Меню
Идёт набор NCT06621810

Artificial Intelligence Based Melanoma Early Diagnosis and Risk Prediction in Children, Adolescents and Young Adults

— Наблюдательное Melanoma (Skin Cancer) Artificial Intelligence (AI) Pediatric Cancer

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
Это наблюдательное исследование: исследуемое лечение участникам по протоколу не назначают.
Кому может быть актуально
Состояния в реестре: Melanoma (Skin Cancer), Artificial Intelligence (AI), Pediatric Cancer. Базовые параметры: Без ограничений · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Германия, Италия, Испания
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Официальное название

AI-MEL: Image Analysis and Machine Learning for Early Diagnosis and Risk Prediction in Children, Adolescents and Young Adults

Обзор

The goal of this study is to develop supportive diagnostic artificial intelligence algorithms to distinguish melanoma from nevi or other benign pigmented skin lesions, especially in younger patients (below the age of 30). The main goals it aims to achieve are: * development of an algorithm based on dermatoscopic images, targeting skin cancer screening in vulnerable populations * development of another algorithm based on histological images, intended to be used by pathologists on lesions that are still suspicious of melanoma after dermatologic assessment * implementation of explainability methods to enable the user to better comprehend the systems' decisions, avoid biases and increase trust in these applications There is no additional time commitment for the study participants for this study, as the data used in this project will be collected in routine clinical practice anyway.

Первичные конечные точки

  • Area Under the Receiver Operator Curve (AUROC) [Срок оценки: First Assessment: Upon completion of the first training and testing cycle (approx. within 1.5 years from the start of the study). Reevaluations: at 6 and 12 months post-initial training for model improvement.]
Вторичные конечные точки (1)
  • Balanced accuracy [Срок оценки: First Assessment: Upon completion of the first training and testing cycle (approx. within 1.5 years from the start of the study). Reevaluations: at 6 and 12 months post-initial training for model improvement.]

Критерии участия

Критерии включения

\-

Критерии исключения

  • Patients without a melanoma or nevus diagnosis
  • images with insufficient image quality

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Да

Дизайн исследования

Модель наблюдения
Только случаи

Центры проведения

Германия · 1 центр
  • University of Tübingen — Tübingen
Италия · 1 центр
  • University of Florence — Florence
Испания · 1 центр
  • Hospital Clínic de Barcelona — Barcelona

Идентификаторы

NCT: NCT06621810 · MELCAYA-AI-MEL

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗