Clinical implementation of artificial-intelligence-assisted detection of breast cancer metastases in sentinel lymph nodes: the CONFIDENT-B single-center, non-randomized clinical trial

单中心 医学 乳腺癌 随机对照试验 临床终点 置信区间 临床试验 阶段(地层学) 癌症 肿瘤科 内科学 古生物学 生物
作者
Carmen van Dooijeweert,R. N. Flach,Natalie D. ter Hoeve,Celien P.H. Vreuls,Roel Goldschmeding,Jan Erik Freund,P. Pham,Tri Q. Nguyen,Elsken van der Wall,Geert Frederix,Nikolas Stathonikos,P. J. van Diest
出处
期刊:Nature cancer [Springer Nature]
标识
DOI:10.1038/s43018-024-00788-z
摘要

Abstract Pathologists’ assessment of sentinel lymph nodes (SNs) for breast cancer (BC) metastases is a treatment-guiding yet labor-intensive and costly task because of the performance of immunohistochemistry (IHC) in morphologically negative cases. This non-randomized, single-center clinical trial (International Standard Randomized Controlled Trial Number:14323711) assessed the efficacy of an artificial intelligence (AI)-assisted workflow for detecting BC metastases in SNs while maintaining diagnostic safety standards. From September 2022 to May 2023, 190 SN specimens were consecutively enrolled and allocated biweekly to the intervention arm ( n = 100) or control arm ( n = 90). In both arms, digital whole-slide images of hematoxylin–eosin sections of SN specimens were assessed by an expert pathologist, who was assisted by the ‘Metastasis Detection’ app (Visiopharm) in the intervention arm. Our primary endpoint showed a significantly reduced adjusted relative risk of IHC use (0.680, 95% confidence interval: 0.347–0.878) for AI-assisted pathologists, with subsequent cost savings of ~3,000 €. Secondary endpoints showed significant time reductions and up to 30% improved sensitivity for AI-assisted pathologists. This trial demonstrates the safety and potential for cost and time savings of AI assistance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
花花完成签到,获得积分10
刚刚
Andres12138完成签到,获得积分10
1秒前
可爱蓝天发布了新的文献求助10
1秒前
CodeCraft应助qhy123采纳,获得10
1秒前
2秒前
3秒前
xzy发布了新的文献求助10
3秒前
EY发布了新的文献求助20
3秒前
缓慢的觅云应助1212采纳,获得20
3秒前
3秒前
4秒前
naohai发布了新的文献求助10
5秒前
JKH发布了新的文献求助30
5秒前
细雨带风吹完成签到,获得积分10
6秒前
7秒前
7秒前
mm关注了科研通微信公众号
7秒前
9秒前
9秒前
如意的尔蝶完成签到,获得积分10
9秒前
10秒前
CodeCraft应助耍酷芙蓉采纳,获得30
11秒前
11秒前
Baoyuan_Zhu发布了新的文献求助10
11秒前
12秒前
12秒前
14秒前
14秒前
caicai完成签到,获得积分10
14秒前
可乐不加冰完成签到,获得积分10
15秒前
15秒前
123完成签到,获得积分10
15秒前
15秒前
yzw发布了新的文献求助10
16秒前
wrl2023完成签到,获得积分10
17秒前
科研通AI2S应助敷斩采纳,获得10
17秒前
17秒前
朴素代秋发布了新的文献求助10
19秒前
kimi_saigou发布了新的文献求助10
20秒前
LN发布了新的文献求助10
20秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157866
求助须知:如何正确求助?哪些是违规求助? 2809202
关于积分的说明 7880857
捐赠科研通 2467704
什么是DOI,文献DOI怎么找? 1313664
科研通“疑难数据库(出版商)”最低求助积分说明 630476
版权声明 601943