Меню
Набор скоро начнётся NCT07468357

Human-AI Uncertainty Callibration for Improved Skin Lesion Segmentation

Без фазы С лечением Skin Lesions

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
В протоколе указаны: Base Model, FDM.
Кому может быть актуально
Состояния в реестре: Skin Lesions. 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
Список центров уточняется — проверьте первичный протокол.
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

The Effect of Human-AI Uncertainty Calibration vs. AI Uncertainty Alone on the Diagnostic Accuracy of Human Experts for Skin Lesions - a Randomized Controlled Trial.

Обзор

The goal of this randomized controlled study is to compare the effect of a new, personalized uncertainty-aware decision model (FDM) to a standard image recognition model in improving the diagnostic accuracy while reducing diagnostic uncertainty in experienced dermatologists tasked with differentiating between melanomas, moles and other benign skin lesions. The main question it aims to answer: Is the FDM a feasible method for an improved human AI partnership in which trust is build, misdiagnoses are avoided, and uncertainty is duly introduced or reduced. The investigators expect to see only a slight increase in collective diagnostic accuracy for both interventions as the the human participants are skilled dermatologist and thus have high accuracies pre-intervention. The investigators expect to see a higher increase in diagnostic certainty for the FDM intervention compared to the diagnostic certainty in the Base Model intervention. The investigators expect to see a higher amount of diagnosis changes from incorrect to correct in the FDM group compared to the Base Model group. The investigators do not expect any learning effect during the study. Participants will start by answering a series of training cases consisting of images of skin lesions. These are used to train their individual FDM (only for the FDM-intervention group). From here, the participants will be randomized into two arms determining which of the two interventions they are exposed to. The participants will solve each case withouth any intervention first, and this reply will act as a control.

Подробное описание

A detailed description of the FDM is presented in the references.

Вмешательства

  • Другое Base Model
    See arm description.
  • Другое FDM
    See arm description

Первичные конечные точки

  • Accuracy [Срок оценки: Immediately after the intervention.]
Вторичные конечные точки (2)
  • Uncertainty [Срок оценки: Immediately after the intervention.]
  • Cut-off uncertainty [Срок оценки: Immediately after the intervention.]

Критерии участия

Критерии включения

  • Board certified dermatologists with clinical experience in dermoscopic diagnosis.

Критерии исключения

  • Doctors who have not yet finished their specialization and dermatologists.
  • Dermatologists without clinical experience in dermoscopic diagnosis.

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

Здоровые добровольцы: Да

Дизайн исследования

Распределение
Рандомизированное
Модель
Параллельные группы
Маскирование
Открытое
Основная цель
Диагностика

Центры проведения

Список центров уточняется — проверьте первичный протокол.

Публикации

  • Kampen, P.J.T. et al. (2026). Uncertainty-Aware Classification: A Human-Guided Bayesian Deep Learning Framework. In: Sudre, C.H., et al. Uncertainty for Safe Utilization of Machine Learning in Medical Imaging. UNSURE 2025. Lecture Notes in Computer Science, vol 16166. Springer, Cham. https://doi.org/10.1007/978-3-032-06593-3_19

Идентификаторы

NCT: NCT07468357 · F-25076782

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗