Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Diagnóstico precoce de melanoma baseado em inteligência artificial e previsão de risco em crianças, adolescentes e jovens adultos (AI-MEL)

27 de setembro de 2024 atualizado por: German Cancer Research Center

AI-MEL: análise de imagens e aprendizado de máquina para diagnóstico precoce e previsão de risco em crianças, adolescentes e jovens adultos

O objetivo deste estudo é desenvolver algoritmos de inteligência artificial de diagnóstico de suporte para distinguir melanoma de nevos ou outras lesões pigmentadas benignas da pele, especialmente em pacientes mais jovens (abaixo dos 30 anos). Os principais objetivos que pretende alcançar são:

desenvolvimento de algoritmo baseado em imagens dermatoscópicas, visando rastreamento de câncer de pele em populações vulneráveis
desenvolvimento de outro algoritmo baseado em imagens histológicas, destinado a ser utilizado por patologistas em lesões ainda suspeitas de melanoma após avaliação dermatológica
implementação de métodos de explicabilidade para permitir ao usuário compreender melhor as decisões dos sistemas, evitar preconceitos e aumentar a confiança nessas aplicações

Não há compromisso de tempo adicional para os participantes do estudo neste estudo, uma vez que os dados utilizados neste projeto serão coletados na prática clínica de rotina de qualquer maneira.

Visão geral do estudo

Status

Recrutamento

Condições

Tipo de estudo

Observacional

Inscrição (Estimado)

3000

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: Titus J Brinker, PD Dr. med
Número de telefone: +49 15175084347
E-mail: titus.brinker@nct-heidelberg.de

Locais de estudo

Alemanha
- - Tübingen, Alemanha, 72074
    - Concluído
    - University of Tübingen
Espanha
- - Barcelona, Espanha, 08036
    - Recrutamento
    - Hospital Clinic de Barcelona
    - Contato:
      
      Susana Puig
      
      E-mail: spuig@clinic.cat
Itália
- - Florence, Itália, 50121
    - Concluído
    - University of Florence

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

Sim

Método de amostragem

Amostra Não Probabilística

População do estudo

Principalmente crianças (até aos 15 anos inclusive), adolescentes (16-20) e jovens adultos (dos 21 aos 30 anos)

Descrição

Critérios de inclusão:

Critérios de exclusão:

Pacientes sem diagnóstico de melanoma ou nevo
imagens com qualidade de imagem insuficiente

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

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado	Descrição da medida	Prazo
Área sob a curva do operador do receptor (AUROC) Prazo: Primeira Avaliação: Após a conclusão do primeiro ciclo de treinamento e testes (aproximadamente 1,5 anos a partir do início do estudo). Reavaliações: aos 6 e 12 meses pós-treinamento inicial para melhoria do modelo.	O AUROC é usado para medir e comparar a precisão diagnóstica de diferentes classificadores. Assim, um valor mais elevado significa melhor desempenho diagnóstico, sendo AUROC de 1 uma pontuação perfeita.	Primeira Avaliação: Após a conclusão do primeiro ciclo de treinamento e testes (aproximadamente 1,5 anos a partir do início do estudo). Reavaliações: aos 6 e 12 meses pós-treinamento inicial para melhoria do modelo.

Medidas de resultados secundários

Medida de resultado	Descrição da medida	Prazo
Precisão equilibrada Prazo: Primeira Avaliação: Após a conclusão do primeiro ciclo de treinamento e testes (aproximadamente 1,5 anos a partir do início do estudo). Reavaliações: aos 6 e 12 meses pós-treinamento inicial para melhoria do modelo.	A precisão balanceada é usada para medir e comparar a precisão diagnóstica entre o classificador e o médico. Assim, um valor mais alto significa melhor desempenho diagnóstico, com uma precisão equilibrada de 1 significando capacidades diagnósticas perfeitas.	Primeira Avaliação: Após a conclusão do primeiro ciclo de treinamento e testes (aproximadamente 1,5 anos a partir do início do estudo). Reavaliações: aos 6 e 12 meses pós-treinamento inicial para melhoria do modelo.

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

German Cancer Research Center

Colaboradores

Hospital Clinic of Barcelona

University of Florence

Universität Tübingen

Fundacio Clinic Barcelona

Investigadores

Investigador principal: Titus J Brinker, PD Dr. med, German Cancer Research Center

Publicações e links úteis

A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.

Links úteis

Homepage of the MELCAYA project

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 (Real)

1 de dezembro de 2022

Conclusão Primária (Estimado)

30 de novembro de 2026

Conclusão do estudo (Estimado)