Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Diagnostika a prognóza pomocí umělé inteligence u COVID-19 pomocí elektrokardiogramů (AI-COV-19)

24. srpna 2021 aktualizováno: Imperial College London

Diagnostika a prognóza pomocí umělé inteligence u COVID-19 pomocí elektrokardiogramů a zobrazování

Coronavirus Disease 2019 (COVID-19) je celosvětově rozšířený od prosince 2019. Je vysoce nakažlivá a závažné případy mohou vést k akutní respirační tísni nebo selhání více orgánů. Dne 11. března 2020 WHO učinila hodnocení, že COVID-19 lze charakterizovat jako pandemii. S rozvojem strojového učení prokázala technologie umělé inteligence (AI) založená na hlubokém učení obrovský úspěch v oblasti analýzy lékařských dat díky své schopnosti extrahovat bohaté funkce ze zobrazování a komplexních klinických datových sad. V této studii se snažíme využít klinická data shromážděná jako součást rutinní klinické péče (snímání srdce, rentgenové a CT vyšetření) k trénování umělé inteligence a algoritmů strojového učení, abychom mohli přesně předpovídat průběh onemocnění u pacientů s Covid-19. infekce pomocí těchto datových sad.

Přehled studie

Postavení

Nábor

Podmínky

Intervence / Léčba

Detailní popis

Coronavirus Disease 2019 (COVID-19) je celosvětově rozšířený od prosince 2019. Je vysoce nakažlivá a závažné případy mohou vést k akutní respirační tísni nebo selhání více orgánů a nakonec ke smrti. Onemocnění lze potvrdit pomocí testu reverzní transkripce polymerázové řetězové reakce (RT-PCR). EKG, RTG hrudníku a CT vyšetření jsou bohatým zdrojem dat, která poskytují pohled na onemocnění, která by jinak nebyla dostupná.

Vědět, koho přijmout do nemocnice nebo na jednotku intenzivní péče, zachraňuje životy, protože pomáhá zmírňovat nedostatek zdrojů. Nové nástroje umělé inteligence, jako je Hluboké učení, umožní komplexní hodnocení zobrazovacích a klinických dat, která by potenciálně mohla lékařům pomoci stanovit rychlejší a přesnější diagnózu, lépe třídit pacienty a hodnotit odpověď na léčbu a nakonec lépe předpovídat výsledek. Naše skupina má značné zkušenosti s implementací algoritmů strojového učení na obrovském množství EKG, například z britské Biobanky, a navrhuje rozšířit naše techniky na data od pacientů s Covid-19.

Toto je retrospektivní datová studie o pacientech s podezřelým a potvrzeným COVID-19.

Cílem studie je získat až 2 000 pacientů, kteří budou doporučeni k provedení EKG, rentgenu hrudníku nebo CT vyšetření v Chelsea a Westminster Hospital NHS Foundation Trust, Imperial College Healthcare NHS Trust a London North West London University Healthcare NHS Trust.

Aby byl pacient zařazen do této studie, musí:

  • mít EKG, rentgen hrudníku a/nebo CT zobrazení hrudníku (s kontrastem nebo bez něj)
  • laboratorní test nukleové kyseliny viru Covid-19 (test RTPCR se vzorky výtěru z krku) nebo klinické podezření na infekci Covid-19
  • být ve věku >18 let Pacienti se suboptimálním EKG, rentgenovým snímkem hrudníku a CT vyšetřeními kvůli artefaktům budou vyloučeni. Pacienti budou také vyloučeni, pokud byl časový interval mezi EKG, CT hrudníku a testem RT-PCR delší než 7 dní.

Tato studie získala schválení HRA a Health and Care Research Wales (HCRW) dne 18. května 2020 po přezkoumání Etickou komisí pro výzkum na zasedání konaném dne 13. května 2020 (číslo protokolu: 20HH5967; reference REC: 20/HRA/2467).

Typ studie

Pozorovací

Zápis (Očekávaný)

2000

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní místa

  • Spojené království
      • London, Spojené království, HA1 3UJ
        • Nábor
        • London North West University Healthcare NHS Trust
        • Kontakt:
      • London, Spojené království, TW7 6AF
      • London, Spojené království, W12 0NN
        • Aktivní, ne nábor
        • Imperial College London (Hammersmith campus)
      • London, Spojené království, W2 1NY

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

14 let a starší (Dospělý, Starší dospělý)

Přijímá zdravé dobrovolníky

Ne

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Toto je retrospektivní datová studie o pacientech s podezřelým a potvrzeným COVID-19.

Cílem studie je získat až 2 000 pacientů, kteří budou doporučeni k provedení EKG, rentgenu hrudníku nebo CT vyšetření v Chelsea a Westminster Hospital NHS Foundation Trust, Imperial College Healthcare NHS Trust a London North West London University Healthcare NHS Trust.

Popis

Kritéria pro zařazení:

  • mít EKG, rentgen hrudníku a/nebo CT zobrazení hrudníku (s kontrastem nebo bez něj)
  • pozitivní laboratorní test nukleové kyseliny viru Covid-19 (test RTPCR se vzorky výtěru z krku) nebo klinické podezření na infekci Covid-19
  • být ve věku >18 let

Kritéria vyloučení:

  • Suboptimální EKG, rentgenové snímky hrudníku nebo CT studie pro metody hlubokého učení kvůli artefaktům včetně závažných
  • pohybové artefakty, které způsobují rozmazání obrysů nebo významné artefakty v důsledku kovové protézy, která způsobuje degradaci obrazu
  • Časový interval mezi EKG, CT hrudníku a testem RT-PCR byl delší než 7 dní

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

  • Observační modely: Kohorta
  • Časové perspektivy: Retrospektivní

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Přesnost strojového učení, aby bylo možné předvídat výsledek infekce koronavirem (COVID-19).
Časové okno: Na konci analýzy dat přibližně 1 rok
Přesnost, se kterou může počítačová analýza (strojové učení) diagnostikovat a/nebo předpovídat COVID-19 Počet účastníků s COVID19, kteří zemřeli nebo přežili po přijetí do nemocnice
Na konci analýzy dat přibližně 1 rok
Přesnost strojového učení, aby bylo možné předvídat prognózu infekce koronavirem (COVID-19)
Časové okno: Na konci analýzy dat přibližně 1 rok
Počet účastníků, kteří vyžadovali invazivní vs neinvazivní ventilaci vs. péče na oddělení vs. zemřel
Na konci analýzy dat přibližně 1 rok

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Přesnost strojového učení, aby bylo možné předvídat srdeční postižení infekce koronavirem (COVID-19)
Časové okno: Na konci analýzy dat přibližně 1 rok
Počet účastníků, kteří měli srdeční problémy související s COVID19.
Na konci analýzy dat přibližně 1 rok
Přesnost strojového učení vs. lidské hodnocení pro diagnostiku infekce koronavirem (COVID-19).
Časové okno: Na konci analýzy dat přibližně 1 rok
Počet účastníků, u kterých lze pomocí strojového učení identifikovat onemocnění COVID19 oproti lidskému nebo jinému klinickému testu nebo hodnocení
Na konci analýzy dat přibližně 1 rok

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Imperial College London

Spolupracovníci

Imperial College Healthcare NHS Trust
London North West Healthcare NHS Trust
Chelsea and Westminster Hospital NHS Foundation Trust

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

26. května 2020

Primární dokončení (Očekávaný)

1. května 2022

Dokončení studie (Očekávaný)

1. května 2022

Termíny zápisu do studia

První předloženo

7. srpna 2020

První předloženo, které splnilo kritéria kontroly kvality

11. srpna 2020

První zveřejněno (Aktuální)

12. srpna 2020

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

30. srpna 2021

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

24. srpna 2021

Naposledy ověřeno

1. srpna 2021

Více informací

Termíny související s touto studií

Klíčová slova

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • 20HH5967

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

Ano

Popis plánu IPD

Jedná se o studii využívající retrospektivní, pseudoanonymizovaná data, která byla získána v rámci běžné klinické péče o pacienty. Neexistují žádná přímá rizika pro zdraví pacientů. Hlavní problémy se točí kolem zabezpečení a ukládání dat. Aby se to vyřešilo, členové týmu přímé péče, kteří nejsou členy výzkumného týmu, provedou pseudoanonymizaci údajů a předají soubor pseudoanonymizovaných údajů výzkumnému týmu bez přístupu k pseudoanonymizaci. kód. Výzkumný tým proto nebude schopen identifikovat pacienty z těchto dat. Pseudoanonymizovaná data budou také bezpečně uložena, aby se dále minimalizovala rizika.

Časový rámec sdílení IPD

v průběhu studia

Kritéria přístupu pro sdílení IPD

Výzkumníci studie

Typ podpůrných informací pro sdílení IPD

  • Protokol studie
  • Plán statistické analýzy (SAP)

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Klinické studie na Žádný zásah

Prohledejte podobné pokusy

Sponzoři a spolupracovníci

Zdravotní podmínky

Drogové intervence

CROs by country

CROs in Cyprus

Podmínky

Vzácné nemoci

Drogové intervence

Doplňky stravy

Sponzor / Spolupracovníci

Místa

Předplatit