Interesse an der Verwendung eines Deep-Learning-Algorithmus zur Erkennung von Otosklerose in der hochauflösenden Schläfenknochen-CT (OtoIA)
Otosklerose ist eine relativ häufige Pathologie multifaktoriellen Ursprungs mit genetischem und hormonellem Anteil, die vorwiegend bei Frauen auftritt. Diese Krankheit verursacht eine Störung des Knochenstoffwechsels des Mittel- und Innenohrs, die zu einer fortschreitenden Taubheit führt, die schwerwiegend sein kann.
Für die Diagnose einer Otosklerose sind mehrere Elemente notwendig: die klinische Untersuchung und Befragung, die audiometrische Beurteilung und schließlich die Schläfenbein-CT.
Der CT-Scan ermöglicht die Erkennung von Otoskleroseherden im Knochen des Mittel- oder Innenohrs. Diese Diagnose ist manchmal schwierig und erfordert die Interpretation durch einen ausgebildeten Radiologen.
Die Forscher möchten die Fähigkeit eines Deep-Learning-Algorithmus zur Erkennung dieser Otoskleroseherde bewerten und seine diagnostische Leistung mit einem ausgebildeten Radiologen vergleichen.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Otosklerose ist eine relativ häufige Pathologie multifaktoriellen Ursprungs mit genetischem und hormonellem Anteil, die vorwiegend bei Frauen auftritt. Diese Krankheit verursacht eine Störung des Knochenstoffwechsels des Mittel- und Innenohrs, die zu einer fortschreitenden Taubheit führt, die schwerwiegend sein kann.
Für die Diagnose einer Otosklerose sind mehrere Elemente notwendig: die klinische Untersuchung und Befragung, die audiometrische Beurteilung und schließlich die Schläfenbein-CT.
Der CT-Scan ermöglicht die Erkennung von Otoskleroseherden im Knochen des Mittel- oder Innenohrs. Diese Diagnose ist manchmal schwierig und erfordert die Interpretation durch einen ausgebildeten Radiologen.
Die Forscher möchten die Fähigkeit eines Deep-Learning-Algorithmus zur Erkennung dieser Otoskleroseherde bewerten und seine diagnostische Leistung mit einem ausgebildeten Radiologen vergleichen.
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
-
Pierre-Bénite, Frankreich, 69310
- Hospices Civils de Lyon, Centre Hospitalier Lyon sud, Service d'ORL, d'otoneurchirurgie et de chirurgie cervico-facaile
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien * :
- Alter über 18
- Zur Analyse steht ein hochauflösender CT-Scan des Schläfenbeins zur Verfügung
- für die Gruppe „Fall“: chirurgische Bestätigung der positiven Diagnose einer Otosklerose
- Für die „Kontroll“-Gruppe: eine erste radiologische Analyse zugunsten eines normalen CT-Scanners des Schläfenbeins und ein erster radiologischer Bericht, der ebenfalls als normal angesehen wird
Ausschlusskriterien * :
- Alter unter 18 Jahren
- Für die Analyse steht kein hochauflösender CT-Scan des Schläfenbeins zur Verfügung
- mangelnde Bereitschaft, an der Studie teilzunehmen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
FALL
Patienten mit chirurgisch bestätigter Otosklerose, die ursprünglich wegen Schallleitungsschwerhörigkeit mit normaler Otoskopie und einer hochauflösenden Computertomographie des Schläfenbeins konsultiert wurden
|
Jeder CT-Scan wird von einem Radiologen interpretiert und für die Diagnose einer Otosklerose als positiv oder negativ eingestuft
Jeder CT-Scan wird durch den Deep-Learning-Algorithmus überprüft und für die Diagnose einer Otosklerose als positiv oder negativ eingestuft
|
|
KONTROLLE
Zufällige Patienten mit einem hochauflösenden Computertomographie-Scan des Schläfenbeins, der ohne Verdacht auf Otosklerose durchgeführt und als normal angesehen wurde
|
Jeder CT-Scan wird von einem Radiologen interpretiert und für die Diagnose einer Otosklerose als positiv oder negativ eingestuft
Jeder CT-Scan wird durch den Deep-Learning-Algorithmus überprüft und für die Diagnose einer Otosklerose als positiv oder negativ eingestuft
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Diagnoseleistung des Algorithmus der künstlichen Intelligenz im Vergleich zur Diagnoseleistung des Radiologen: Sensitivität, Spezifität, positiver und negativer Vorhersagewert, Fläche unter der ROC-Kurve
Zeitfenster: bis zum Studienabschluss durchschnittlich 5 Monate
|
Diese diagnostischen Leistungen werden anhand der positiven oder negativen Diagnosen des Algorithmus und des Radiologen im Vergleich zum „Fall“- oder „Kontroll“-Status jedes in die Studie einbezogenen Patienten ermittelt
|
bis zum Studienabschluss durchschnittlich 5 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Maxime FIEUX, MD, Hospices Civils de Lyon
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Geschätzt)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 22-5019 / 69HCL22_1193
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .