Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Algorithmen der künstlichen Intelligenz zur Unterscheidung zwischen COVID-19 und Influenza-Pneumonitis mithilfe von Röntgenaufnahmen des Brustkorbs (AI-COVID-Xr)

23. April 2020 aktualisiert von: Professor Adrian Covic

Die Vorteile von Algorithmen der künstlichen Intelligenz (CNNs) zur Unterscheidung zwischen COVID-19 und Influenza-Pneumonitis in einer Notaufnahme mithilfe von Röntgenuntersuchungen des Brustkorbs

Dieses Projekt zielt darauf ab, Algorithmen der künstlichen Intelligenz (Bilddiskriminierung), insbesondere Convolutional Neural Networks (CNNs), zum Scannen von Röntgenaufnahmen des Brustkorbs in der Notaufnahme (Triage) bei Patienten mit Verdacht auf respiratorische Symptome (Fieber, Husten, Myalgie) der Coronavirus-Infektion COVID 19 zu verwenden. Ziel ist es, eine Softwarelösung zu erstellen und zu validieren, die auf Basis des Röntgen-Thorax zwischen Covid-19-Pneumonitis und Influenza unterscheidet

Studienübersicht

Status

Unbekannt

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Dieses Projekt zielt darauf ab, Algorithmen der künstlichen Intelligenz (Bildunterscheidung) zu verwenden;

  • speziell Convolutional Neural Networks (CNNs) zum Scannen von Thorax-Röntgenaufnahmen in der Notaufnahme (Triage) bei Patienten mit Verdacht auf respiratorische Symptome (Fieber, Husten, Myalgie) einer Coronavirus-Infektion COVID 19;
  • Ziel ist es, eine Softwarelösung zu erstellen und zu validieren, die anhand des Thorax-Röntgenbilds zwischen Covid-19-Pneumonitis und Influenza unterscheidet;
  • diese Software wird trainiert, indem Röntgenstrahlen von Patienten mit/ohne COVID-19-Pneumonitis und/oder Grippe-Pneumonitis eingeführt werden;
  • Derselbe KI-Algorithmus wird bei zukünftigen Röntgenscans ausgeführt, um eine mögliche COVID-19-Pneumonitis vorherzusagen

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

200

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • Italien
      • Cremona, Italien, 26100
        • Rekrutierung
        • U.O. Multidisciplinare di Patologia Mammaria e Ricerca Traslazionale; Dipartimento Universitario Clinico di Scienze Mediche, Chirurgiche e della Salute Università degli Studi di Trieste
        • Kontakt:
        • Hauptermittler:
          • Daniele Generali, MD, PhD
  • Rumänien
      • Iaşi, Rumänien, 700503
        • Rekrutierung
        • University of Medicine and Pharmacy Gr T Popa
        • Kontakt:
        • Hauptermittler:
          • Alexandru Burlacu, MD, PhD
  • Vereinigtes Königreich
      • London, Vereinigtes Königreich
        • Rekrutierung
        • Department of Cardiology at Chelsea and Westminster NHS hospital
        • Kontakt:
          • Emmanuel Ako, MD, PhD
          • Telefonnummer: +447932970131
          • E-Mail: e.ako@ucl.ac.uk
        • Hauptermittler:
          • Emmanuel Ako, MD, PhD

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Alle Patienten mit Influenza-Symptomen, die mit Husten, Fieber oder Myalgie in die Notaufnahme kommen – bei denen der Verdacht auf eine COVID-19-Infektion besteht

Beschreibung

Einschlusskriterien:

  • grippeähnliche Symptome: Myalgie, Husten, Fieber, Auswurf
  • Röntgenaufnahmen des Brustkorbs
  • Biologische COVID-19-Tests

Ausschlusskriterien:

  • Ablehnung des Patienten
  • unsichere Röntgenbilder
  • unsichere Testergebnisse

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Symptomatische Patienten
Unser Ziel ist es, einen Algorithmus für künstliche Intelligenz zu identifizieren, der auf Röntgenaufnahmen der Lunge bei Patienten mit Influenza- / respiratorischen Virussymptomen ausgeführt werden kann, die in die Notaufnahme / Triage kommen. Dieser Algorithmus zielt darauf ab, die Röntgenaufnahmen von Patienten mit COVID-19 und solchen mit Influenza-Pneumonitis zu identifizieren, wobei die Genauigkeit durch COVID-19-Tests bestätigt wird.
Diagnosetest: Scannen von Röntgenaufnahmen des Brustkorbs und Ausführen von KI-Algorithmen für Bilder
Röntgenaufnahmen des Brustkorbs; KI-CNNs; Ergebnisse

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
COVID-19 positive Röntgenbilder
Zeitfenster: 6 Monate
Anzahl der Teilnehmer mit Pneumonitis auf Thoraxröntgen und COVID-19-positiv
6 Monate
COVID-19 negative Röntgenstrahlen
Zeitfenster: 6 Monate
Anzahl der Teilnehmer mit Pneumonitis auf Röntgen-Thorax und COVID-19-negativ
6 Monate

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Professor Adrian Covic

Mitarbeiter

Falcon Trading Iasi
Romanian Academy of Medical Sciences

Ermittler

  • Hauptermittler: Alexandru Burlacu, Lecturer, University of Medicine and Pharmacy Gr T Popa - Iasi
  • Hauptermittler: Radu Dabija, Lecturer, University of Medicine and Pharmacy Gr T Popa - Iasi

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

18. März 2020

Primärer Abschluss (Voraussichtlich)

16. August 2020

Studienabschluss (Voraussichtlich)

18. August 2020

Studienanmeldedaten

Zuerst eingereicht

17. März 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

17. März 2020

Zuerst gepostet (Tatsächlich)

18. März 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

27. April 2020

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

23. April 2020

Zuletzt verifiziert

1. April 2020

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 0110

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

JA

Beschreibung des IPD-Plans

Ja, wir teilen den Algorithmuscode und die Ergebnisse gerne mit interessierten Wissenschaftlern (ohne finanzielle Interessen)

Art der unterstützenden IPD-Freigabeinformationen

  • STUDIENPROTOKOLL
  • ICF
  • ANALYTIC_CODE

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 .

Abonnieren