Der Zusammenhang zwischen Hormonsensitivität und Bildgebung idiopathischer interstitieller Pneumonie durch künstliche Intelligenz (IIP)
23. November 2021 aktualisiert von: Peking University Third Hospital
Anwendung eines Deep-Learning-Algorithmus mit künstlicher Intelligenz zur Analyse des Zusammenhangs zwischen der Hormonsensitivität der idiopathischen interstitiellen Pneumonie und den Bildgebungsmerkmalen der hochauflösenden CT.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Methoden: Die Krankenakten und hochauflösenden Thorax-CT-Bilder von Patienten mit idiopathischer interstitieller Pneumonie, die vom 1. Juni 2012 bis 31. Dezember 2020 in die Atemwegsabteilung des Dritten Krankenhauses der Universität Peking eingeliefert wurden, wurden retrospektiv analysiert. Anwendung von Deep Learning mit künstlicher Intelligenz Die Methode des neuronalen Faltungsnetzwerks erstellt eine Erkennungstechnologie für verschiedene Bildmerkmale. Einschließlich Mattglas, Netz, Wabe, Knötchen oder Konsolidierung wurde das Modell erstellt.
IIP-Patienten wurden in eine hormonempfindliche Gruppe und eine hormonunempfindliche Gruppe eingeteilt, je nachdem, ob der Einsatz des Hormons wirksam war oder nicht. Zur Analyse der Korrelation zwischen statistisch signifikanten Parametern und der Hormonempfindlichkeit wurde eine logistische Regressionsanalyse verwendet. Zur Erstellung des Korrelationsmodells wurde künstliche Intelligenz eingesetzt zwischen Bildgebungsmerkmalen und klinischen Daten und Hormonsensitivität.
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
150
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Beijing
-
Beijing, Beijing, China, 100191
- Peking University Third Hospital
-
-
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 90 Jahre (Erwachsene, Älterer Erwachsener)
Akzeptiert gesunde Freiwillige
Nein
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Vom 1. Juni 2012 bis 31. Dezember 2020 wurden alle stationären Patienten mit IIP in die Atemwegs- und Intensivstation des Dritten Krankenhauses der Peking-Universität eingeliefert.
Die Gesamtzahl der Patienten beträgt 150, 45 Patienten nehmen Hormone ein, das Durchschnittsalter beträgt 62 Jahre, 21 sind männlich.
Beschreibung
Einschlusskriterien:
Klinisch-pathologische-radiologische Diagnose einer idiopathischen interstitiellen Pneumonie. Es kam eine Hormontherapie zum Einsatz; Die Follow-up-Daten waren vollständig und die Wirkung des Hormonkonsums konnte beurteilt werden.
Ausschlusskriterien:
Lungeninfektionskrankheit; Herzinsuffizienz; Bindegewebserkrankung; IIP Ohne Hormontherapie; IIP, aber die Follow-up-Daten waren unvollständig und die Wirkung des Hormonkonsums konnte nicht beurteilt werden.
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 |
|---|---|
|
Hormonempfindliche Gruppe
Prednison, 0,5 mg/kgqd, 3–6 Monate
|
Mattglas, Wabenstruktur, Vernetzung, Konsolidierung
|
|
Gruppe für Hormonunempfindlichkeit
Prednison, 0,5 mg/kgqd, 3–6 Monate
|
Mattglas, Wabenstruktur, Vernetzung, Konsolidierung
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
klinische Daten und Bildgebungsmerkmalsverhältnisse in beiden Gruppen
Zeitfenster: 3-6 Monate nach der Medikation
|
Klinische Daten einschließlich Alter, Geschlecht, Symptome, Anzeichen, Rauchergeschichte, Komplikationen, Laboruntersuchung, Lungenfunktion.
Bildgebungsfunktion einschließlich Mattglas-Opazität, Retikulierung, Wabenstruktur und Konsolidierung.
|
3-6 Monate nach der Medikation
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
die Beziehung zwischen bildgebenden Merkmalsverhältnissen und Hormonsensitivität
Zeitfenster: 3-6 Monate nach der Medikation
|
Logistische Regression, die den Zusammenhang zwischen Bildgebungsmerkmalsverhältnissen und Hormonsensitivität analysiert.
|
3-6 Monate nach der Medikation
|
Andere Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Entwicklung eines Algorithmusmodells für künstliche Intelligenz
Zeitfenster: 3-6 Monate nach der Medikation
|
Die U-net-Methode des Deep Learning Convolutional Neural Network (CNN) wurde verwendet, um das Erkennungsmodell verschiedener Bildmerkmale zu erstellen.
Zu den Bildgebungsfunktionen gehören Mattglas-Opazität, Netzstruktur, Wabenstruktur und Konsolidierung.
Mit dem Flächenverhältnis der Bildgebungsmerkmale der beiden Gruppen als Eingabe und der Hormonwirksamkeit als Ausgabe wurde das Korrelationsmodell zwischen Bildgebungsmerkmalen und Hormonempfindlichkeit unter Verwendung des KNN-Algorithmus (K-Nearest Neighbor) der künstlichen Intelligenz und der Support Vector Machine (SVM) erstellt. Algorithmus.
|
3-6 Monate nach der Medikation
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Ermittler
- Hauptermittler: Bei He, Peking University Third Hospital Respiratory and critical care department
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)
30. Dezember 2019
Primärer Abschluss (Tatsächlich)
1. Juni 2021
Studienabschluss (Tatsächlich)
30. Juni 2021
Studienanmeldedaten
Zuerst eingereicht
30. Juni 2021
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
23. November 2021
Zuerst gepostet (Tatsächlich)
7. Dezember 2021
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
7. Dezember 2021
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
23. November 2021
Zuletzt verifiziert
1. Juni 2021
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- LM2019173
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 .