KI-betriebene tragbare MRT-Abnormalitätserkennung (APPMAD)
Diese Studie zielt darauf ab, einen neuen tragbaren MRT-Scanner mit KI-betrieben zu testen, mit dem schnell ein Hirnscan normal oder abnormal ist. Derzeit sind Standard -MRT -Scans teuer und haben lange Wartezeiten. Unser Ziel ist es, festzustellen, ob ein kleinerer, billigerer und zugänglicherer MRT-Scanner mit künstlicher Intelligenz (AI) verbunden ist-können Ärzten helfen, Anomalien schneller zu identifizieren und die Patientenversorgung zu verbessern.
Wir werden Patienten des King's College Hospital (KCH), die bereits einen Standard -MRT -Scan haben, einladen. Sie werden gebeten, einen zusätzlichen Scan mit der tragbaren MRT zu haben, die ungefähr 60 Minuten dauert. Das KI -Tool analysiert dann diese Scans und vergleichen seine Ergebnisse mit denen von Experten -Radiologen.
Am Ende der Studie hoffen wir zu beweisen, ob eine tragbare MRT mit KI in Krankenhäusern und GP -Kliniken verwendet werden kann, wodurch Gehirnscans zugänglicher wird, die Wartezeiten reduziert und Ärzten dabei helfen, dringende Fälle zu priorisieren.
Diese Studie wird vom Medical Research Council (MRC) finanziert und von britischen Forschungsethikausschüssen genehmigt.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Frantisek Vasa, PhD
- Telefonnummer: 020 7848 9670
- E-Mail: Frantisek.Vasa@kcl.ac.uk
Studieren Sie die Kontaktsicherung
- Name: Giusi Manfredi, PhD
- Telefonnummer: 020 7848 9670
- E-Mail: giusi.manfredi@kcl.ac.uk
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
Erwachsene ≥ 18 Jahre alt. Unterzogene Standard-Hirn-MRT einschließlich T2-gewichteter Sequenzen.
Ausschlusskriterien:
Kontraindikationen zur MRT (z. Schrittmacher, Schwangerschaft). MRT -MRT -SCANs mit schlechter Qualität ohne Neuroradiologie -Bericht.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Screening
- Zuteilung: N / A
- Interventionsmodell: Einzelgruppenzuweisung
- Maskierung: Keine (Offenes Etikett)
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Experimental: Tragbarer, ultra-niedriger Field MRT-Scanner
Patienten, die sich einem Standard -Hirn -MRT -Scan unterziehen, werden innerhalb von 30 Tagen nach ihrem klinischen Scan einen zusätzlichen tragbaren MRT -Scan aufweisen.
|
Diese Studie bewertet einen tragbaren Ultra-Low-Field-MRT-Scanner (der Hyperfein-Schlag) in Kombination mit künstlicher Intelligenz (KI), um Gehirnanomalien zu erfassen. Patienten, die sich einem Standard -Hirn -MRT -Scan unterziehen, werden innerhalb von 30 Tagen nach ihrem klinischen Scan einen zusätzlichen tragbaren MRT -Scan aufweisen. Der tragbare MRT-Scan dauert ungefähr 60 Minuten unter Verwendung mehrerer Bildgebungssequenzen, einschließlich T2-gewichteter Scans. Das KI -System analysiert dann die tragbaren MRT -Bilder und kategorisieren sie als "normal" oder "abnormal". Die Ergebnisse werden mit Experten -Neuroradiologen -Berichten von Standard -MRT -Scans verglichen, um die Genauigkeit zu validieren. Diese Intervention zielt darauf hin, ob tragbare MRT mit KI eine kostengünstige, zugängliche Alternative zur Standard-MRT liefern kann, die die Triage möglicherweise verbessert und die Wartezeiten für Patienten reduziert, die dringende Hirntomographie benötigen. |
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit der KI -Maut für Triaging -Scans als "normal oder" abnormal "
Zeitfenster: 36 Monate
|
AI -Triagegenauigkeit im Vergleich zur Bewertung der Berater -Neuroradiologen.
|
36 Monate
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Generalisierbarkeit des KI -Tools (bewertet auf dem externen Datensatz).
Zeitfenster: 36 Monate
|
36 Monate
|
|
Akzeptanz der Patienten von tragbarer MRT (Umfrage/Interviews)
Zeitfenster: 36 Monate
|
36 Monate
|
|
Machbarkeit der Integration der tragbaren MRT in klinische Wege.
Zeitfenster: 36 Monate
|
36 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Ermittler
Ermittler
- Hauptermittler: Thomas Booth, Dr, King's College London & King's College Hospital
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Studienbeginn
Primärer Abschluss (Geschätzt)
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
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- IRAS 347453
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
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 .