Künstliche Intelligenz-SARS-COV-2 (COVID-19) Risikobewertung (AI-SCoRE)
29. April 2025 aktualisiert von: Antonio Esposito, IRCCS San Raffaele
Künstliche Intelligenz-SARS-COV-2-Risikobewertung
Das Management von Covid-19-Patienten im überwältigten Krankenhaus mit der Pandemie ist eine klinische Herausforderung.
Die Verbesserung der Entscheidungsfindung kann eine bessere Zuordnung der verfügbaren Ressourcen und eine bessere Behandlung von Patienten mit höherem Risiko ermöglichen.
Die CT CT wurde häufig für die COVID-19-Lungenentzündungsdiagnose angewendet. Mehrere Erfahrungen dokumentierten die Fähigkeit der künstlichen Intelligenz, die Erkennung der Covid-19-Lungenentzündung zu verbessern und zu befestigen, hauptsächlich mit Röntgenaufnahmen des Brustkorbs.
Das Ziel der vorliegenden Studie war es, einen Ansatz für künstliche Intelligenz zu entwickeln und zu validieren, der klinische und bildgebende Daten (automatisch extrahiert durch die Einführung dedizierter neuronaler Netzwerke) zur Erstellung einer Cloud -Plattform, die automatische Patientenrisikostratifizierung durchführen kann. Ein solcher Ansatz könnte für die Triage von CoVID-19-Patienten in der Notaufnahme verwendet werden, um die Entscheidungsfindung und die Zuweisung von Ressourcen während gesundheitlicher Notfälle zu verbessern.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
2000
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
Milano, Italien, 20132
- IRCCS San Raffaele
-
-
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
18 Jahre bis 100 Jahre (Erwachsene, Älterer Erwachsener)
Akzeptiert gesunde Freiwillige
Nein
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Patienten mit bestätigter SARS-COV-2-Infektion mit RT-PCR, die innerhalb von 72 Stunden nach Aufnahme in die Notaufnahme einen CT-Scan ohne Kontrast Brust durchführten
Beschreibung
Einschlusskriterien:
- bestätigte SARS-CoV-2-Infektion mit RT-PCR
- Nichtkontraststrust CT -Scan, der innerhalb von 72 Stunden nach der Aufnahme in die Notaufnahme durchgeführt wurde
Ausschlusskriterien:
- Alter <18 Jahre
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 |
|---|
|
Covid-19 erste Wellenpatienten
1700 Patienten wurden retrospektiv in 15 italienischen Krankenhäusern vom 16.02.2020 bis 29/4/2020 eingeschrieben.
|
|
Patienten mit Covid-19 zweiten Wellenpatienten
300 Patienten, die prospektiv im IRCCS San Raffaele Hospital von 19/10/2020 bis 31/12/2020 eingeschrieben sind.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Training, Testen und Validierung einer KI-Plattform zur Vorhersage der italienischen Erstwellen-COVID-19-Patienten-Prognose.
Zeitfenster: 9 Monate
|
9 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Validierung der entwickelten AI-Plattform auf der italienischen zweiten Welle von Covid-19-Patienten
Zeitfenster: 3 Monate
|
3 Monate
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: Antonio Esposito, MD, IRCCS San Raffaele
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Allgemeine Veröffentlichungen
- Ai T, Yang Z, Hou H, Zhan C, Chen C, Lv W, Tao Q, Sun Z, Xia L. Correlation of Chest CT and RT-PCR Testing for Coronavirus Disease 2019 (COVID-19) in China: A Report of 1014 Cases. Radiology. 2020 Aug;296(2):E32-E40. doi: 10.1148/radiol.2020200642. Epub 2020 Feb 26.
- Li L, Qin L, Xu Z, Yin Y, Wang X, Kong B, Bai J, Lu Y, Fang Z, Song Q, Cao K, Liu D, Wang G, Xu Q, Fang X, Zhang S, Xia J, Xia J. Using Artificial Intelligence to Detect COVID-19 and Community-acquired Pneumonia Based on Pulmonary CT: Evaluation of the Diagnostic Accuracy. Radiology. 2020 Aug;296(2):E65-E71. doi: 10.1148/radiol.2020200905. Epub 2020 Mar 19.
- Emanuel EJ, Persad G, Upshur R, Thome B, Parker M, Glickman A, Zhang C, Boyle C, Smith M, Phillips JP. Fair Allocation of Scarce Medical Resources in the Time of Covid-19. N Engl J Med. 2020 May 21;382(21):2049-2055. doi: 10.1056/NEJMsb2005114. Epub 2020 Mar 23. No abstract available.
- Ciceri F, Castagna A, Rovere-Querini P, De Cobelli F, Ruggeri A, Galli L, Conte C, De Lorenzo R, Poli A, Ambrosio A, Signorelli C, Bossi E, Fazio M, Tresoldi C, Colombo S, Monti G, Fominskiy E, Franchini S, Spessot M, Martinenghi C, Carlucci M, Beretta L, Scandroglio AM, Clementi M, Locatelli M, Tresoldi M, Scarpellini P, Martino G, Bosi E, Dagna L, Lazzarin A, Landoni G, Zangrillo A. Early predictors of clinical outcomes of COVID-19 outbreak in Milan, Italy. Clin Immunol. 2020 Aug;217:108509. doi: 10.1016/j.clim.2020.108509. Epub 2020 Jun 12.
- Patel D, Kher V, Desai B, Lei X, Cen S, Nanda N, Gholamrezanezhad A, Duddalwar V, Varghese B, Oberai AA. Machine learning based predictors for COVID-19 disease severity. Sci Rep. 2021 Feb 25;11(1):4673. doi: 10.1038/s41598-021-83967-7.
- Palmisano A, Scotti GM, Ippolito D, Morelli MJ, Vignale D, Gandola D, Sironi S, De Cobelli F, Ferrante L, Spessot M, Tonon G, Tacchetti C, Esposito A. Chest CT in the emergency department for suspected COVID-19 pneumonia. Radiol Med. 2021 Mar;126(3):498-502. doi: 10.1007/s11547-020-01302-y. Epub 2020 Nov 9.
- Park JH, Lee SG, Ahn S, Kim JY, Song J, Moon S, Cho H. Strategies to prevent COVID-19 transmission in the emergency department of a regional base hospital in Korea: From index patient until pandemic declaration. Am J Emerg Med. 2021 Aug;46:247-253. doi: 10.1016/j.ajem.2020.07.056. Epub 2020 Jul 24.
- Wehbe RM, Sheng J, Dutta S, Chai S, Dravid A, Barutcu S, Wu Y, Cantrell DR, Xiao N, Allen BD, MacNealy GA, Savas H, Agrawal R, Parekh N, Katsaggelos AK. DeepCOVID-XR: An Artificial Intelligence Algorithm to Detect COVID-19 on Chest Radiographs Trained and Tested on a Large U.S. Clinical Data Set. Radiology. 2021 Apr;299(1):E167-E176. doi: 10.1148/radiol.2020203511. Epub 2020 Nov 24.
- Schalekamp S, Huisman M, van Dijk RA, Boomsma MF, Freire Jorge PJ, de Boer WS, Herder GJM, Bonarius M, Groot OA, Jong E, Schreuder A, Schaefer-Prokop CM. Model-based Prediction of Critical Illness in Hospitalized Patients with COVID-19. Radiology. 2021 Jan;298(1):E46-E54. doi: 10.1148/radiol.2020202723. Epub 2020 Aug 13.
- Cheng FY, Joshi H, Tandon P, Freeman R, Reich DL, Mazumdar M, Kohli-Seth R, Levin M, Timsina P, Kia A. Using Machine Learning to Predict ICU Transfer in Hospitalized COVID-19 Patients. J Clin Med. 2020 Jun 1;9(6):1668. doi: 10.3390/jcm9061668.
- Liang W, Yao J, Chen A, Lv Q, Zanin M, Liu J, Wong S, Li Y, Lu J, Liang H, Chen G, Guo H, Guo J, Zhou R, Ou L, Zhou N, Chen H, Yang F, Han X, Huan W, Tang W, Guan W, Chen Z, Zhao Y, Sang L, Xu Y, Wang W, Li S, Lu L, Zhang N, Zhong N, Huang J, He J. Early triage of critically ill COVID-19 patients using deep learning. Nat Commun. 2020 Jul 15;11(1):3543. doi: 10.1038/s41467-020-17280-8.
- Wong HYF, Lam HYS, Fong AH, Leung ST, Chin TW, Lo CSY, Lui MM, Lee JCY, Chiu KW, Chung TW, Lee EYP, Wan EYF, Hung IFN, Lam TPW, Kuo MD, Ng MY. Frequency and Distribution of Chest Radiographic Findings in Patients Positive for COVID-19. Radiology. 2020 Aug;296(2):E72-E78. doi: 10.1148/radiol.2020201160. Epub 2020 Mar 27.
- Chorath A, Choi Y, Turkbey EB, Ahlman MA, Sibley CT, Liu S, Bluemke DA, Sandfort V. Coronary CT Angiography and Carotid MRI Improve Phenotyping of Disease Extent Compared with ACC/AHA Risk Score Alone. Radiol Cardiothorac Imaging. 2020 Feb 27;2(1):e190068. doi: 10.1148/ryct.2020190068.
- Neri E, Miele V, Coppola F, Grassi R. Use of CT and artificial intelligence in suspected or COVID-19 positive patients: statement of the Italian Society of Medical and Interventional Radiology. Radiol Med. 2020 May;125(5):505-508. doi: 10.1007/s11547-020-01197-9. Epub 2020 Apr 29.
- Giannini F, Toselli M, Palmisano A, Cereda A, Vignale D, Leone R, Nicoletti V, Gnasso C, Monello A, Manfrini M, Khokhar A, Sticchi A, Biagi A, Turchio P, Tacchetti C, Landoni G, Boccia E, Campo G, Scoccia A, Ponticelli F, Danzi GB, Loffi M, Muri M, Pontone G, Andreini D, Mancini EM, Casella G, Iannopollo G, Nannini T, Ippolito D, Bellani G, Franzesi CT, Patelli G, Besana F, Costa C, Vignali L, Benatti G, Sverzellati N, Scarnecchia E, Lombardo FP, Anastasio F, Iannaccone M, Vaudano PG, Pacielli A, Baffoni L, Gardi I, Cesini E, Sperandio M, Micossi C, De Carlini CC, Spreafico C, Maggiolini S, Bonaffini PA, Iacovoni A, Sironi S, Senni M, Fominskiy E, De Cobelli F, Maggioni AP, Rapezzi C, Ferrari R, Colombo A, Esposito A. Coronary and total thoracic calcium scores predict mortality and provides pathophysiologic insights in COVID-19 patients. J Cardiovasc Comput Tomogr. 2021 Sep-Oct;15(5):421-430. doi: 10.1016/j.jcct.2021.03.003. Epub 2021 Mar 11.
- Esposito A, Palmisano A, Toselli M, Vignale D, Cereda A, Rancoita PMV, Leone R, Nicoletti V, Gnasso C, Monello A, Biagi A, Turchio P, Landoni G, Gallone G, Monti G, Casella G, Iannopollo G, Nannini T, Patelli G, Di Mare L, Loffi M, Sergio P, Ippolito D, Sironi S, Pontone G, Andreini D, Mancini EM, Di Serio C, De Cobelli F, Ciceri F, Zangrillo A, Colombo A, Tacchetti C, Giannini F. Chest CT-derived pulmonary artery enlargement at the admission predicts overall survival in COVID-19 patients: insight from 1461 consecutive patients in Italy. Eur Radiol. 2021 Jun;31(6):4031-4041. doi: 10.1007/s00330-020-07622-x. Epub 2020 Dec 23.
- Ufuk F, Demirci M, Sagtas E, Akbudak IH, Ugurlu E, Sari T. The prognostic value of pneumonia severity score and pectoralis muscle Area on chest CT in adult COVID-19 patients. Eur J Radiol. 2020 Oct;131:109271. doi: 10.1016/j.ejrad.2020.109271. Epub 2020 Sep 9.
- Monaco CG, Zaottini F, Schiaffino S, Villa A, Della Pepa G, Carbonaro LA, Menicagli L, Cozzi A, Carriero S, Arpaia F, Di Leo G, Astengo D, Rosenberg I, Sardanelli F. Chest x-ray severity score in COVID-19 patients on emergency department admission: a two-centre study. Eur Radiol Exp. 2020 Dec 15;4(1):68. doi: 10.1186/s41747-020-00195-w. Erratum In: Eur Radiol Exp. 2021 Apr 14;5(1):17. doi: 10.1186/s41747-021-00215-3.
- Bai HX, Wang R, Xiong Z, Hsieh B, Chang K, Halsey K, Tran TML, Choi JW, Wang DC, Shi LB, Mei J, Jiang XL, Pan I, Zeng QH, Hu PF, Li YH, Fu FX, Huang RY, Sebro R, Yu QZ, Atalay MK, Liao WH. Artificial Intelligence Augmentation of Radiologist Performance in Distinguishing COVID-19 from Pneumonia of Other Origin at Chest CT. Radiology. 2020 Sep;296(3):E156-E165. doi: 10.1148/radiol.2020201491. Epub 2020 Apr 27. Erratum In: Radiology. 2021 Apr;299(1):E225. doi: 10.1148/radiol.2021219004.
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)
16. Februar 2020
Primärer Abschluss (Tatsächlich)
30. September 2020
Studienabschluss (Tatsächlich)
30. Juni 2021
Studienanmeldedaten
Zuerst eingereicht
6. April 2021
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
6. April 2021
Zuerst gepostet (Tatsächlich)
8. April 2021
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
1. Mai 2025
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
29. April 2025
Zuletzt verifiziert
1. April 2025
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- AI-SCoRE
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 .
Klinische Studien zur Covid19
-
Anavasi DiagnosticsNoch keine Rekrutierung
-
Ain Shams UniversityRekrutierung
-
Israel Institute for Biological Research (IIBR)Abgeschlossen
-
Hospital do CoracaoAbgeschlossen
-
Colgate PalmoliveAbgeschlossenCovid19Vereinigte Staaten
-
Christian von BuchwaldAbgeschlossen
-
Luye Pharma Group Ltd.Shandong Boan Biotechnology Co., LtdAktiv, nicht rekrutierend
-
University of ZurichLabor Speiz; Swiss Armed Forces; Universitatsspital ZurichAnmeldung auf Einladung
-
Alexandria UniversityAbgeschlossen
-
Henry Ford Health SystemAbgeschlossen