- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT04756518
COVID-19-Infektion und maschinelles Lernen mit künstlicher Intelligenz (KI)
Schnelle Diagnose von COVID-19-positiven Patienten mit Algorithmus der künstlichen Intelligenz (KI) unter Verwendung klinischer und bildanalytischer Parameter zur Bewertung der Lymphozyten-Untergruppen im peripheren Blut
Die COVID-19-Infektion wird derzeit durch ein komplexes, mehrstufiges Verfahren bestätigt, beginnend mit einem Schleimhautabstrich, gefolgt von der Extraktion und Verarbeitung viraler RNA und qPCR.
Diese Studie zielt darauf ab, eine neuartige Methode zu erforschen, die maschinelles Lernen und Algorithmen der künstlichen Intelligenz (KI) verwendet, um eine COVID-19-Infektion durch die morphologische Analyse der Lymphozyten-Untergruppe im peripheren Blut zu diagnostizieren. Diese Studie wird auch Patienten mit COVID-19-Infektion auf der Grundlage des obigen Befunds zusammen mit anderen klinischen, hämatologischen und biochemischen Parametern risikostratifizieren, um das klinische Ergebnis mit hoher Sensitivität und Spezifität vorherzusagen.
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Dies ist eine Beobachtungsstudie, die vom East Suffolk and North Essex NHS Foundation Trust (ESNEFT) in Zusammenarbeit mit der University of Suffolk (UoS) durchgeführt wird.
Die Ermittler zielen darauf ab, Untergruppen von Lymphozyten in den prospektiven Blutausstrich-Objektträgern mithilfe von maschinellem Lernen und KI-Algorithmen zu analysieren, die von Teilnehmern mit einem positiven qPCR-Test auf COVID-19 erhalten wurden, die eine Krankenhauseinweisung benötigten. Die Kontrollgruppe besteht aus archivierten Blutausstrichdaten von Patienten mit i) nicht vermuteten Virusinfektionen und ii) Patienten mit einer Nicht-COVID-19-Virusinfektion, die vor dem Auftreten einer COVID-19-Infektion im Vereinigten Königreich erhalten wurden . Insgesamt werden 785 Blutausstriche ausgewertet. Das Ziel dieser Studie ist es, die Diagnose einer COVID-19-Infektion basierend auf der Lymphozytenmorphologie bei Patienten mit COVID-19-Infektion von anderen Patienten mit Nicht-COVID-19-Virusinfektionen zu erstellen. Ein hochauflösendes Einzelzell-Lymphozytenbild von Patienten mit COVID-19-Infektion und einer Kontrollgruppe wird mit der Open-Source-Histopathologie-Bildgebungssoftware CellProfiler anhand sehr feiner zytoplasmatischer und nuklearer Details der Zellen durch überwachten und nicht überwachten maschinellen Lernalgorithmus analysiert, um wiederkehrende Muster zu identifizieren, die einzigartig sind zu einer COVID-19-Infektion. Die Studie wird auch andere relevante klinische, hämatologische und biochemische Parameter in Verbindung mit den oben genannten morphologischen Merkmalen bewerten, um ein Instrument zur Risikostratifizierung zu entwickeln, um das klinische Ergebnis von Patienten mit einer COVID-19-Infektion mit hoher Spezifität und Sensitivität unter Verwendung einer Bioinformatik-Pipeline vorherzusagen.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Ipswich, Vereinigtes Königreich, IP4 5PD
- East Suffolk and North Essex NHS Foundation Trust
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Weibliche oder männliche Teilnehmer
- Ab 18 Jahren (keine Altersobergrenze)
- Patienten mit positiver SARS-COV-2-Diagnose basierend auf qPCR (Studiengruppe COVID 19)
- Objektträger aus peripheren Blutausstrichen von Patienten ohne Virusinfektion, die vor dem Auftreten einer COVID-19-Infektion im Vereinigten Königreich im Archiv der Laborobjektträger in der Einrichtung aufbewahrt wurden (Kontrollgruppe)
- Objektträger aus peripheren Blutausstrichen von Patienten mit einer Nicht-SARS-CoV-2-Virusinfektion, die vor dem Auftreten der COVID-19-Infektion im Vereinigten Königreich im Archiv der Laborobjektträger in der Einrichtung aufbewahrt wurden (Kontrollgruppe).
Ausschlusskriterien:
- Patienten unter 18 Jahren
- Patienten mit SARS-COV-2-negativer Diagnose basierend auf qPCRPatienten, bei denen hämatologische Malignome mit Lymphozytose als vorherrschender Manifestation aufgetreten sind.
- Patienten, die in der Vergangenheit eine Lymphopenie aufgrund zugrunde liegender entzündlicher Erkrankungen hatten.
- Patienten mit Lymphopenie aufgrund einer früheren zytotoxischen oder immunsuppressiven Therapie.
- Positive Diagnose des Human Immunodeficiency Virus (HIV).
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
---|
COVID-19-Gruppe
Die COVID-19-Gruppe besteht aus peripheren Blutausstrichen von Patienten, die sich im Krankenhaus befinden und deren qPCR-Ergebnisse positiv für COVID-19 waren.
|
Kontrollgruppe
Eine Kontrollgruppe besteht aus i) peripheren Blutausstrichen von Patienten ohne Virusinfektion und ii) von Patienten mit einer Nicht-SARS-CoV-2-Virusinfektion.
Objektträger mit peripherem Blut der Kontrollgruppe werden nach dem Zufallsprinzip aus dem Archiv der Laborobjektträger innerhalb der Einrichtung ausgewählt.
Die verwendeten Laborobjektträger umfassen Objektträger, die vor dem Auftreten der COVID-19-Infektion im Vereinigten Königreich archiviert wurden.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Diagnose von COVID-19.
Zeitfenster: 6 Monate
|
Bestimmen Sie mithilfe von KI-basierter bildanalytischer Modellierung, ob Lymphozyten allein die COVID-19-Krankheit mit hoher Spezifität und Sensitivität diagnostizieren können.
|
6 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Schweregrad der COVID-19-Infektionsmodellierung
Zeitfenster: 6 Monate
|
Die sekundäre Ergebnismessung der Studie wird darin bestehen, ein Risikostratifizierungsmodell zu erstellen, um die Vorhersage des Schweregrads und der Mortalität der Infektion zu unterstützen, basierend auf unserem oben erwähnten neuartigen Diagnosetool und zusätzlichen klinischen, hämatologischen und biochemischen Parametern; Sicherstellung einer hohen Spezifität, mit daraus resultierender erleichterter Behandlung von Patienten sowohl im Krankenhaus als auch im ambulanten Bereich.
Das vorgeschlagene Modell beabsichtigt, die klinischen Parameter einschließlich Sauerstoffsättigung zum Zeitpunkt der Aderlass und andere wichtige Statistiken, einschließlich: Puls, Blutdruck und Atemfrequenz, zusammen mit anderen Parametern wie LDH, Ferritin, C-reaktives Protein ( CRP), D-Dimere, Nierenfunktion, die alle zusammen helfen, den Ausgang und die Schwere der Krankheit vorherzusagen.
|
6 Monate
|
Mitarbeiter und Ermittler
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Schätzen)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 20/053
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
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 .
Klinische Studien zur COVID-19
-
University of Roma La SapienzaQueen Mary University of London; Università degli studi di Roma Foro Italico; Bios...AbgeschlossenPostakute Folgen von COVID-19 | Zustand nach COVID-19 | Lang-COVID | Chronisches COVID-19-SyndromItalien
-
Yang I. PachankisAktiv, nicht rekrutierendCOVID-19 Atemwegsinfektion | COVID-19 Stresssyndrom | COVID-19-Impfstoff-Nebenwirkung | COVID-19-assoziierte Thromboembolie | COVID-19 Post-Intensive-Care-Syndrom | COVID-19-assoziierter SchlaganfallChina
-
Indonesia UniversityRekrutierungPost-COVID-19-Syndrom | Lange COVID | Zustand nach COVID-19 | Post-COVID-Syndrom | Lange COVID-19Indonesien
-
Massachusetts General HospitalRekrutierungPostakutes COVID-19-Syndrom | Lange COVID | Postakute Folgen von COVID-19 | Lange COVID-19Vereinigte Staaten
-
Dr. Soetomo General HospitalIndonesia-MoH; Universitas Airlangga; Biotis Pharmaceuticals, IndonesiaRekrutierungCovid-19 Pandemie | Covid-19 Impfungen | COVID-19-ViruskrankheitIndonesien
-
Endourage, LLCRekrutierungLange COVID | Lange Covid19 | Postakutes COVID-19 | Langstrecken-COVID | Langstrecken-COVID-19 | Postakutes COVID-19-SyndromVereinigte Staaten
-
University Hospital, Ioannina1st Division of Internal Medicine, University Hospital of IoanninaRekrutierungCOVID-19 Lungenentzündung | COVID-19 Atemwegsinfektion | Covid-19 Pandemie | COVID-19 akutes Atemnotsyndrom | COVID-19-assoziierte Pneumonie | COVID-19-assoziierte Koagulopathie | COVID-19 (Coronavirus-Krankheit 2019) | COVID-19-assoziierte ThromboembolieGriechenland
-
Sheba Medical CenterUnbekannt
-
Michael Peluso, MDAerium Therapeutics; Patient-Led Research Collaborative; PolyBio Research FoundationAktiv, nicht rekrutierendLange COVID | Postakutes COVID-19 | Postakute Folgeerscheinungen von COVID-19Vereinigte Staaten
-
Erasmus Medical CenterDa Vinci Clinic; HGC RijswijkNoch keine RekrutierungPost-COVID-19-Syndrom | Lange COVID | Lange Covid19 | Zustand nach COVID-19 | Post-COVID-Syndrom | Post-COVID-19-Zustand, nicht näher bezeichnet | Post-COVID-ZustandNiederlande