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

Forskning i Body Voice AI-genkendelsessystem til børns sundhedsstyring

Intelligent stemmemodel: En ny paradigmeudforskning for børnesundhedsledelse

Formålet med denne forskning er at udvikle en kropsstemme, kunstig intelligens (AI) genkendelsesenhed, også kaldet en AI-assisteret kropslydsidentifikationsenhed, ved at bruge en dyb læringsbaseret ny AI-algoritme i forbindelse med en stor kropsstemmemodel . Det kunne identificere normale og unormale hjerte-, åndedræts- og tarmlyde og give tidlig screening og hjælpediagnose af medfødt hjertesygdom (CHD), luftvejsinfektioner, diarré og andre almindelige multi-forekommende sygdomme.

Studieoversigt

Detaljeret beskrivelse

Undersøgelsen anvendte et multicenter tværsnitsdesign. De virkelige data indsamlet til denne undersøgelse omfattede normale og endeligt diagnosticerede hjertelyde hos børn med medfødt hjertesygdom, normale og endeligt diagnosticerede luftvejsinfektioner hos børn med åndelyde, specifikke hostelyde og normale og endeligt diagnosticerede tarmlyde hos børn med diarré . Specialistteamet vil udføre datastyring, annotering og udtræk af lyd på de indsamlede normale og afvigende lyde for at generere et overlegent multimodalt træningsdatasæt. Store model algoritmer for kunstig intelligens (deep learning, machine learning osv.) bruges til at modellere og træne algoritmemodellen af ​​kropsstemme AI-genkendelsesenheden, så den kan skelne mellem normale og unormale lydsignaler ved AI. Resultaterne af kropslyd AI-identifikation vil blive sammenlignet med diagnostiske rapporter fra ekkokardiogrammer, røntgenbilleder af thorax og røntgenstråler fra maven i form af AUC (Area Under Curve) score, sensitivitet, specificitet og nøjagtighed for at evaluere virkningen af ​​AI-genkendelse apparater om sygdomsscreening og supplerende diagnose. Ekstern validering vil blive udført ved hjælp af homogene data fra andre websteder. Dette projekt har til formål at udvikle en ny generation af intelligente lydauskultationsinstrumenter, der kan bruges til tidlig screening og hjælpediagnosticering af medfødt hjertesygdom, luftvejsinfektioner, diarré og andre almindelige multi-forekommende sygdomme ved at bruge store modeller af kunstig intelligens-teknologier.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

30000

Kontakter og lokationer

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

Studiekontakt

Studiesteder

    • Hubei
      • Wuhan, Hubei, Kina, 430016
        • Rekruttering
        • Wuhan Children's Hospital (Wuhan Maternal and Child Healthcare Hospital), Tongji Medical College, Huazhong University of Science and Technology
        • Kontakt:
    • Hunan
      • Changsha, Hunan, Kina, 410007
        • Rekruttering
        • Human Children's Hospital
        • Kontakt:
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, Kina, 200092
        • Rekruttering
        • Xinhua Hospital,Shanghai Jiao Tong University School of Medicine
        • Kontakt:
      • Shanghai, Shanghai Municipality, Kina, 200127
        • Rekruttering
        • Shanghai Children's Medical Center Affiliated to Shanghai Jiaotong University School of Medicine
        • Kontakt:
    • Yunnan
      • Kunming, Yunnan, Kina, 650028
        • Rekruttering
        • Kunming Children's Hospital
        • Kontakt:

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

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

  1. Børn (0-18 år) med medfødt hjertesygdom bekræftet ved hjerteultralyd og børn uden medfødt hjertesygdom bekræftet ved hjerteultralyd.
  2. Børn (0-18 år) med bronkopneumoni bekræftet ved billeddiagnostik af thorax og børn uden bronkopneumoni bekræftet ved billeddiagnostik.
  3. Børn (0-18 år) med abdominal billeddannelse bekræftede abdominal sygdom og børn diagnosticeret uden abdominal sygdom ved billeddiagnostik.

Beskrivelse

Inklusionskriterier:

  1. Alder 0~18 år, køn er ikke begrænset
  2. Børn, der er blevet diagnosticeret med medfødt hjertesygdom ved hjerteultralyd, eller som ikke har medfødt hjertesygdom
  3. Børn diagnosticeret med bronkopneumoni eller uden bronkopneumoni
  4. Børn, der er klinisk diagnosticeret med tarmsygdomme, eller som ikke lider af tarmsygdomme
  5. Informeret samtykke

Ekskluderingskriterier:

  1. ≥ 18 år gammel
  2. Børn, der ikke er i stand til at gennemgå hjerteultralyd, billeddiagnostik af brystet eller andre relaterede undersøgelser
  3. Forsøgspersoner, der ikke er i stand til at opnå informeret samtykke, eller som ikke er villige til at samarbejde med levering af diagnose- og behandlingsrelaterede data til yderligere analyse og forskning som krævet af undersøgelsen.

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
0 ~ 18 år gamle børn

Aldersinterval: 0 til 18 år, uden kønsbegrænsning. Børn, der er blevet diagnosticeret med medfødt hjertesygdom (CHD) eller bekræftet at være fri for CHD gennem ekkokardiografiske undersøgelser.

Børn, der er blevet diagnosticeret med bronkopneumoni eller bekræftet at være fri for bronkopneumoni gennem brystbilleddiagnostiske undersøgelser.

Børn, som er blevet diagnosticeret med mavesygdomme eller bekræftet fri for mavesygdomme gennem billeddiagnostiske undersøgelser af maven.

Hjerteauskultation vil blive foretaget af børnelæge og ekkokardiografi af ekkokardiolog
Brystauskultation vil blive udført af børnelæge og brystbilleddiagnostiske undersøgelser af radiolog
Abdominal auskultation vil blive udført af børnelæge og brystbilleddiagnostiske undersøgelser af radiolog

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Følsomhed
Tidsramme: 1 måned
Følsomhed i CHD, lungesygdom og abdominal screening ved forskellige kunstige intelligensalgoritmer og auskultation
1 måned
Specificitet
Tidsramme: 1 måned
Specificitet i CHD, lungesygdom og abdominal screening ved hjælp af forskellige kunstige intelligensalgoritmer og auskultation
1 måned
AUC
Tidsramme: 1 måned
AUC i CHD, lungesygdom og abdominal screening ved forskellige kunstige intelligensalgoritmer og auskultation
1 måned

Samarbejdspartnere og efterforskere

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

Efterforskere

  • Ledende efterforsker: Xin Sun, MD, Xinhua Hospital, Shanghai J iao Tong University School of Medicine

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. maj 2024

Primær færdiggørelse (Anslået)

31. december 2026

Studieafslutning (Anslået)

31. december 2026

Datoer for studieregistrering

Først indsendt

4. august 2024

Først indsendt, der opfyldte QC-kriterier

6. august 2024

Først opslået (Faktiske)

7. august 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

12. august 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

11. august 2026

Sidst verificeret

1. april 2026

Mere information

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 .

Abonner