NICE 医疗技术创新简报:用于检测黑色素瘤的数字技术 [MIB311]

2022-11-01 英国国家卫生与临床优化研究所 NICE官网

本简报中描述的技术用于对皮肤病变图像中可能的黑色素瘤进行分类、报告和识别,包括 nomela、用于识别恶性肿瘤的深度集成 (DERM)、Moleanalyzer Pro 和 SkinVision。

中文标题:

NICE 医疗技术创新简报:用于检测黑色素瘤的数字技术 [MIB311]

英文标题:

Digital technologies for the detection of melanoma Medtech innovation briefing [MIB311]

发布日期:

2022-11-01

简要介绍:

  • 本简报中描述的技术用于对皮肤病变图像中可能的黑色素瘤进行分类、报告和识别,包括 nomela、用于识别恶性肿瘤的深度集成 (DERM)、Moleanalyzer Pro 和 SkinVision。

  • 创新方面是这些技术报告提供的信号处理和人工智能 (AI) 功能,与标准护理相比,提高了检测黑色素瘤的准确性。

  • 治疗的预期位置可能因技术而异,但主要建议用于初级保健,以帮助全科医生对疑似黑色素瘤进行分类,以便转诊至二级保健。

  • 证据的要点本简报总结了 13 项全文研究和 1 项摘要(2 项英国研究、7 项德国研究、3 项荷兰研究、1 项国际研究和 1 项加拿大研究)。这 13 项研究包括来自数据集的 2,598 多人和 570 张图像。大多数研究是在二级保健环境中进行的。几项研究表明,这些数字技术中的信号处理和人工智能在识别黑色素瘤方面优于或等同于标准皮肤镜检查。

  • 围绕证据的主要不确定性是缺乏随机对照试验和前瞻性队列研究来评估任何工具在预期用途、临床环境和人群中的应用。没有研究确定这些工具对全科医生临床决策的影响。只有 2 种技术(nomela 和 DERM)在英国进行了研究。14 项研究中有 12 项不在英国,这可能会限制它们对 NHS 环境的普遍适用性。

  • 专家们一致认为这些是创新技术,但强调了证据基础上的重大差距以及潜在系统益处和对临床路径影响的不确定性。专家指出,这些技术具有潜在的资源后果,但强调这可能会因技术在临床路径中的使用位置而异。

  • 围绕这些技术的使用存在一般的安全考虑,包括可能导致患者焦虑的误报风险和可能不必要的程序。假阴性可能会延迟诊断。这些技术尚未在罕见的皮肤癌上进行过测试,将这些技术用于黑色或棕色皮肤的人可能存在不确定性。

相关资料下载:
[AttachmentFileName(sort=1, fileName=digital-technologies-for-the-detection-of-melanoma-pdf-2285967623291845.pdf)] GetToolGuiderByIdResponse(projectId=1, id=a176c1c002e659ce, title=NICE 医疗技术创新简报:用于检测黑色素瘤的数字技术 [MIB311], enTitle=Digital technologies for the detection of melanoma Medtech innovation briefing [MIB311], guiderFrom=NICE官网, authorId=0, author=, summary=本简报中描述的技术用于对皮肤病变图像中可能的黑色素瘤进行分类、报告和识别,包括 nomela、用于识别恶性肿瘤的深度集成 (DERM)、Moleanalyzer Pro 和 SkinVision。, cover=https://img.medsci.cn/Random/03c6505b36012caf29ea7e5b6940b3e7a9fd349b.jpg, journalId=0, articlesId=null, associationId=85, associationName=英国国家卫生与临床优化研究所, associationIntro=英国国家卫生与临床优化研究所(NICE,National Institute for Health and Clinical Excellence)是NHS的组织,设在伦敦和曼彻斯特。NICE成立于1999年4月1日,目标是确保每个英格兰和威尔士人平等享有NHS医疗的机会。NICE制定指南,设定质量标准,管理国家数据库,为NHS、当地权威部门和其他组织提供指南。, copyright=0, guiderPublishedTime=Tue Nov 01 00:00:00 CST 2022, originalUrl=, linkOutUrl=, content=<ul class="itemizedlist" style="color: #0e0e0e;"> <li class="listitem"> <p>本简报中描述的<strong>技术</strong>用于对皮肤病变图像中可能的黑色素瘤进行分类、报告和识别,包括 nomela、用于识别恶性肿瘤的深度集成 (DERM)、Moleanalyzer Pro 和 SkinVision。</p> </li> <li class="listitem"> <p><strong>创新方面</strong>是这些技术报告提供的信号处理和人工智能 (AI) 功能,与标准护理相比,提高了检测黑色素瘤的准确性。</p> </li> <li class="listitem"> <p>治疗的预期<strong>位置</strong>可能因技术而异,但主要建议用于初级保健,以帮助全科医生对疑似黑色素瘤进行分类,以便转诊至二级保健。</p> </li> <li class="listitem"> <p>证据的<strong>要点</strong><a id="_Hlk107295628" style="color: #005ea5;"></a>本简报总结了 13 项全文研究和 1 项摘要(2 项英国研究、7 项德国研究、3 项荷兰研究、1 项国际研究和 1 项加拿大研究)。这 13 项研究包括来自数据集的 2,598 多人和 570 张图像。大多数研究是在二级保健环境中进行的。几项研究表明,这些数字技术中的信号处理和人工智能在识别黑色素瘤方面优于或等同于标准皮肤镜检查。</p> </li> <li class="listitem"> <p><strong>围绕证据的主要不确定性</strong>是缺乏随机对照试验和前瞻性队列研究来评估任何工具在预期用途、临床环境和人群中的应用。没有研究确定这些工具对全科医生临床决策的影响。只有 2 种技术(nomela 和 DERM)在英国进行了研究。14 项研究中有 12 项不在英国,这可能会限制它们对 NHS 环境的普遍适用性。</p> </li> <li class="listitem"> <p><strong>专家们一致</strong>认为这些是创新技术,但强调了证据基础上的重大差距以及潜在系统益处和对临床路径影响的不确定性。专家指出,这些技术具有潜在的资源后果,但强调这可能会因技术在临床路径中的使用位置而异。</p> </li> <li class="listitem"> <p>围绕这些技术的使用存在一般的<strong>安全考虑</strong>,包括可能导致患者焦虑的误报风险和可能不必要的程序。假阴性可能会延迟诊断。这些技术尚未在罕见的皮肤癌上进行过测试,将这些技术用于黑色或棕色皮肤的人可能存在不确定性。</p> </li> </ul>, tagList=[TagDto(tagId=273, tagName=黑色素瘤), TagDto(tagId=55236, tagName=数字技术)], categoryList=[CategoryDto(categoryId=5, categoryName=肿瘤, tenant=100), CategoryDto(categoryId=85, categoryName=指南&解读, tenant=100), CategoryDto(categoryId=21100, categoryName=达仁堂循证e学界, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, haveAttachments=1, attachmentList=null, guiderType=0, guiderArea=共识, guiderLanguage=1, guiderRegion=1, opened=0, paymentType=, paymentAmount=10, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=2152, appHits=1, showAppHits=0, pcHits=275, showPcHits=2151, likes=0, shares=0, comments=0, approvalStatus=1, publishedTime=Mon Nov 07 10:01:00 CST 2022, publishedTimeString=2022-11-01, pcVisible=1, appVisible=1, editorId=0, editor=dajiong, waterMark=0, formatted=0, memberCards=[], isPrivilege=0, deleted=0, version=4, createdBy=null, createdName=dajiong, createdTime=Tue Nov 01 10:07:50 CST 2022, updatedBy=6459136, updatedName=玉在山, updatedTime=Fri Jan 05 18:43:56 CST 2024, courseDetails=[], otherVersionGuiders=[], isGuiderMember=false, ipAttribution=, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=digital-technologies-for-the-detection-of-melanoma-pdf-2285967623291845.pdf)])
digital-technologies-for-the-detection-of-melanoma-pdf-2285967623291845.pdf
下载请点击:
评论区 (0)
#插入话题