Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Bröstarteriella förkalkningar som en avbildningsbiomarkör för kardiovaskulär risk (BAKER)

3 september 2025 uppdaterad av: Francesco Sardanelli, IRCCS Policlinico S. Donato

Automatisk kvantifiering av bröstarteriella förkalkningar som en avbildningsbiomarkör för kardiovaskulär risk (The Baker Study)

Målet med denna observationsstudie är att bedöma om det finns en koppling mellan närvaron av BAC och traditionella kardiovaskulära riskfaktorer och validerar ett konvolutionellt neuraltätverk (CNN) för automatisk segmentering av bröstarteriella förkalkningar (BAC) i mammografiska bilder. Denna studie fokuserar på att förstå potentialen hos BAC som en avbildningsbiomarkör för hjärt -kärlrisk.

De viktigaste frågorna som syftar till att svara på är:

  • Finns det en koppling mellan närvaron av BAC och traditionella hjärt -kärlsriskfaktorer?
  • Kan ett CNN exakt segment BAC i mammografiska bilder?
  • Vad är sambandet mellan BAC och Vit Matter Hyperintensities (WMH) upptäckt genom MRI med hjärnan?

Deltagare i denna studie kommer att vara individer som genomgår mammografisk screening. De viktigaste uppgifterna som deltagarna kommer att uppmanas att göra inkluderar att ge samtycke för deltagande och ha mammografiska bilder och ett blodprov taget. Studien kommer att använda en jämförelsegrupp, jämföra individer med BAC med dem utan BAC, för att bedöma potentiella effekter på kardiovaskulär risk.

Studieöversikt

Status

Avslutad

Intervention / Behandling

Detaljerad beskrivning

Förening mellan BAC och kardiovaskulära riskfaktorer

  • Traditionella kardiovaskulära riskfaktorer kommer att analyseras och statistiska test (T-test eller U de Mann-Whitney) kommer att användas baserat på datadistributionen.
  • Multivariat analys kommer att utföras för att bestämma den oberoende sambandet mellan BAC -belastning och kardiovaskulära riskfaktorer.
  • Linjär regression kommer att bedöma förhållandet mellan BAC -belastning och Framingham -poäng, som strävar efter en kliniskt tillämplig modell.

Utveckling av CNN för BAC -segmentering

  • Mammografiska bilder kommer att förvärvas med hjälp av ett digitalt fullfält mammografisystem enligt klinisk praxis.
  • Två erfarna operatörer kommer att segmentera bilderna manuellt för att skapa ett datasätt för träning, validering och testning av CNN.
  • Cirka 60% av de bilder som förvärvats under det första året kommer att användas för träning, och de återstående 40% kommer att bilda validerings- och testdatasätten.
  • Prestandautvärdering av CNN kommer att genomföras med Sørensen-likhetsindex, Bland-Altman-analys och fritt svarsmottagares operativa karakteristik (FROC).

Förening mellan BAC och vitmaterial hyperintensiteter (WMH)

  • En delmängd av deltagare kommer att genomgå hjärnm -MRI för att bedöma WMH.
  • Föreningen mellan BAC -kvantitet i mammografi och WMH -belastning i MRI kommer att utvärderas med hjälp av maskininlärningstekniker.
  • Andra små kärlsjukdomar, såsom lacunar -infarkt och mikroblor, kommer också att analyseras.

Patientregistrering:

Studien syftar till att registrera 600 kvinnor, med tanke på ett 1: 1 -förhållande mellan fall och kontroller. Med uppskattningsvis 50% vidhäftningsgrad räknar den ut att utvärdera 1500 kvinnor under två år.

Denna omfattande studie integrerar utvecklingen av avancerade avbildningstekniker med kliniska korrelationer för att utforska potentialen för BAC som en avbildningsbiomarkör för kardiovaskulär riskbedömning.

Studietyp

Observationell

Inskrivning (Faktisk)

149

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

    • MI
      • San Donato Milanese, MI, Italien, 20097
        • IRCCS Policlinico San Donato

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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Studiepopulationen består av kvinnor i åldern mer än 40 år som har samtyckt till att genomgå screening av mammografi. Deltagarna kommer att rekryteras från individer som deltar i mammografiscreeningsprogram på vårt institut.

Beskrivning

Inkluderingskriterier:

Kvinnliga deltagare. Samtycke till att genomgå mammografiscreening. Avtal om att delta i hjärnm -MRI för en delmängd av studien.

Uteslutningskriterier:

Manliga deltagare. Ålder under 40. Oförmåga eller ovilja att genomgå screening av mammografi. Kontraindikationer för MRI i hjärnan, inklusive förekomsten av pacemaker, intrakraniell ferromagnetiska vaskulära klipp, intraokulära metallfragment, svår klaustrofobi, oförmåga att upprätthålla en överstart, ofrivilliga rörelser eller graviditet.

Känd historia av bröstcancer. Tidigare reduktiv bröstkirurgi.

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
Bac -grupp

Outpatienter som presenteras i vår avdelning för årlig mammografi kommer att screenas och valts för BAC -närvaro.

Mammografisk avbildning:

Deltagarna kommer att genomgå mammografisk avbildning med hjälp av ett digitalt mammografisystem med full fält efter standardkliniska metoder.

De förvärvade mammografiska bilderna kommer att tjäna som grund för utveckling och testning av det konvolutionala neurala nätverket (CNN) för segmentering av bröstarteriella förkalkningar (BAC).

Venöst blodprovsamling:

För varje deltagare kommer ett venöst blodprov att samlas in och traditionella kardiovaskulära riskfaktorer (såsom ålder, hypertoni, hyperlipidemi) kommer att registreras.

Deltagarna kommer att genomgå mammografisk avbildning med hjälp av ett digitalt mammografisystem med full fält efter standard kliniska metoder och blodprovtagning.
Andra namn:
  • Blodprov
Kontrollgrupp

Outpatienter som presenteras i vår avdelning för årlig mammografi kommer att screenas och matchas för ålders- och bröstdensitet till BAC -gruppen.

Mammografisk avbildning:

Deltagarna kommer att genomgå mammografisk avbildning med hjälp av ett digitalt mammografisystem med full fält efter standardkliniska metoder.

De förvärvade mammografiska bilderna kommer att tjäna som grund för utveckling och testning av det konvolutionala neurala nätverket (CNN) för segmentering av bröstarteriella förkalkningar (BAC).

Venöst blodprovsamling:

För varje deltagare kommer ett venöst blodprov att samlas in och traditionella kardiovaskulära riskfaktorer (såsom ålder, hypertoni, hyperlipidemi) kommer att registreras.

Deltagarna kommer att genomgå mammografisk avbildning med hjälp av ett digitalt mammografisystem med full fält efter standard kliniska metoder och blodprovtagning.
Andra namn:
  • Blodprov

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Förening mellan BAC och kardiovaskulära riskfaktorer
Tidsram: En observation vid tidpunkten för mammografiundersökningen. Total tidsram: 1 dag.

Metod: Denna aspekt av studien syftar till att bedöma sambandet mellan bördan av BAC och traditionella kardiovaskulära riskfaktorer. Parametriska och icke-parametriska test kommer att användas för att utvärdera skillnader i BAC-börda baserat på närvaro eller frånvaro av traditionella hjärt-kärl- och gynekologiska riskfaktorer.

Implikationer: En positiv koppling mellan BAC -bördan och hjärt -kärlsriskfaktorer kan betona potentialen för BAC som en biomarkör för hjärt -kärlrisk.

En observation vid tidpunkten för mammografiundersökningen. Total tidsram: 1 dag.

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Diagnostisk prestanda för CNN -detektion och kvantifiering av BAC på mammogram
Tidsram: En observation vid tidpunkten för mammografiundersökningen. Total tidsram: 1 dag.
För att bedöma prestandan och noggrannheten i det konvolutionala neurala nätverket (CNN) vid automatiskt segmentering av BAC från mammografiska bilder. Bedömningen kommer att baseras på mätvärden såsom Sørensen-likhetsindex, Bland-Altman-analys och Free Response-mottagarens operativa karakteristiska (FROC) -analys. CNN: s förmåga att pålitligt och exakt identifiera och avgränsa BAC -regioner i mammogrammen kommer att vara det sekundära fokuset för resultatbedömningen.
En observation vid tidpunkten för mammografiundersökningen. Total tidsram: 1 dag.

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

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)

11 september 2020

Primärt slutförande (Faktisk)

29 april 2024

Avslutad studie (Faktisk)

29 april 2024

Studieregistreringsdatum

Först inskickad

26 januari 2024

Först inskickad som uppfyllde QC-kriterierna

3 september 2025

Första postat (Beräknad)

4 september 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Beräknad)

4 september 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

3 september 2025

Senast verifierad

1 september 2025

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • BAKER
  • 90/INT/2020 (Annan identifierare: Comitato Etico Territoriale Lombardia 1)

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

produkt tillverkad i och exporterad från U.S.A.

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 .

Prenumerera