分散式医学人工智能开放联盟中用于乳腺癌筛查的磁共振成像数据的回顾性分析 (ODELIA)
研究概览
详细说明
人工智能 (AI) 将彻底改变医疗保健，因为其诊断性能接近临床专家。 特别是在癌症筛查中，人工智能可以帮助患者做出更明智的决定并减少医疗错误。 然而，这需要大型数据集，其收集面临严重的实践、伦理和法律障碍。 这些障碍可能会通过群学习 (SL) 来克服，在群学习中，合作伙伴在不共享任何数据的情况下共同训练 AI 模型。 然而，目前对 SL 技术的访问是有限的，因为没有研究在真正的跨国设置中实施 SL，没有可免费使用的 SL 实施，研究人员和医疗保健提供者没有建立 SL 网络的经验，政策制定者目前不知道更广泛的SL的含义。
ODELIA 旨在解决这些问题：ODELIA 将为 SL 构建一个开源软件框架，为在临床前环境中简化 AI 解决方案的开发提供流水线。 为了作为未来基于 SL 的人工智能系统的蓝图，ODELIA 合作伙伴作为一个联盟合作开发用于在磁共振成像 (MRI) 中检测乳腺癌的人工智能模型。 ODELIA 的分布式数据库的规模将是巨大的，ODELIA 的 AI 模型可以达到乳腺癌筛查的专家级性能。
因此，ODELIA 不仅可以提供有用的医疗应用，而且可以提供证据来总结 SL 在加速开发、提高性能和强大的通用性方面的临床益处。
为实现这一目标，ODELIA 合作伙伴将收集回顾性、匿名的乳腺 MRI 数据集，这些数据集带有针对癌症存在的手动地面真实标签，并将通过常规方式和 SL 训练 AI 模型。 将比较这些技术方法的性能。 该研究的目的是测试 Swarm Learning 的方法和 ODELIA 内部开发的 AI 算法在回顾性数据上的性能。 由于所有评估都是回顾性的，因此不会对患者的治疗产生影响。 没有患者治疗或任何干预与该研究相关。
研究类型
注册 (估计的)
联系人和位置
学习地点
-
-
NRW
-
Aachen、NRW、德国、52074
- Daniel Truhn
-
-
Saxony
-
Dresden、Saxony、德国、01309
- Jakob Nikolas Kather
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
取样方法
研究人群
描述
纳入标准：
- 女性
- MRI 检查年龄 18-90 岁
排除标准：
- 在分析开始前由一位设盲的放射科医师判断图像质量不足
- 不可识别的基本事实（即诊断尚未确定）
学习计划
研究是如何设计的？
设计细节
- 观测模型：队列
- 时间观点：追溯
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
接受 MRI 乳腺癌筛查的女性
不进行任何干预。
在每个站点获得道德批准后，将以匿名方式追溯收集数据。
|
没有干预。
|
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 |
|---|---|---|
|
乳腺癌检测的诊断性能（灵敏度和特异性）
大体时间：5年
|
与基于专家的乳房 MRI 评估的黄金标准方法相比，乳腺癌检测的诊断性能（灵敏度和特异性）可以总结为多个阈值的接受者操作特征曲线，比较多种技术方法，包括基于群体学习的方法人工智能模型和本地人工智能模型。
|
5年
|
合作者和调查者
合作者
出版物和有用的链接
有用的网址
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
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.