Ziel der Studie ist es, die Genauigkeit der Erkennung von Spina bifida bei frühen Ultraschalluntersuchungen zu verbessern. Um dies zu erreichen, wurde ein KI-Modell entwickelt, das Rückmeldung über das Vorhandensein von Spina Bifida gibt. Ein RCT wurde entwickelt, um die Wirksamkeit von KI-Feedback mit der Wirksamkeit ohne KI-Feedback zu vergleichen.
Bewertung der XAI-gestützten Spina-Bifida-Diagnose
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Julie Leth-Petersen
- Telefonnummer: +4526399590
- E-Mail: julielethp@hotmail.com
Studienorte
-
-
-
Copenhagen, Dänemark
- Copenhagen University Hospital, Rigshospitalet
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Geburtshelfer
Ausschlusskriterien:
- Spezialisten für fetale Medizin
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Diagnose
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Single
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Experimental: KI-Feedback
Nach Abschluss der Aufgabe, 20 Bilder zu analysieren, erhält der Teilnehmer KI-Feedback.
Das KI-Feedback umfasst eine Vorhersage (Normal/Spina Bifida) sowie einen Konfidenzwert im Bereich von 0,0 bis 1,0, wobei 0,0 die niedrigste Konfidenz und 1,0 die höchste Konfidenz angibt.
|
KI-Feedback
|
|
Placebo-Komparator: Kein KI-Feedback
Die Teilnehmer lösen die Aufgabe, 20 Bilder ohne KI-Feedback zu analysieren.
|
KI-Feedback
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Evaluierung der XAI-gestützten Spina bifida-Diagnose
Zeitfenster: Einen Monat nach der Verteilung der Umfrage.
|
Die Studie zielt darauf ab, zu bewerten, ob KI-Feedback die Genauigkeit der Diagnose von Spina bifida verbessert, indem die Anzahl der richtigen und falschen Antworten in einer Aufgabe mit 20 Bildern verglichen wird.
|
Einen Monat nach der Verteilung der Umfrage.
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
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 (Geschätzt)
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
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- P-2019-310
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 .