通过骨闪烁扫描自动检测转移性骨病
2023年3月16日 更新者：Maastricht University
In Silico 临床试验比较医生的阅读准确性和深度学习算法在骨闪烁扫描扫描中检测转移性骨病。
骨闪烁扫描是在核医学中大量使用的二维医学图像。
扫描以高灵敏度检测骨代谢的变化，但缺乏对潜在原因的特异性。
因此，需要进一步的成像来确认根本原因。
本研究的目的是调查深度学习是否可以改善基于骨闪烁扫描的临床决策。
研究概览
研究类型
观察性的
注册 (实际的)
2365
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Limburg
-
Maastricht、Limburg、荷兰、6229ER
- Maastricht University
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 孩子
- 成人
- 年长者
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
任何有在任何参与中心接受骨闪烁扫描术指征的患者。
描述
纳入标准：
- 在 2010 年至 2018 年期间接受放射学报告的骨闪烁扫描的患者
排除标准：
- 缺乏骨扫描或相应的放射学报告
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
BS-英国
患者于 2010 年至 2018 年在亚琛工业大学医院接受骨显像扫描，并有骨扫描报告表明存在或不存在转移性骨病。
|
目的是研究深度学习算法是否可以高精度和特异性地检测骨转移。
|
|
BS-那慕尔
2010 年至 2018 年间在那慕尔大学医院接受骨闪烁显像扫描并有骨扫描报告表明存在或不存在转移性骨病的患者。
|
目的是研究深度学习算法是否可以高精度和特异性地检测骨转移。
|
|
BS-奥尔堡
2010 年至 2018 年间在奥尔堡大学医院接受骨闪烁显像扫描，并有骨扫描报告表明存在或不存在转移性骨病的患者。
|
目的是研究深度学习算法是否可以高精度和特异性地检测骨转移。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
DL算法与ground truth相比的分类性能
大体时间：2021 年 6 月
|
报告绩效指标（曲线下面积、准确性、特异性等）
|
2021 年 6 月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
将 DL 算法的分类性能与医生的分类性能进行比较
大体时间：2021 年 6 月
|
使用 McNemar 统计检验在验证数据的子集上诊断 Dr 与 AI（二分变量：正确与不正确）的正确性
|
2021 年 6 月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2021年3月10日
初级完成 (实际的)
2021年12月30日
研究完成 (实际的)
2021年12月31日
研究注册日期
首次提交
2021年4月19日
首先提交符合 QC 标准的
2021年10月25日
首次发布 (实际的)
2021年11月8日
研究记录更新
最后更新发布 (实际的)
2023年3月20日
上次提交的符合 QC 标准的更新
2023年3月16日
最后验证
2023年3月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.