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

AI-baseret system til lungetuberkulosescreening: Evaluering af diagnostisk nøjagtighed

25. maj 2023 opdateret af: Anton V. Vladzymyrskyy, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department
Test af AI-løsninger for at vurdere diagnostisk nøjagtighed til tuberkulosedetektion.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Tuberkulose er fortsat et centralt problem i moderne medicin. Der bør foreslås nye metoder til at overvinde byrder. Nye screeningsstrategier kan omfatte kunstig intelligens (AI). Et AI-baseret system til røntgenanalyse af thorax og triage ("normal/tuberkulose mistænkt") er blevet udviklet og trænet. Der blev udarbejdet et særligt datasæt. Der er 238 normale røntgenbilleder og 70 røntgenbilleder med lungetuberkulose i datasættet. Datasættet blev tilfældigt opdelt i 2 prøver:

  • prøve N1 (n=140) med forholdet "normal: tuberkulose" 50:50,
  • prøve N1 (n=150) med forholdet "normal: tuberkulose" 95:5. Begge prøver vil blive analyseret med AI-baseret system. Resultater vil blive kvantificeret ved hjælp af diagnostiske nøjagtighedsmetrikker: sensitivitet og specificitet, positive og negative prædiktorværdier, sandsynlighedsforhold og areal under ROC-kurven (receiver operation characteristic).

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

308

Kontakter og lokationer

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

Studiesteder

  • Den Russiske Føderation
      • Moscow, Den Russiske Føderation, 109029
        • Research and Practical Center of Medical Radiology, Department of Health Care of Moscow

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

N/A

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

308 røntgenbilleder af thorax valgt fra databasen for Unified Radiological Information Service (URIS) i Moskva

Beskrivelse

Inklusionskriterier:

  • ingen patologi i en lunge ved røntgen af ​​thorax
  • tegn på lungetuberkulose på røntgen af ​​thorax

Ekskluderingskriterier:

  • enhver patologi i lungerne (undtagen tuberkulose)

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Prøve N1
(n=140) med forholdet "normal: tuberkulose" 50:50
Diagnostisk test: AI-baseret røntgenanalyse og triage ("normal/tuberkulose mistænkt")
Alle inkluderede røntgenbilleder vil blive analyseret af det AI-baserede system. Derefter vil resultaterne blive sammenlignet med udtalelser fra 2 erfarne radiologer (de laver peer-review af alle inkluderede billeder uafhængigt af hinanden).
Andre navne:
  • kunstig intelligens analyse af medicinske billeder
Prøve N2
(n=150) med forholdet "normal: tuberkulose" 95:5
Diagnostisk test: AI-baseret røntgenanalyse og triage ("normal/tuberkulose mistænkt")
Alle inkluderede røntgenbilleder vil blive analyseret af det AI-baserede system. Derefter vil resultaterne blive sammenlignet med udtalelser fra 2 erfarne radiologer (de laver peer-review af alle inkluderede billeder uafhængigt af hinanden).
Andre navne:
  • kunstig intelligens analyse af medicinske billeder

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk nøjagtighedsmåling 1
Tidsramme: Dag 1 ved modtagelse af data
Følsomhed
Dag 1 ved modtagelse af data
Diagnostisk nøjagtighedsmåling 2
Tidsramme: Dag 2 ved modtagelse af data
Specificitet
Dag 2 ved modtagelse af data
Diagnostisk nøjagtighedsmåling 3
Tidsramme: Dag 3 ved modtagelse af data
Positive prædiktorværdier
Dag 3 ved modtagelse af data
Diagnostisk nøjagtighedsmåling 4
Tidsramme: Dag 4 ved modtagelse af data
Negative prædiktorværdier
Dag 4 ved modtagelse af data
Diagnostisk nøjagtighedsmetrik 5
Tidsramme: Dag 5 ved modtagelse af data
Sandsynlighedsforhold
Dag 5 ved modtagelse af data
Diagnostisk nøjagtighedsmåling 6
Tidsramme: Dag 6 ved modtagelse af data
Areal under ROC-kurven
Dag 6 ved modtagelse af data

Samarbejdspartnere og efterforskere

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

Sponsor

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

Efterforskere

  • Ledende efterforsker: Anton Vladzymyrskyy, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

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)

1. februar 2018

Primær færdiggørelse (Faktiske)

15. marts 2018

Studieafslutning (Anslået)

30. december 2023

Datoer for studieregistrering

Først indsendt

28. marts 2018

Først indsendt, der opfyldte QC-kriterier

25. maj 2023

Først opslået (Faktiske)

5. juni 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

5. juni 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

25. maj 2023

Sidst verificeret

1. maj 2023

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2018-1

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

Ingen

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 Tuberkulose, lunge

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in South Africa

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner