- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT05790473
Algoritmus umělé inteligence pro screening abnormálních nálezů fetálního mozku v prvním trimestru ultrazvuku (AIRFRAME)
Vizualizace mozkových prostorů zadní jámy, jejich prostorový vztah a měření lze získat v midsagitálním pohledu na hlavu plodu, stejně jako při měření NT (9), a hraje důležitou roli v časné diagnostice defektů neurální trubice, jako je např. otevřený spinální dysrafismus [5] a anomálie zadní jámy, jako je DWM nebo BPC [7]. Posouzení zadní jámy plodu v prvním trimestru je však stále náročné kvůli několika omezením, včetně mimovolních pohybů plodu a malé velikosti mozkových struktur, což způsobuje potíže při vyšetření a chybné diagnóze. Navíc je také závislý na operátorovi, pokud jde o získávání vysoce kvalitních ultrazvukových snímků, standardní měření a přesnou diagnostiku.
Použití nových technologií ke zlepšení získávání snímků, které pomáhají automaticky provádět měření nebo pomáhají při diagnostice abnormalit plodu, může mít velký význam pro optimální hodnocení mozku plodu, zejména v prvním trimestru (10). Umělá inteligence (AI) je popsána jako schopnost počítačového programu provádět procesy spojené s lidskou inteligencí, jako je učení, myšlení a řešení problémů. Hluboké učení (DL), podmnožina strojového učení (ML), je odvětví AI, které je definováno schopností učit se funkce automaticky z dat bez lidského zásahu. V DL jsou vstup a výstup spojeny více vrstvami volně modelovanými na nervových drahách lidského mozku. V oblasti rozpoznávání obrazu jsou jedním z nejslibnějších typů DL sítí konvoluční neuronové sítě (CNN). Ty jsou navrženy tak, aby plně automatizovaným způsobem extrahovaly vysoce reprezentativní vlastnosti obrazu, což je činí použitelnými pro diagnostické rozhodování.
Na základě těchto pozorování navrhujeme výzkumný projekt zaměřený na vývoj algoritmu umělé inteligence založeného na ultrazvuku, který je schopen hodnotit struktury zadní jámy plodu během ultrazvukového skenování v prvním trimestru a rozlišovat mezi normálními a abnormálními nálezy prostřednictvím plně automatického zpracování dat. .
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Aplikace AI v porodnickém ultrazvuku zahrnuje tři aspekty: identifikaci struktury, automatická a standardizovaná měření a klasifikační diagnostiku. Vzhledem k tomu, že porodnický ultrazvuk je časově náročný, použití AI by také mohlo zkrátit dobu vyšetření a zlepšit pracovní postup.
Design studie: jedná se o multicentrickou retrospektivní observační kohortovou studii a následnou prospektivní kohortovou studii. Návrh studie bude organizován ve dvou různých fázích.
První fáze, retrospektivní studie proveditelnosti, má za cíl vyvinout a trénovat AI-algoritmus s normálními a abnormálními snímky retrospektivně získanými během prvního trimestru ultrazvukového skenování z deseti mezinárodních center fetální medicíny.
Druhá fáze, prospektivní klinická validace, má za cíl otestovat AI-algoritmus při hodnocení anatomie zadní jámy plodu ve skutečném klinickém prostředí se skutečnými pacienty z každého ze zúčastněných center fetální medicíny.
Nastavení: Tři (3) centra fetální medicíny.
Účastníci: populace jednočetných těhotných, která podstoupila ultrazvukové vyšetření mezi 11. - 14. týdnem těhotenství v deseti centrech fetální medicíny.
Primární cíl: Ověřit novou technologii založenou na umělé inteligenci, která by mohla být potenciálně použita jako nástroj pro screening abnormálních nálezů mozku plodu v prvním trimestru.
Sekundární cíle: Zlepšit výkon standardního screeningu fetální zadní jamky v prvním trimestru a zajistit jeho spolehlivé sonografické vyšetření v kratší době provedení. Zjistit vyšší opakovatelnost a reprodukovatelnost, což umožní implementovat ultrazvukový screening i z hlediska efektivity v širokém měřítku, optimalizace zdrojů zdravotní péče V první fázi studie budou zúčastněná centra fetální medicíny prohledávat své elektronické databáze midsagitální snímky jednočetných těhotných žen kteří podstoupili ultrazvukové zobrazení v 11+0 - 13+6 týdnech gestace s jakoukoli anomálií zadní jámy plodu, jako je otevřený spinální dysrafismus, DWM nebo BPC. Normální snímky fetální zadní jámy ve stejném gestačním věku poskytnou podpůrná centra – tj. Fondazione Policlinico A. Gemelli, IRCCS a Univerzita v Parmě. Klinické, ultrazvukové, prenatální a postnatální informace o každém případu budou získány ze zdravotních záznamů pacienta a vloženy do souboru elektronické databáze hlavním zkoušejícím z každého zúčastněného centra. Získané snímky budou anonymizovány, uloženy jako DICOM a sdíleny prostřednictvím vyhrazeného cloudového úložného systému, který vytvoří tým bioinženýrství. Každé centrum bude mít přístup k webovému systému pomocí osobního ID a hesla.
Ve druhé fázi studie bude algoritmus prospektivně testován a validován v reálném klinickém prostředí s reálnými pacienty z každého ze zúčastněných center fetální medicíny. Kritéria pro zařazení a vyloučení, protokol zobrazování a sběr dat budou stejné jako v retrospektivní fázi.
Typ studie
Zápis (Odhadovaný)
Kontakty a umístění
Studijní kontakt
- Jméno: Alessandra Familiari, MD
- Telefonní číslo: 3285887422
- E-mail: familiari.ale@gmail.com
Studijní místa
-
-
-
Rome, Itálie, 00168
- Nábor
- FP Gemelli IRCCS
-
Kontakt:
- Alessandra Familiari
- Telefonní číslo: 3285887422
- E-mail: familiari.ale@gmail.com
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- Ženy s jedním těhotenstvím, které podstoupily ultrazvukové vyšetření mezi 11+0 - 13+6 týdnem gestace nebo fetální temeno-zadní délku mezi 45 - 84 mm.
Kritéria vyloučení:
- Ženy, které neprodělaly screening v prvním trimestru v ustáleném gestačním věku.
- Ženy, u kterých nebyla technicky možná dobrá vizualizace středního sagitálního pohledu na hlavičku plodu.
- Ženy, které nejsou schopny dát informovaný souhlas.
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Pouzdro
Plody s mozkovými anomáliemi
|
Vývoj algoritmu AI pro včasnou detekci mozkových anomálií plodu v prvním trimestru těhotenství
|
|
Řízení
Normální s normálním mozkem
|
Vývoj algoritmu AI pro včasnou detekci mozkových anomálií plodu v prvním trimestru těhotenství
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Algoritmus AI
Časové okno: 2 roky
|
Počet případů zjištěných aplikací algoritmu AI
|
2 roky
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Reprodukovatelnost
Časové okno: 1 rok
|
Počet případů detekovaných pomocí algoritmu AI ve srovnání s případy detekovanými standardními technikami prenatální diagnostiky
|
1 rok
|
Spolupracovníci a vyšetřovatelé
Spolupracovníci
Vyšetřovatelé
- Vrchní vyšetřovatel: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli
Publikace a užitečné odkazy
Obecné publikace
- Garcia-Rodriguez R, Garcia-Delgado R, Romero-Requejo A, Medina-Castellano M, Garcia-Hernandez JA, Gonzalez-Martin JM, Sepulveda W. First-trimester cystic posterior fossa: reference ranges, associated findings, and pregnancy outcomes. J Matern Fetal Neonatal Med. 2021 Mar;34(6):933-942. doi: 10.1080/14767058.2019.1622673. Epub 2019 Jun 4.
- Chaoui R, Benoit B, Mitkowska-Wozniak H, Heling KS, Nicolaides KH. Assessment of intracranial translucency (IT) in the detection of spina bifida at the 11-13-week scan. Ultrasound Obstet Gynecol. 2009 Sep;34(3):249-52. doi: 10.1002/uog.7329.
- Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020 Oct;56(4):498-505. doi: 10.1002/uog.22122.
- Chen Z, Liu Z, Du M, Wang Z. Artificial Intelligence in Obstetric Ultrasound: An Update and Future Applications. Front Med (Lausanne). 2021 Aug 27;8:733468. doi: 10.3389/fmed.2021.733468. eCollection 2021.
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Odhadovaný)
Dokončení studie (Odhadovaný)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 5526
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu IPD
Časový rámec sdílení IPD
Kritéria přístupu pro sdílení IPD
Typ podpůrných informací pro sdílení IPD
- PROTOKOL STUDY
- MÍZA
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
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 .