Artificial Intelligence Analysis for Magnetic Resonance Imaging in Screening and Diagnosis of Breast Cancer
7 de fevereiro de 2022 atualizado por: WangYi, Peking University People's Hospital
Peking University People's Hospital Radiology
Use Convolutional Neural Networks Analysis for Classification of Contrast-enhancing Lesions at Multiparametric Breast MRI.
Build an abbreviated protocal, and investigate whether an abbreviated protocol was suitable for breast magnetic resonance imaging screening for breast mass in Chinese women, which can shorten the examination time and avoid enhanced imaging while ensuring the accuracy of the diagnosis.
Visão geral do estudo
Status
Recrutamento
Intervenção / Tratamento
Tipo de estudo
Observacional
Inscrição (Antecipado)
5000
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Contato de estudo
- Nome: Yi Wang, doctor
- Número de telefone: 86+010-88325813
- E-mail: wangyi@pkuph.edu.cn
Locais de estudo
-
-
Beijing
-
Beijing, Beijing, China, 100044
- Recrutamento
- Peking University People's Hospital
-
Contato:
- Yi Wang, doctor
- Número de telefone: 13331183901
- E-mail: wangyi@pkuph.edu.cn
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Não
Gêneros Elegíveis para o Estudo
Fêmea
Método de amostragem
Amostra Não Probabilística
População do estudo
Clinically symptomatic patients (defined as palpable masses, nipple discharge, asymmetric thickening or nodules, and abnormal skin changes according to the guidelines) should be examined by BMRI at the judgment of the clinician.
Descrição
Inclusion Criteria:
- Patients with clinical symptoms (define as palpable mass, nipple discharge, asymmetric thickening or nodules, and abnormal skin changes)
- Patients undergoing full sequence BMRI examination
- Through the follow-up database, at least 6 months of follow-up results can be obtained to determine whether the diagnosis result is negative/benign/malignant; for patients who need pathological biopsy, the pathological biopsy results shall prevail to determine the lesion benign/malignant
Exclusion Criteria:
- The breast had received radiotherapy, chemotherapy, biology and other treatments before BMRI.
- There are contraindications for breast-enhanced MRI examinations such as allergy to contrast agents.
- A prosthesis is implanted in the affected breast.
- Patients during lactation or pregnancy
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Clinically symptomatic patients
Clinically symptomatic patients (defined as palpable masses, nipple discharge, asymmetric thickening or nodules, and abnormal skin changes according to the guidelines) should be examined by BMRI at the judgment of the clinician.
|
undergoing enhanced MRI
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Breast Cancer Screening
Prazo: 5 years
|
Compare the area under the curve of the deep learning model of the BMRI full sequence, contrast-enhanced and non-contrast-enhanced sequence in the diagnosis of breast cancer.
|
5 years
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
The accuracy of radiologists and deep learning models
Prazo: 5 years
|
Under the conditions of BMRI full sequence, contrast-enhanced and non-contrast-enhanced sequences, compare the sensitivity, specificity, positive predictive value and negative predictive value of breast tumor detection by radiologists and deep learning models.
|
5 years
|
|
Health economics
Prazo: 5 years
|
Compare the examination time, reading time and cost of BMRI full sequence, contrast-enhanced and non-contrast-enhanced sequences.
|
5 years
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Antecipado)
28 de fevereiro de 2022
Conclusão Primária (Antecipado)
30 de setembro de 2025
Conclusão do estudo (Antecipado)
30 de setembro de 2025
Datas de inscrição no estudo
Enviado pela primeira vez
12 de setembro de 2021
Enviado pela primeira vez que atendeu aos critérios de CQ
7 de fevereiro de 2022
Primeira postagem (Real)
16 de fevereiro de 2022
Atualizações de registro de estudo
Última Atualização Postada (Real)
16 de fevereiro de 2022
Última atualização enviada que atendeu aos critérios de controle de qualidade
7 de fevereiro de 2022
Última verificação
1 de fevereiro de 2022
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- AI-BMRI-S
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
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 .