- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT04897178
Machine Learning-based Anomaly Recognition System (MARS)
Use of Machine Learning Algorithms for Automated Detection of Fetal Anomalies
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Routine second trimester anomaly scan has become a routine part of antenatal care. Early detection of fetal anomalies permits patient counselling, consideration of termination if detected anomalies are considerable, and arrangement of delivery and immediate neonatal care if indicated. Furthermore, with the expanding role of fetal interventions, early detection of fetal anomalies may expand management options, some of which may lead superior outcomes compared to postnatal interventions.
However, fetal anatomy scan necessitates a particular level of training and expertise, either by sonographers or obstetricians. Unfortunately, availability of experienced personals may be globally limited. Furthermore, first trimester anatomy scan has been evolving rapidly as ultrasound machine continues to develop and clinical research yields more information on first trimester normal standards and abnormal ranges. Accordingly, first trimester scan is anticipated to be a part of routine care in the near future. Although this tool should provide substantial benefits to obstetric patients, this would require more providers with specific training, which is unlikely to be readily available.
Artificial intelligence has been incorporated in the medical field for more than 20 years. With the advancement of deep learning algorithms, deep learning has yielded exceptional accuracy in image recognition. In the last decade, deep learning exhibits high quality performance that may exceed human performance at times. One of the earliest and most prevalent applications of deep learning in medicine are radiology-related.
In the current study, the investigators will create a series of deep learning models that appraise and identify common fetal anomalies in a series of frames including recorded videos or real time ultrasound. Deep learning algorithms will be fed by labelled images of known normal and abnormal findings representing common fetal anomalies for both training and validation. These images will be collected retrospectively through medical records of contributing centers. Their diagnostic performance will be tested on retrospectively collected videos including normal and abnormal findings. In the second stage of the study, These models will be applied to prospectively collected videos of fetal anatomy scan for further validation.
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienorte
-
-
-
Assiut, Ägypten, 71515
- Assiut Faculty of Medicine - Women Health Hospital
-
Aswan, Ägypten, 81528
- Aswan Faculty of Medicine
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Inclusion Criteria:
- Pregnant women between 18 and 45 years
- Available ultrasound image with clear findings
- postnatal confirmation of diagnosis
Exclusion Criteria:
- Absence of research authorization on medical records
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
---|---|
Fetuses with normal anatomy
Fetuses with normal anatomy scan who demonstrate no structural abnormalities of different systems (CNS, chest and heart, abdomen, skeletal system)
|
Routine 2 dimensional Ultrasound used to screen fetuses for congenital anomalies
|
Fetuses with abnormal anatomy
Fetuses with abnormal anatomy scan who demonstrate any structural abnormalities that can be detected with ultrasound
|
Routine 2 dimensional Ultrasound used to screen fetuses for congenital anomalies
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Diagnostic accuracy
Zeitfenster: Fetuses between 10 weeks and 32 weeks of gestation
|
Diagnostic accuracy of deep learning models in identifying major fetal structural anomalies
|
Fetuses between 10 weeks and 32 weeks of gestation
|
Mitarbeiter und Ermittler
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Voraussichtlich)
Primärer Abschluss (Voraussichtlich)
Studienabschluss (Voraussichtlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
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
- OBG-AI21-P1
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 Fötale Anomalie
-
Alzahraa Ismail Ragheb GodaUnbekanntGeburt, Komplikationen, mütterlicherseits | Geburt, Komplikation, FetalÄgypten
-
University College CorkCork University HospitalAbgeschlossenFrühgeburt des Neugeborenen | Unterernährung; Intrauterin oder fetal, klein für Datteln
-
Weill Medical College of Cornell UniversityBeendetFieber | Herzfrequenz, fetal (FHR)Vereinigte Staaten
-
Hillel Yaffe Medical CenterAbgeschlossenFetal-mütterliche BlutungIsrael
-
Washington University School of MedicineAbgeschlossenFötale Hypoxie | Elektronische fetale Überwachung | Fetal-plazentarer KreislaufVereinigte Staaten
-
Ankara City Hospital BilkentUnbekanntSchwangerschaft bezogen | Fetal; Verkehr
-
Bezmialem Vakif UniversityMaternal Fetal Medicine and Perinatology Society of TurkeyAktiv, nicht rekrutierendUltraschall | Rauchen, Zigarette | Leber | Mütterliche Exposition | Fetal; VerkehrTruthahn
-
University of Modena and Reggio EmiliaNoch keine RekrutierungBruch von Membranen; Verfrüht | Mütterliche Sepsis | Not; Fetal, komplizierte Geburt | Verzögerte Lieferung nach spontanem oder nicht näher bezeichnetem BlasensprungItalien
-
Washington University School of MedicineSt. Louis Children's Hospital; St. Louis University; Universidad San Francisco... und andere MitarbeiterRekrutierungWachstumsstörungen | Bremsen | Ernährungsstörung, fötal | Unterernährung, fetal | Entwicklung; Verzögert, Unterernährung | Mütterliche Ernährungsstörungen, die den Fötus oder das Neugeborene betreffenEcuador
Klinische Studien zur Ultrasound
-
IRCCS Fondazione Stella MarisUniversity of Pisa; Ministry of Health, Italy; Fondazione C.N.R./Regione Toscana...RekrutierungZerebralparese | Entwicklungsstörung | Pädiatrische neurologische StörungItalien
-
Centre Hospitalier Universitaire de la RéunionRekrutierung
-
University of California, San FranciscoAbgeschlossenNephrolithiasisVereinigte Staaten
-
Academisch Medisch Centrum - Universiteit van Amsterdam...AbgeschlossenDoppler-Messung der GebärmutterarterieNiederlande
-
Chongqing Medical UniversityRekrutierungSchmerzhafte diabetische NeuropathieChina
-
ReCor Medical, Inc.Noch keine RekrutierungHerz-Kreislauf-Erkrankungen | Gefäßerkrankungen | Hypertonie
-
Medical Corps, Israel Defense ForceRekrutierungTrauma-Verletzung | BlutungswundeIsrael
-
Federal University of São PauloBRICNET - Brazilian Research in Intensive Care NetworkNoch keine RekrutierungSeptischer Schock | Schwerstkranke Patienten
-
Helse Nord-Trøndelag HFNorwegian University of Science and Technology; St. Olavs HospitalAbgeschlossenStreicheln | Transitorische ischämische Attacke | Ischämische Attacke, vorübergehend | Schlaganfall | Zerebrovaskuläre ApoplexieNorwegen
-
Assiut UniversityNoch keine RekrutierungPektointerkostaler Faszienebenenblock