de mama diagnosticados entre mulheres com um determinado escore de IA
|
Após 4 meses de inclusão
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Håkan Gustafsson, PhD, Linköping University - University Hospital
Publicações e links úteis
Publicações Gerais
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Tan T, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Mann RM, Sechopoulos I. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists. J Natl Cancer Inst. 2019 Sep 1;111(9):916-922. doi: 10.1093/jnci/djy222.
- Rodriguez-Ruiz A, Krupinski E, Mordang JJ, Schilling K, Heywang-Kobrunner SH, Sechopoulos I, Mann RM. Detection of Breast Cancer with Mammography: Effect of an Artificial Intelligence Support System. Radiology. 2019 Feb;290(2):305-314. doi: 10.1148/radiol.2018181371. Epub 2018 Nov 20.
- van Winkel SL, Rodriguez-Ruiz A, Appelman L, Gubern-Merida A, Karssemeijer N, Teuwen J, Wanders AJT, Sechopoulos I, Mann RM. Impact of artificial intelligence support on accuracy and reading time in breast tomosynthesis image interpretation: a multi-reader multi-case study. Eur Radiol. 2021 Nov;31(11):8682-8691. doi: 10.1007/s00330-021-07992-w. Epub 2021 May 4.
- Pinto MC, Rodriguez-Ruiz A, Pedersen K, Hofvind S, Wicklein J, Kappler S, Mann RM, Sechopoulos I. Impact of Artificial Intelligence Decision Support Using Deep Learning on Breast Cancer Screening Interpretation with Single-View Wide-Angle Digital Breast Tomosynthesis. Radiology. 2021 Sep;300(3):529-536. doi: 10.1148/radiol.2021204432. Epub 2021 Jul 6.
- Raya-Povedano JL, Romero-Martin S, Elias-Cabot E, Gubern-Merida A, Rodriguez-Ruiz A, Alvarez-Benito M. AI-based Strategies to Reduce Workload in Breast Cancer Screening with Mammography and Tomosynthesis: A Retrospective Evaluation. Radiology. 2021 Jul;300(1):57-65. doi: 10.1148/radiol.2021203555. Epub 2021 May 4.
- Lang K, Dustler M, Dahlblom V, Akesson A, Andersson I, Zackrisson S. Identifying normal mammograms in a large screening population using artificial intelligence. Eur Radiol. 2021 Mar;31(3):1687-1692. doi: 10.1007/s00330-020-07165-1. Epub 2020 Sep 2.
- Rodriguez-Ruiz A, Lang K, Gubern-Merida A, Teuwen J, Broeders M, Gennaro G, Clauser P, Helbich TH, Chevalier M, Mertelmeier T, Wallis MG, Andersson I, Zackrisson S, Sechopoulos I, Mann RM. Can we reduce the workload of mammographic screening by automatic identification of normal exams with artificial intelligence? A feasibility study. Eur Radiol. 2019 Sep;29(9):4825-4832. doi: 10.1007/s00330-019-06186-9. Epub 2019 Apr 16.
- Lang K, Hofvind S, Rodriguez-Ruiz A, Andersson I. Can artificial intelligence reduce the interval cancer rate in mammography screening? Eur Radiol. 2021 Aug;31(8):5940-5947. doi: 10.1007/s00330-021-07686-3. Epub 2021 Jan 23.
- Sasaki M, Tozaki M, Rodriguez-Ruiz A, Yotsumoto D, Ichiki Y, Terawaki A, Oosako S, Sagara Y, Sagara Y. Artificial intelligence for breast cancer detection in mammography: experience of use of the ScreenPoint Medical Transpara system in 310 Japanese women. Breast Cancer. 2020 Jul;27(4):642-651. doi: 10.1007/s12282-020-01061-8. Epub 2020 Feb 12.
- Kerschke L, Weigel S, Rodriguez-Ruiz A, Karssemeijer N, Heindel W. Using deep learning to assist readers during the arbitration process: a lesion-based retrospective evaluation of breast cancer screening performance. Eur Radiol. 2022 Feb;32(2):842-852. doi: 10.1007/s00330-021-08217-w. Epub 2021 Aug 12.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- NCT20210157-AI-ROL
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .
Ensaios clínicos em Câncer de mama
-
Turku University HospitalLounais-Suomen SyöpäyhdistysAinda não está recrutandoSobrevivente de cancerFinlândia
-
Roswell Park Cancer InstituteNational Cancer Institute (NCI)RetiradoSobrevivente de cancerEstados Unidos
-
University of Alabama at BirminghamNational Cancer Institute (NCI); Auburn UniversityConcluído
-
Rutgers, The State University of New JerseyNational Cancer Institute (NCI)ConcluídoSobrevivente de cancerEstados Unidos
-
Wake Forest University Health SciencesNational Cancer Institute (NCI)ConcluídoSobrevivente de cancerEstados Unidos, Guam
-
Wake Forest University Health SciencesNational Cancer Institute (NCI); National Institute of Mental Health (NIMH)ConcluídoSobrevivente de cancerEstados Unidos
-
Masonic Cancer Center, University of MinnesotaConcluídoSobrevivente de cancerEstados Unidos
-
University of New MexicoNew Mexico State University; University of New Mexico Cancer CenterConcluído
-
Ohio State University Comprehensive Cancer CenterConcluídoSobrevivente de cancerEstados Unidos
-
Abramson Cancer Center of the University of PennsylvaniaConcluídoPlano de cuidados de sobrevivência LIVESTRONG: coleta contínua de dados e pesquisa de acompanhamentoPaciente com cancerEstados Unidos
Ensaios clínicos em Sistema de detecção de câncer de IA
-
Ankara UniversityMiddle East Technical UniversityDesconhecidoGravidez | Trabalho ObstétricoPeru