Artificiell intelligens vid bröstcancerscreening i Region Östergötland Linköping (AI-ROL)
19 april 2022 uppdaterad av: Håkan Gustafsson, Ostergotland County Council, Sweden
Användningen av AI som en tredje läsare och under konsensus i ett dubbelläsningsprogram för bröstcancerscreening i Sverige
Syftet med denna observationsstudie är att bedöma om användningen av AI (Transpara®) kan leda till en förbättrad kvalitet på ett dubbelläsningsprogram för mammografi.
Detta undersöks genom att utföra AI som tredje läsare och som beslutsstöd under konsensusmötet, jämfört med konventionell mammografiscreening (dubbelläsning och konsensus utan AI).
Studieöversikt
Detaljerad beskrivning
AI-cancerdetekteringssystemet kommer att fungera som en tredje läsare och kommer att återkalla ytterligare fall till konsensuskonferensen: proven som inte återkallades genom dubbelläsning utan klassificeras som de 3 % mest misstänkta undersökningarna, baserat på AI-härledda cancerriskpoäng. För det andra används AI som beslutsstöd under konsensus. AI-riskpoäng och datorstödd detektion (CAD)-märken för misstänkta förkalkningar och mjukdelsskador tillhandahålls läsaren/läsarna.
Hypotesen för denna studie är att användningen av AI har potential att förbättra kvaliteten på screeningprogrammet genom att öka cancerdetekteringsfrekvensen utan att påverka återkallningsfrekvensen.
Studietyp
Observationell
Inskrivning (Faktisk)
15500
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Östergötland
-
Linköping, Östergötland, Sverige, 58185
- Region Östergötland
-
-
Deltagandekriterier
Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.
Urvalskriterier
Åldrar som är berättigade till studier
40 år till 74 år (Vuxen, Äldre vuxen)
Tar emot friska volontärer
Nej
Kön som är behöriga för studier
Kvinna
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Kvinnor är berättigade till populationsbaserad mammografiscreening
Beskrivning
Inklusionskriterier:
- Kvinnor som deltar i det vanliga bröstcancerscreeningsprogrammet i Region Östergötland Linköping
Exklusions kriterier:
- Kvinnor med bröstimplantat eller andra främmande implantat i mammografin
- Kvinnor med symtom eller tecken på misstänkt bröstcancer
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Kohort
- Tidsperspektiv: Blivande
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Screenade kvinnor i Region Östergötland Linköping
|
Användningen av AI som en tredje läsare och som ett beslutsstödssystem under konsensusmöten
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Cancerupptäcktsfrekvens
Tidsram: Efter 4 månaders inkludering
|
Andel kvinnor som diagnostiserats med bröstcancer bland dem som återkallades efter konsensus
|
Efter 4 månaders inkludering
|
|
Återkallelse eller remissfrekvens
Tidsram: Efter 4 månaders inkludering
|
Andel kvinnor som remitteras för vidare diagnostisk upparbetning efter konsensus
|
Efter 4 månaders inkludering
|
|
Positivt prediktivt värde av remisser
Tidsram: Efter 4 månaders inkludering
|
Andel kvinnor som diagnostiserats med bröstcancer bland de remitterade
|
Efter 4 månaders inkludering
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Positivt prediktivt värde av Transpara®-poäng
Tidsram: Efter 4 månaders inkludering
|
Andel bröstcancer diagnostiserade bland kvinnor med en given AI-poäng
|
Efter 4 månaders inkludering
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Utredare
- Huvudutredare: Håkan Gustafsson, PhD, Linköping University - University Hospital
Publikationer och användbara länkar
Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.
Allmänna publikationer
- 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.
Studieavstämningsdatum
Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.
Studera stora datum
Studiestart (Faktisk)
15 oktober 2021
Primärt slutförande (Faktisk)
15 februari 2022
Avslutad studie (Faktisk)
15 februari 2022
Studieregistreringsdatum
Först inskickad
8 september 2021
Först inskickad som uppfyllde QC-kriterierna
8 september 2021
Första postat (Faktisk)
17 september 2021
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
20 april 2022
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
19 april 2022
Senast verifierad
1 april 2022
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- NCT20210157-AI-ROL
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Obeslutsam
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .