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

At skabe en kunstig intelligens-drevet enhed til luftvejsvurdering (AINFAS) til at identificere patienter med vanskelige luftveje præoperativt.

8. februar 2026 opdateret af: National University Hospital, Singapore

Kunstig intelligens-drevet 3D-ansigtsscanner til luftvejsvurdering (AINFAS)

Vi udvikler en ny AI, som bruger avanceret computerteknologi til at hjælpe læger med at identificere patienter, der muligvis har en vanskelig luftvej før operation eller akutte indgreb. Nogle gange, når en person har brug for hjælp til at trække vejret, skal læger indføre et rør i deres luftvej. Dette kan være en udfordring for nogle mennesker på grund af formen på deres mund, hals eller nakke. Vi håber, at AI vil se på en patients ansigtsdragter for at forudsige, om der kan være nogle vanskeligheder.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Detaljeret beskrivelse

AINFAS (Artificial Intelligence-enabled system for airway assessment) er et innovativt AI-system, vi udvikler for at revolutionere luftvejsstyring i sundhedssektoren. Dette avancerede kunstige intelligenssystem er designet til at analysere patientkarakteristika og forudsige potentielle vanskeligheder ved luftvejsstyring før enhver medicinsk procedure, der kan kræve vejrtrækningsassistance. Ved hjælp af sofistikerede maskinlæringsalgoritmer behandler AINFAS data som ansigtsstruktur og halsanatomi for at vurdere sandsynligheden for en vanskelig luftvej. Dette ikke-invasive, hurtige vurderingsværktøj har potentielle anvendelser på tværs af forskellige sundhedssektorer, herunder præoperative vurderinger, skadestuer, intensivafdelinger og endda præhospital behandling. Ved at give tidlig identifikation af potentielle luftvejsudfordringer sigter AINFAS mod at forbedre patientsikkerheden, optimere ressourceallokeringen og give en standardiseret, objektiv metode til luftvejsvurdering. I øjeblikket under udvikling og test repræsenterer dette AI-system et betydeligt skridt fremad i brugen af teknologi til at forbedre klinisk beslutningstagning og patientsikkerhed i kritiske aspekter af medicinsk behandling.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

1000

Kontakter og lokationer

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

Studiesteder

      • Singapore, Singapore, 119074
        • National University Hospital Singapore

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

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patienter, der gennemgår operation på National University Hospital Singapore Kun.

Beskrivelse

Inklusionskriterier:

  • Under kirurgi under fuld narkose, der kræver endotracheal intubation eller supraglottisk luftvej
  • 21-100 år gammel

Eksklusionskriterier:

  • Alder under 21 år
  • Patienter med tidligere operation med ændret ansigtsudseende
  • Patienter med tracheostomi
  • Patienter med enhver orofaryngeal patologi
  • Patienter med nasofarynxcancer efter strålebehandling eller kemoterapi
  • Gravide kvinder
  • Patienter, hvis læger ikke brugte en laryngoskop eller supraglottisk luftvej

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
Generel anæstesi kirurgi
deltagere, der får taget deres fotografi ved hjælp af en tablet-enhed efter en standardiseret protokol for at indfange relevante ansigts- og halsfunktioner. Disse fotografier vil derefter blive analyseret ved hjælp af software, der vurderer billederne for potentielle indikatorer på en vanskelig luftvej.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtigheden af AINFAS i forudsigelse af vanskelige luftveje
Tidsramme: Vurderingen vil finde sted fra tidspunktet for præoperativ AI-analyse indtil afslutningen af intuberingsproceduren, typisk inden for 48 timer.
At identificere og karakterisere de vigtigste prædiktive parametre, der bidrager til AI-systemets samlede evne til at opdage vanskelige luftveje.
Vurderingen vil finde sted fra tidspunktet for præoperativ AI-analyse indtil afslutningen af intuberingsproceduren, typisk inden for 48 timer.

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Identifikation af nye prædiktorer for vanskelige luftveje
Tidsramme: Dataanalyse vil blive udført efter afslutningen af alle deltagerprocedurer, typisk inden for 2 år efter den sidste deltagers vurdering.
At identificere og karakterisere nye prædiktive parametre, der bidrager til AI-systemets overordnede evne til at bestemme sandsynligheden for en vanskelig luftvej.
Dataanalyse vil blive udført efter afslutningen af alle deltagerprocedurer, typisk inden for 2 år efter den sidste deltagers vurdering.

Samarbejdspartnere og efterforskere

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

Efterforskere

  • Ledende efterforsker: Will Ne-Hooi Loh, National University Hospital, Singapore

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)

17. maj 2022

Primær færdiggørelse (Faktiske)

24. januar 2025

Studieafslutning (Anslået)

1. december 2026

Datoer for studieregistrering

Først indsendt

21. december 2025

Først indsendt, der opfyldte QC-kriterier

8. februar 2026

Først opslået (Faktiske)

13. februar 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

13. februar 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

8. februar 2026

Sidst verificeret

1. december 2025

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • 2021/00908

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 .

Abonner