Mulighed for AI-baseret klassificering af normale, hvæsende og knitrende lyde fra stetoskop i kliniske indstillinger
Evaluering af gennemførligheden af kunstig intelligens-algoritmer i kliniske indstillinger til klassificering af normale, hvæsende og knitrende lyde erhvervet fra et digitalt stetoskop
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Fase
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiesteder
-
-
-
Peshawar, Pakistan, 25000
- Lady Reading Hospital, Pakistan
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Beskrivelse
Inklusionskriterier:
- Aldre alle
- Der gives skriftligt samtykke
Ekskluderingskriterier:
- Emnets tilstand ustabil
- Brystvægsdeformitet eller sår i klæbende påføringsområder
- Der er ikke givet skriftligt samtykke
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Diagnostisk
- Tildeling: N/A
- Interventionel model: Enkelt gruppeopgave
- Maskning: Ingen (Åben etiket)
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Klinisk validering af AI-modeller til påvisning af hvæsen, knitren og normale lungelyde ved sammenligning med guldstandarden
Tidsramme: 2 måneder
|
AI-modeller vil blive testet for deres kliniske gennemførlighed gennem sammenligning af resultater opnået fra AI-modeller med guldstandarden ved at måle positiv og negativ overensstemmelse (NPA & PPA).
Guldstandarden er mærket givet til hver lungelydoptagelse af en erfaren lungelæge.
AI-modellen er blindet over for disse etiketter og testes uafhængigt for påvisning af normale lungelyde, hvæsen og knitren
|
2 måneder
|
|
Test af nøjagtigheden af modeller med kunstig intelligens til påvisning af hvæsen, knitren og normale lungelyde ved at måle følsomheden og specificiteten
Tidsramme: 2 måneder
|
Kunstig intelligens-modeller trænes på lungelyde indsamlet fra tre forskellige digitale stetoskoper ved navn NoaScope, eSteth og Littmann individuelt. Data fra alle tre digitale stetoskoper er også slået sammen for at træne separate AI-modeller. Disse trænede AI-modeller vil blive evalueret baseret på sensitivitet, som er evnen til korrekt at identificere hvæsen og knitren, og specificitet, som er evnen til korrekt at identificere normale lungelyde. True positive (TP), true negative (TN), falsk positive (FP) og falsk-negative (FN) værdier vil blive brugt til at beregne sensitivitet og specificitet ved hjælp af følgende udtryk. Følsomhed: TP/TP+FN Specificitet: TN/TN+FP |
2 måneder
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Ydeevneanalyse af tre digitale stetoskoper: Littmann, NoaScope og eSteth
Tidsramme: 2 måneder
|
Ydeevneanalyse af tre digitale stetoskoper NoaScope, eSteth og Littmann vil blive evalueret ved hjælp af følsomheden og specificiteten opnået af hvert stetoskop. True positive (TP), true negative (TN), falsk positive (FP) og falsk-negative (FN) værdier vil blive brugt til at beregne sensitivitet og specificitet ved hjælp af følgende udtryk. Følsomhed: TP/TP+FN Specificitet: TN/TN+FP |
2 måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- Pulmo AI LRH
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .