Multicenterstudie av djupinlärning av AI i bröstmassa
En multicenterstudie av screening och diagnos av bröstmassa med hjälp av djupinlärning AI-baserad på ultraljudsundersökning i realtid
Studieöversikt
Detaljerad beskrivning
Som den vanligaste cancerformen som förväntas uppstå över hela världen, spelar omfattande befolkningsscreening en mycket viktig roll för tidig diagnos och prognos av bröstcancern. Röntgen och ultraljud är de vanligaste screeningmetoderna och ultraljud är särskilt viktigt för asiatiska kvinnor med täta bröst. Ultraljud påverkas dock i hög grad av operatörens skicklighet och erfarenhet, och den diagnostiska noggrannheten varierar mycket.
Artificiell intelligens (AI) är en ny metod som har vuxit fram under de senaste åren, aktiv inom många medicinska områden och kan effektivt förbättra den diagnostiska effektiviteten. Tidigare forskning om tillämpningen av AI i ultraljud är dock fokuserad på statiska ultraljudsbilder med enkel eller multimodalitet. Denna multicenterstudie syftar till att utvärdera värdet av detektering och differentialdiagnos av bröstmassa med hjälp av djupinlärning AI-baserad ultraljudsundersökning i realtid.
Studietyp
Inskrivning (Förväntat)
Kontakter och platser
Studiekontakt
- Namn: Yong Wang
- Telefonnummer: 13391817899
- E-post: drwangyong77@163.com
Studieorter
-
-
Beijing
-
Beijing, Beijing, Kina, 100021
- Rekrytering
- National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College
-
Kontakt:
- Yong Wang
- Telefonnummer: 13391817899
- E-post: drwangyong77@163.com
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Kön som är behöriga för studier
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Kvinnor som genomgår ultraljudsundersökning för ett klagomål av bröstskada;
- Bröstskadan som kommer att få definitiv patologisk diagnos eller uppföljning i minst två år.
Exklusions kriterier:
- Bröstskadan som har fått CNB eller FNA;
- Bröstcancerpatienten som fått neoadjuvant kemoterapi.
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Diagnostisk prestanda för bröstmassa med hjälp av djupinlärning AI-baserad ultraljudsundersökning i realtid
Tidsram: 12 månader
|
Patologi som guldstandard, för att utvärdera den diagnostiska prestandan (känslighet, specificitet och noggrannhet)
|
12 månader
|
Samarbetspartners och utredare
Samarbetspartners
Utredare
- Huvudutredare: Yong Wang, Cancer Institute and Hospital, Chinese Academy of Medical Sciences
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Förväntat)
Avslutad studie (Förväntat)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- NCC2962
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .