Automatiserad detektion av metastaserande bensjukdom på benscintigrafi
16 mars 2023 uppdaterad av: Maastricht University
I Silico Clinical Trial som jämför läkarnas avläsningsnoggrannhet och en djupinlärningsalgoritm för detektion av metastaserande bensjukdom på benscintigrafi.
Benscintigrafi är tvådimensionella medicinska bilder som används flitigt inom nuklearmedicin.
Skanningarna upptäcker förändringar i benmetabolismen med hög känslighet, men den saknar specificiteten för underliggande orsaker.
Därför skulle ytterligare avbildning krävas för att bekräfta den underliggande orsaken.
Syftet med denna studie är att undersöka om djupinlärning kan förbättra kliniska beslut baserat på skelettscintigrafi.
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Faktisk)
2365
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Limburg
-
Maastricht, Limburg, Nederländerna, 6229ER
- Maastricht University
-
-
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
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Nej
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Varje patient som hade en indikation för att genomgå benscintigrafi i något av de deltagande centra.
Beskrivning
Inklusionskriterier:
- Patienter som genomgick en benscintigrafi som är tillgänglig med den röntgenrapport mellan 2010-2018
Exklusions kriterier:
- Avsaknaden av en benskanning eller motsvarande röntgenrapport
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
BS-UKA
Patienter som genomgick skelettscintigrafi mellan 2010 och 2018 på RTWH Aachen universitetssjukhus och hade en benskanningsrapport som indikerar närvaro eller frånvaro av metastaserande bensjukdom.
|
Syftet är att undersöka om algoritmer för djupinlärning kan upptäcka benmetastaser med hög noggrannhet och specificitet.
|
|
BS-Namur
Patienter som genomgick en skelettscintigrafisk skanning mellan 2010 och 2018 på Namurs universitetssjukhus och hade en benskanningsrapport som indikerar närvaro eller frånvaro av metastaserande bensjukdom.
|
Syftet är att undersöka om algoritmer för djupinlärning kan upptäcka benmetastaser med hög noggrannhet och specificitet.
|
|
BS-Aalborg
Patienter som genomgick skelettscintigrafi mellan 2010 och 2018 på Aalborg universitetssjukhus och hade en benskanningsrapport som indikerar närvaro eller frånvaro av metastaserande bensjukdom.
|
Syftet är att undersöka om algoritmer för djupinlärning kan upptäcka benmetastaser med hög noggrannhet och specificitet.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Klassificeringsprestandan för DL-algoritmen jämfört med grundsanningen
Tidsram: Juni 2021
|
Rapportering av prestandamåtten (Area under kurvan, noggrannhet, specificitet..etc)
|
Juni 2021
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Jämför klassificeringsprestanda för DL-algoritmen med läkares
Tidsram: Juni 2021
|
Korrektheten av diagnosen Dr kontra AI (dikotom variabel: korrekt kontra inte korrekt) på en delmängd av valideringsdata, med hjälp av ett McNemar statistiskt test
|
Juni 2021
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
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.
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)
10 mars 2021
Primärt slutförande (Faktisk)
30 december 2021
Avslutad studie (Faktisk)
31 december 2021
Studieregistreringsdatum
Först inskickad
19 april 2021
Först inskickad som uppfyllde QC-kriterierna
25 oktober 2021
Första postat (Faktisk)
8 november 2021
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
20 mars 2023
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
16 mars 2023
Senast verifierad
1 mars 2023
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- MBDDL
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 .