- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06232187
Støtte til kunstig intelligens i nybegynderes beslutningstagning til vurdering af ultralydsmåling af fostervægt - et randomiseret forsøg (scan-AId)
Scan-AId: Artificial Intelligence Support in Novices beslutningstagning til vurdering af ultralyds føtal vægtestimation - et randomiseret forsøg
Målet med dette randomiserede kontrollerede kliniske forsøg er at lære, hvilken type kunstig intelligens (AI) der påvirker den diagnostiske nøjagtighed af ultralydsestimation af fostervægt (EFW), når den udføres af nybegyndere, i denne undersøgelse repræsenteret af medicinstuderende. Hovedspørgsmålet det sigter mod at besvare er:
- Hvilken type kunstig intelligens virker for nybegyndere til at forbedre den diagnostiske ultralydsvægt diagnostisk nøjagtighed?
- Forbedrer den kunstige intelligens billedkvaliteten, og er AI-systemet brugbart for begyndere? Deltagerne vil blive bedt om at udføre en ultralyds-EFW med enten et simpelt sort boks AI-feedback-system eller en mere udførlig forklarelig AI. Dette er for at understøtte deres beslutningstagning. Forskere vil derefter sammenligne dette med en kontrolgruppe for at se, om der er en effekt.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Målet med dette randomiserede kontrollerede kliniske forsøg er at lære, hvilken type kunstig intelligens (AI) der påvirker den diagnostiske nøjagtighed af ultralydsvurdering af fostervægt (EFW), når den udføres af nybegyndere, i denne undersøgelse repræsenteret af medicinstuderende.
Undersøgelsens mål er:
- Hvilken type støttesystem til kunstig intelligens fungerer for nybegyndere til at forbedre den diagnostiske ultralydsvægt diagnostisk nøjagtighed?
- Forbedrer den kunstige intelligens billedkvaliteten, evaluerer den kognitive belastning på deltagerne, når de bruger AI-understøttelse, og er AI-systemet brugbart for nybegyndere?
Deltagerne får til opgave at udføre en ultralyds estimeret fostervægt (EFW) ved hjælp af enten en simpel sort boks AI eller et detaljeret forklareligt AI-feedback-system. AI-systemerne vil hjælpe deltagerne med at afgøre, om de har taget det rigtige billede til EFW. Resultaterne vil derefter blive sammenlignet med resultaterne af en kontrolgruppe.
Ultralydsoperationer vil blive udført på gravide med fostre i en svangerskabsalder på 30-37 uger, som tidligere har gennemgået en EFW af en sagkyndig sonograf på klinikken enten samme dag eller dagen før. En deltager i hver randomiseringsarm vil udføre en EFW på den samme gravide kvinde.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiesteder
-
-
-
Copenhagen, Danmark, 2100
- Rigshospitalet
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Medicinstuderende uden tidligere føtal eller abdominal ultralydstræning.
- Deltagerne skal forstå dansk eller engelsk i tale og skrift.
Ekskluderingskriterier:
• Medicinstuderende, der modtog formel foster- eller mavetræning før inklusion i denne undersøgelse.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Diagnostisk
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Enkelt
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: Feedbackgruppe 1 (FG1)
Deltagere i FG1 vil modtage grundlæggende black box AI-understøttelse med enkel forklaring som "standardplan", "ikke-standardplan" eller "off-plane".
|
AI-feedback på to niveauer, til fordel for deltagerne, for at opnå de rigtige standardplanbilleder, der bruges i føtal ultralyds EFW-beregning.
|
|
Eksperimentel: Feedbackgruppe 2 (FG2)
Deltagere i FG2 vil modtage forklarelig AI-støtte med en mere udførlig beskrivelse af de anatomiske strukturer og segmentering af anatomien.
|
AI-feedback på to niveauer, til fordel for deltagerne, for at opnå de rigtige standardplanbilleder, der bruges i føtal ultralyds EFW-beregning.
|
|
Ingen indgriben: Kontrolgruppe (CG)
Deltagere i CG vil have en standard flyplakat til at hjælpe med at guide dem til EFW ultralyds standardplanbilleder.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk nøjagtighed
Tidsramme: 15 minutter
|
Nøjagtigheden i hver gruppe blev defineret som den procentvise forskel mellem estimeret fostervægt og sonografeksperten EFW
|
15 minutter
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Billede kvalitet
Tidsramme: 5 minutter pr. deltager
|
Salomon kriterier score bruges til at vurdere billedkvaliteten. Der gives point afhængigt af antallet af tilstedeværende vartegn, kvaliteten af billedoptimeringen og caliper.placements. Minimum: 1 Maksimum: 18. En højere score indikerer en bedre billedkvalitet. |
5 minutter pr. deltager
|
Andre resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
AI-systemets anvendelighed
Tidsramme: 5 minutter
|
Deltagerne vil blive bedt om at besvare et spørgeskema: System Usability Scale (SUS), som bruges til at evaluere AI-feedbacksystemet. Min 1 Maksimum 100. En højere score indikerer bedre systemanvendelighed. |
5 minutter
|
|
Måling af reaktionstiden
Tidsramme: 5 minutter
|
Målinger af deltagernes reaktionstid vil være en måling for den kognitive belastning. Reaktionstiden vil blive målt som en sekundær opgave, mens deltagerne udfører ultralydsskanningen. |
5 minutter
|
Samarbejdspartnere og efterforskere
Publikationer og nyttige links
Generelle publikationer
- Borsci S, Federici S, Lauriola M. On the dimensionality of the System Usability Scale: a test of alternative measurement models. Cogn Process. 2009 Aug;10(3):193-7. doi: 10.1007/s10339-009-0268-9. Epub 2009 Jun 30.
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019 Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7.
- Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ; SPIRIT-AI and CONSORT-AI Working Group. Guidelines for clinical trial protocols for interventions involving artificial intelligence: the SPIRIT-AI extension. Lancet Digit Health. 2020 Oct;2(10):e549-e560. doi: 10.1016/S2589-7500(20)30219-3. Epub 2020 Sep 9.
- Andreasen LA, Tabor A, Norgaard LN, Rode L, Gerds TA, Tolsgaard MG. Detection of growth-restricted fetuses during pregnancy is associated with fewer intrauterine deaths but increased adverse childhood outcomes: an observational study. BJOG. 2021 Jan;128(1):77-85. doi: 10.1111/1471-0528.16380. Epub 2020 Jul 27.
- Andreasen LA, Tabor A, Norgaard LN, Taksoe-Vester CA, Krebs L, Jorgensen FS, Jepsen IE, Sharif H, Zingenberg H, Rosthoj S, Sorensen AL, Tolsgaard MG. Why we succeed and fail in detecting fetal growth restriction: A population-based study. Acta Obstet Gynecol Scand. 2021 May;100(5):893-899. doi: 10.1111/aogs.14048. Epub 2021 Jan 12.
- Andreasen LA, Feragen A, Christensen AN, Thybo JK, Svendsen MBS, Zepf K, Lekadir K, Tolsgaard MG. Multi-centre deep learning for placenta segmentation in obstetric ultrasound with multi-observer and cross-country generalization. Sci Rep. 2023 Feb 8;13(1):2221. doi: 10.1038/s41598-023-29105-x.
- Nicholls D, Sweet L, Hyett J. Psychomotor skills in medical ultrasound imaging: an analysis of the core skill set. J Ultrasound Med. 2014 Aug;33(8):1349-52. doi: 10.7863/ultra.33.8.1349.
- Govaerts MJ, Schuwirth LW, Van der Vleuten CP, Muijtjens AM. Workplace-based assessment: effects of rater expertise. Adv Health Sci Educ Theory Pract. 2011 May;16(2):151-65. doi: 10.1007/s10459-010-9250-7. Epub 2010 Sep 30.
- Tolsgaard MG, Pusic MV, Sebok-Syer SS, Gin B, Svendsen MB, Syer MD, Brydges R, Cuddy MM, Boscardin CK. The fundamentals of Artificial Intelligence in medical education research: AMEE Guide No. 156. Med Teach. 2023 Jun;45(6):565-573. doi: 10.1080/0142159X.2023.2180340. Epub 2023 Mar 2.
- Tolsgaard MG, Boscardin CK, Park YS, Cuddy MM, Sebok-Syer SS. The role of data science and machine learning in Health Professions Education: practical applications, theoretical contributions, and epistemic beliefs. Adv Health Sci Educ Theory Pract. 2020 Dec;25(5):1057-1086. doi: 10.1007/s10459-020-10009-8. Epub 2020 Nov 3.
- Degallier-Rochat S, Kurpicz-Briki M, Endrissat N, Yatsenko O. Human augmentation, not replacement: A research agenda for AI and robotics in the industry. Front Robot AI. 2022 Oct 4;9:997386. doi: 10.3389/frobt.2022.997386. eCollection 2022. No abstract available.
- Vasey B, Novak A, Ather S, Ibrahim M, McCulloch P. DECIDE-AI: a new reporting guideline and its relevance to artificial intelligence studies in radiology. Clin Radiol. 2023 Feb;78(2):130-136. doi: 10.1016/j.crad.2022.09.131.
- Liu X, Cruz Rivera S, Moher D, Calvert MJ, Denniston AK; SPIRIT-AI and CONSORT-AI Working Group. Reporting guidelines for clinical trial reports for interventions involving artificial intelligence: the CONSORT-AI extension. Lancet Digit Health. 2020 Oct;2(10):e537-e548. doi: 10.1016/S2589-7500(20)30218-1. Epub 2020 Sep 9.
- Salomon LJ, Alfirevic Z, Da Silva Costa F, Deter RL, Figueras F, Ghi T, Glanc P, Khalil A, Lee W, Napolitano R, Papageorghiou A, Sotiriadis A, Stirnemann J, Toi A, Yeo G. ISUOG Practice Guidelines: ultrasound assessment of fetal biometry and growth. Ultrasound Obstet Gynecol. 2019 Jun;53(6):715-723. doi: 10.1002/uog.20272.
- Hadlock FP. Sonographic estimation of fetal age and weight. Radiol Clin North Am. 1990 Jan;28(1):39-50.
- Bloch R, Norman G. Generalizability theory for the perplexed: a practical introduction and guide: AMEE Guide No. 68. Med Teach. 2012;34(11):960-92. doi: 10.3109/0142159X.2012.703791.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- F-24001576
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
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 Ultralyd
-
Seoul National University HospitalAfsluttetEndobronchial Ultrasound Guided Transbronchial Needle AspirationKorea, Republikken
-
The Children's Hospital of Zhejiang University...Ikke rekrutterer endnuRandomiseret kontrolleret forsøg | Ekstrakorporeal Shock Wave Lithotripsi | Børne-urolithiasis | Optisk Bevægelsesoptagelse | Ultrasound Lokalisering | LokaliseringseffektivitetKina
-
Rajiv Gandhi Cancer Institute & Research Center...AfsluttetObjektiv vurdering af stemmebåndsbevægelse af C-Mac Videolaryngoscope vs Airway Ultrasound i Ca ThyroidIndien
-
Kyunghee University Medical CenterAfsluttetIntraplaque neovaskularisering evalueret af carotis Enhanced Ultrasound Afspejler plaquesårbarheden godtKorea, Republikken
-
Zagazig UniversityRekrutteringof Lung Ultrasound in Diagnosis of Acute Respiratory Distress SyndromeEgypten