Forbedring af diagnostisk nøjagtighed i frakturidentifikation på muskuloskeletale røntgenbilleder ved hjælp af dyb læring: En retrospektiv undersøgelse med flere læsere
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
Moravskoslezský kraj
-
Frýdek-Místek, Moravskoslezský kraj, Tjekkiet, 73801
- Nemocnice ve Frýdku-Místku, p.o.
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter i alderen 1 år eller ældre.
- Muskuloskeletale røntgenbilleder tilgængelige i Digital Imaging and Communications in Medicine (DICOM) format.
- Mindst et digitalt almindeligt røntgenbillede af en appendikulær kropsdel, inklusive fod, ankel, knæ, hånd, håndled, albue, skulder eller bækken.
Ekskluderingskriterier:
- Dårlig røntgenkvalitet, der udelukker menneskelig fortolkning.
- Røntgenbilleder af lænde-, thorax- og halshvirvelsøjlen eller ansigts-/næseknogler.
- Røntgenbilleder, der ikke opfylder inklusionskriterierne for appendikulære kropsdele.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Røntgenbilleder analyseret ved hjælp af AI og radiologgennemgang
Denne kohorte består af 600 røntgenbilleder indsamlet fra pædiatriske og voksne patienter i alderen 1 til 99 år, som har gennemgået røntgenbilleder for muskuloskeletale tilstande.
Røntgenbillederne omfatter forskellige kropsdele såsom fod, ankel, knæ, hånd, håndled, albue, skulder og bækken.
Frakturer var til stede i 95 tilfælde, mens 453 tilfælde ikke viste nogen frakturer.
|
Brugen af en deep learning-baseret kunstig intelligens-software, Carebot AI Bones version 1.2.2, designet til at hjælpe med påvisning af brud på muskuloskeletale røntgenbilleder.
AI-modellen analyserer digitale røntgenbilleder for at identificere brud og fremhæver interesseområder med afgrænsningsfelter.
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhed af AI-model sammenlignet med radiologer i bruddetektion på muskuloskeletale røntgenstråler
Tidsramme: Fra marts 2023 til maj 2023 (retrospektiv analyseperiode)
|
Dette resultat måler følsomheden af AI-modellen (Carebot AI Bones 1.2.2) ved påvisning af frakturer på muskuloskeletale røntgenstråler sammenlignet med følsomheden hos radiologer med varierende erfaringsniveau.
Sensitiviteten beregnes som andelen af sande positive frakturtilfælde identificeret af AI-modellen og radiologer ud af alle bekræftede frakturtilfælde.
|
Fra marts 2023 til maj 2023 (retrospektiv analyseperiode)
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
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
- CB-BONES-01-FM
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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 .