Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Mulighed for AI-baseret klassificering af normale, hvæsende og knitrende lyde fra stetoskop i kliniske indstillinger

4. april 2023 opdateret af: Innova Smart Technologies (Pvt.) Ltd

Evaluering af gennemførligheden af ​​kunstig intelligens-algoritmer i kliniske indstillinger til klassificering af normale, hvæsende og knitrende lyde erhvervet fra et digitalt stetoskop

Vurdering af gennemførligheden og afprøvning af nøjagtigheden af ​​de udviklede kunstige intelligensalgoritmer til påvisning af hvæsen og krakelering hos patienter med lungepatologier i kliniske omgivelser på usete lokale patientdata erhvervet gennem tre digitale stetoskoper.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Undersøgelsestype

Interventionel

Tilmelding (Faktiske)

60

Fase

  • Ikke anvendelig

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Pakistan
      • Peshawar, Pakistan, 25000
        • Lady Reading Hospital, Pakistan

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

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

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

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

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

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

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Innova Smart Technologies (Pvt.) Ltd

Samarbejdspartnere

Lady Reading Hospital, Pakistan
NOABIO LLC

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

6. januar 2022

Primær færdiggørelse (Faktiske)

22. februar 2022

Studieafslutning (Faktiske)

22. februar 2022

Datoer for studieregistrering

Først indsendt

8. januar 2022

Først indsendt, der opfyldte QC-kriterier

22. februar 2022

Først opslået (Faktiske)

7. marts 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

6. april 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

4. april 2023

Sidst verificeret

1. april 2023

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • Pulmo AI LRH

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ja

produkt fremstillet i og eksporteret fra U.S.A.

Ja

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 .

Kliniske forsøg med Lunge

Kliniske forsøg med Kunstig intelligens algoritme

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Slovenia

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner