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

Covid-Röntgenbilder-Datensatz für A.I (CORDA)

4. Juni 2020 aktualisiert von: Giorgio Limerutti, Azienda Ospedaliera Città della Salute e della Scienza di Torino
Die Möglichkeit, weit verbreitete und einfache Röntgenaufnahmen des Brustkorbs (CXR) für die Früherkennung von COVID-19-Patienten zu nutzen, stößt sowohl in der Klinik als auch in der Community der künstlichen Intelligenz auf großes Interesse. In dieser Studie liefern wir Einblicke und warnen auch davor, was vernünftigerweise zu erwarten ist, indem wir Deep Learning auf die COVID-Klassifizierung von CXR-Bildern anwenden. Wir bieten einen methodischen Leitfaden und eine kritische Lektüre eines umfangreichen Satzes statistischer Ergebnisse, die mit aktuell verfügbaren Datensätzen gewonnen werden können. Insbesondere nehmen wir die Herausforderung an, die sich aus aktuellen, kleinen COVID-Daten ergibt, und zeigen, wie bedeutsam die Verzerrung sein kann, die durch Transfer-Learning unter Verwendung größerer öffentlicher Nicht-COVID-CXR-Datensätze entsteht. Wir tragen auch dazu bei, indem wir Ergebnisse zu einem mittelgroßen COVID CXR-Datensatz bereitstellen, der gerade von einem der größten Notfallkrankenhäuser in Norditalien während des Höhepunkts der COVID-Pandemie erfasst wurde. Diese neuartigen Daten ermöglichen es uns, zur Validierung der Verallgemeinerungsfähigkeit vorläufiger Ergebnisse beizutragen, die in der wissenschaftlichen Gemeinschaft zirkulieren. Unsere Schlussfolgerungen werfen etwas Licht auf die Möglichkeit, COVID mithilfe von CXR effektiv zu diskriminieren.

Studienübersicht

Detaillierte Beschreibung

Das COVID-19-Virus hat sich auf dem chinesischen Festland und in mehreren Ländern weltweit rasch ausgebreitet. Mit Stand vom 7. April 2020 wurden in Italien, einem der am stärksten betroffenen Länder, 135.586 Patienten mit COVID19 registriert, von denen 17.127 starben; Zum Zeitpunkt der Erstellung dieses Artikels ist das Piemont mit 13.343 registrierten Fällen die am dritthäufigsten betroffene Region Italiens. Eine frühzeitige Diagnose ist ein Schlüsselelement für die ordnungsgemäße Behandlung der Patienten und die Verhinderung der Ausbreitung der Krankheit. Angesichts des hohen Tropismus von COVID-19 für die Atemwege und das Lungenepithel kann die Identifizierung einer Lungenbeteiligung bei infizierten Patienten für die Behandlung und Überwachung der Krankheit relevant sein. Derzeit gilt der Virustest als einzige spezifische Diagnosemethode. Das Center for Disease Control (CDC) in den USA empfiehlt die Entnahme und Untersuchung von Proben aus den oberen Atemwegen (nasopharyngeale und oropharyngeale Abstriche) oder, sofern verfügbar, aus den unteren Atemwegen (bronchoalveoläre Lavage, BAL) für Virustests mit Reverse-Transkriptions-Polymerase-Kettenreaktion (RT-PCR)-Assay. Aktuelle Positionspapiere radiologischer Fachgesellschaften (Fleischner Society, SIRM, RSNA) empfehlen keinen routinemäßigen Einsatz der Bildgebung zur COVID-19-Diagnose.

Es ist jedoch weithin nachgewiesen, dass Röntgenaufnahmen des Brustkorbs (CXR) und Computertomographieaufnahmen (CT) bereits in frühen Krankheitsstadien pathologische Befunde zeigen können. Es sollte beachtet werden, dass sie tatsächlich unspezifisch sind und sich mit anderen Virusinfektionen (wie Influenza, H1N1, SARS und MERS) überschneiden: Die meisten Autoren berichten über periphere bilaterale, schlecht definierte und mattierte Trübungen, die hauptsächlich die Unterlappen betreffen und zunehmend auftreten Die CT nimmt mit zunehmender Schwere der Erkrankung zu und führt zu einer diffusen Konsolidierung des Parenchyms. Daher ist die CT ein empfindliches Instrument zur Früherkennung peripherer Milchglastrübungen. Die routinemäßige Rolle der CT-Bildgebung bei diesen Patienten stellt jedoch eine logistische Herausforderung im Hinblick auf die Sicherheit für medizinisches Fachpersonal und andere Patienten dar und kann die verfügbaren Ressourcen überfordern. Besonders in Notfallsituationen kann eine Röntgenaufnahme des Brustkorbs ein nützliches Hilfsmittel sein: Sie kann helfen, andere mögliche Lungen-„Noxen“ auszuschließen, ermöglicht eine erste grobe Einschätzung des Ausmaßes der Lungenbeteiligung und kann vor allem am Bett des Patienten mit tragbaren Geräten durchgeführt werden. Begrenzung einer möglichen Exposition bei medizinischem Personal und anderen Patienten. Darüber hinaus kann CXR im Laufe der Zeit wiederholt werden, um die Entwicklung einer Lungenerkrankung zu überwachen.

Methodik:

Wir beschreiben den Deep-Learning-Ansatz, der auf einer recht standardmäßigen Pipeline basiert, nämlich der Vorverarbeitung von Brustbildern und der Lungensegmentierung, gefolgt von einem Klassifizierungsmodell, das durch Transferlernen erhalten wird. Wie wir in diesem Abschnitt sehen werden, ist die Datenvorverarbeitung von grundlegender Bedeutung, um jegliche in den Daten vorhandene Verzerrungen zu beseitigen. Insbesondere werden wir zeigen, dass es für ein tiefes Modell leicht ist, diese Vorurteile zu erkennen, die den Lernprozess vorantreiben. Angesichts der geringen Größe der COVID-Datensätze spielen die größeren Datensätze, die für das Vortraining verwendet werden, eine Schlüsselrolle. Daher besprechen wir zunächst, welche Datensätze für unsere Ziele genutzt werden können.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

2500

Kontakte und Standorte

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

Studienorte

    • Turin
      • Torino, Turin, Italien, 10126
        • Rekrutierung
        • Azienda Ospedaliero Universitaria Citta Della Salute E Della Scienza
        • Kontakt:
        • Hauptermittler:
          • Giorgio Limerutti, M.D.
        • Unterermittler:
          • Paolo Fonio, M.D.
        • Unterermittler:
          • Marco Grosso, M.Sc.
        • Unterermittler:
          • Stefano Tibaldi, M.Sc.
        • Unterermittler:
          • Simona Capello, M.D.
        • Unterermittler:
          • Patrizia Sardo, M.D.
        • Unterermittler:
          • Claudio Berzovini, M.D.
        • Unterermittler:
          • Francesca Santinelli, M.Sc.
        • Unterermittler:
          • Marco Calandri, M.D.
        • Unterermittler:
          • Andrea Ferraris, M.D.

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

  • ERWACHSENE
  • OLDER_ADULT
  • KIND

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Alle in der Radiologieabteilung behandelten Personen

Beschreibung

Einschlusskriterien: Röntgenaufnahme des Brustkorbs während des Notaufnahme- oder Krankenhausaufenthalts

-

Ausschlusskriterien:

  • Keiner

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
Fälle von interstitieller Pneumonie
Röntgendiagnostik der Brust
Wir versorgen das neuronale Netzwerk mit Röntgenaufnahmen des Brustkorbs, um das Netzwerk für die automatische Diagnose interstitieller Pneumonie zu trainieren
Negativkontrollen
Röntgenaufnahme des Brustkorbs. Negativ für Lungenentzündung
Wir versorgen das neuronale Netzwerk mit Röntgenaufnahmen des Brustkorbs, um das Netzwerk für die automatische Diagnose interstitieller Pneumonie zu trainieren

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Sensibilität und Spezifität der Diagnose neuronaler Netze
Zeitfenster: am Tag 0
Sensibilität und Spezifität der neuronalen Netzwerkdiagnose im Vergleich zur menschlichen Diagnose
am Tag 0

Mitarbeiter und Ermittler

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

Ermittler

  • Hauptermittler: Giorgio Limerutti, M.D., Radiology Unit A.O.U. Città della Salute e della Scienza

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)

24. März 2020

Primärer Abschluss (ERWARTET)

31. Dezember 2020

Studienabschluss (ERWARTET)

31. März 2021

Studienanmeldedaten

Zuerst eingereicht

4. Juni 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

4. Juni 2020

Zuerst gepostet (TATSÄCHLICH)

5. Juni 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (TATSÄCHLICH)

5. Juni 2020

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

4. Juni 2020

Zuletzt verifiziert

1. Juni 2020

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • CORDA

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

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