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

AIRFRAME: Kunstig intelligens til genkendelse af føtale hjerneanomalier ved andet trimester føtal hjernescanning (AIRFRAME)

Udvikling af en kunstig intelligensalgoritme til at genkende unormale fund ved rutinemæssig føtal hjerneultralyd. AIRFRAME (Artificial Intelligence for Recognition of Fetal Brain AnomaliEs)

Obstetrisk ultralyd repræsenterer standarden for pleje til screening af føtale anomalier. Dens ydeevne afhænger dog af flere parametre, herunder typen af ​​anomali, gestationsalder, moderens habitus og eksaminatorens færdigheder. Brugen af ​​kunstig intelligens (AI) i medicinsk diagnostik er blevet foreslået ikke kun for at reducere inter- og intra-operator-variabiliteten, men også for at komprimere den nødvendige tid, der er nødvendig for at udføre rutineopgaver, og dermed optimere sundhedsressourcerne. Føtale hjerneabnormiteter er blandt de mest udfordrende føtale medfødte anomalier med hensyn til ultralydsdiagnostik, prænatal rådgivning og behandling. Adgangen til nye teknologikilder, dvs. AI, har potentialet til at forbedre genkendelse, påvisning og lokalisering af hjernemisdannelser. Derfor foreslår vi at udvikle en AI-baseret software, som ville være i stand til at genkende hjernestrukturerne ved antenatal ultralyd og skelne mellem normal og unormal føtal hjerneanatomi gennem fuldautomatisk databehandling.

Studieoversigt

Detaljeret beskrivelse

Anvendelsen af ​​AI i obstetrisk ultralyd omfatter tre aspekter: strukturidentifikation, automatiske og standardiserede målinger og klassifikationsdiagnose. Da obstetrisk ultralyd er tidskrævende, kan brugen af ​​kunstig intelligens også reducere undersøgelsestiden og forbedre arbejdsgangen.

Studiedesign: dette er et multicenter retrospektivt observationelt kohortestudie og efterfølgende prospektivt kohortestudie. Studiedesignet vil blive organiseret i to forskellige faser.

Den første fase, feasibility retrospektiv undersøgelse, har til formål at udvikle og træne AI-algoritme med normale og unormale billeder, der retrospektivt er erhvervet under andet trimesters ultralydsscanning fra forskellige internationale føtalmedicinske centre.

Den anden fase, en prospektiv klinisk validering, har til formål at teste AI-algoritmen i vurderingen af ​​grundlæggende føtal hjerneanatomi i en reel klinik med rigtige patienter fra hvert af de deltagende føtalmedicinske centre.

Indstilling: Tre (3) føtalmedicinske centre.

Deltagere: enlig gravid befolkning, som gennemgik ultralydsundersøgelse mellem 19 - 22 ugers graviditet i de deltagende centre.

Primært endepunkt: at validere en ny AI-baseret teknologi til automatiseret vurdering af den grundlæggende anatomi af fosterhjernen, som potentielt kan bruges til at understøtte screeningsscanning i andet trimester.

Sekundære endepunkter:

For at forbedre ydeevnen af ​​standardscreeningen i andet trimester af føtal hjerneanatomi og sikre dens pålidelige sonografiske vurdering inden for en kortere tid efter udførelse.

For at detektere højere repeterbarhed og reproducerbarhed, hvilket gør det muligt at implementere ultralydsscreeningen også med hensyn til effektivitet i stor skala, optimering af sundhedsressourcer I første fase af undersøgelsen vil deltagende føtalmedicinske centre søge i deres elektroniske databaser efter billeder af singleton gravide kvinder, som gennemgik ultralydsbilleddannelse ved 19+0 - 22+6 ugers svangerskab med enhver føtal hjerneanomali. Normale billeder af fosterhjernen ved samme svangerskabsalder vil blive leveret af de fremmende centre - dvs. Fondazione Policlinico A. Gemelli, IRCCS og University of Parma. Klinisk, ultralyds-, prænatal og postnatal information om hvert tilfælde vil blive hentet fra patientens medicinske journaler og indtastet i en elektronisk databaseindsamlingsfil af den primære investigator fra hvert deltagende center. De erhvervede billeder vil blive anonymiseret, gemt som DICOM og delt gennem et dedikeret cloud-lagringssystem, som vil blive sat op af bioingeniørteamet. Hvert center vil kunne få adgang til websystemet ved hjælp af et personligt ID og adgangskode.

I anden fase af undersøgelsen vil algoritmen blive prospektivt testet og valideret i et reelt klinisk miljø med rigtige patienter fra hvert af de deltagende føtalmedicinske centre. Inklusions- og eksklusionskriterier, billedprotokol og dataindsamling vil være de samme, som udføres i den retrospektive fase.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

10000

Kontakter og lokationer

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

Studiekontakt

Studiesteder

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

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Alle gravide kvinder, der gennemgår screeningsscanning i andet trimester i de deltagende centre, som giver informeret samtykke til tilmelding

Beskrivelse

Inklusionskriterier:

  • Kvinder med singleton-graviditeter, der gennemgår ultralydsundersøgelse mellem 19+0 - 22+6 svangerskabsuger

Ekskluderingskriterier:

  • Kvinder, der ikke fik screenet andet trimester ved den fastsatte svangerskabsalder.
  • Kvinder, hvor en god visualisering af det transventrikulære, transthalamiske og transcerebellære plan af fosterhovedet ikke var teknisk mulig.
  • Kvinder, der ikke er i stand til at give det informerede samtykke.

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
CASE
Fostre med hjerneanomalier
Udvikling af AI-algoritme til tidlig påvisning af føtale hjerneanomalier i graviditetens andet trimester
Andre navne:
  • Kunstig intelligens
  • Andet trimester føtal scanning
KONTROLLER
Fostre med hjerneanomali
Udvikling af AI-algoritme til tidlig påvisning af føtale hjerneanomalier i graviditetens andet trimester
Andre navne:
  • Kunstig intelligens
  • Andet trimester føtal scanning

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
AI algoritme
Tidsramme: 2 år
Antal tilfælde opdaget med AI-algoritmeapplikation
2 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Reproducerbarhed
Tidsramme: 1 år
Antal tilfælde opdaget med AI-algoritme-applikation sammenlignet med dem, der er opdaget med standardteknikker for prænatal diagnose
1 år

Samarbejdspartnere og efterforskere

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

Efterforskere

  • Ledende efterforsker: Alessandra Familiari, Fondazione Policlinico Universitario A. gemelli, IRCCS

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

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)

30. april 2023

Primær færdiggørelse (Anslået)

30. december 2024

Studieafslutning (Anslået)

30. december 2026

Datoer for studieregistrering

Først indsendt

4. november 2024

Først indsendt, der opfyldte QC-kriterier

4. november 2024

Først opslået (Anslået)

5. november 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Anslået)

5. november 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

4. november 2024

Sidst verificeret

1. november 2024

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • Prod. ID 4813

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

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 .

Abonner