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

Machbarkeit einer KI-basierten Klassifizierung von normalen, Keuch- und Knistergeräuschen von Stethoskopen in klinischen Umgebungen

4. April 2023 aktualisiert von: Innova Smart Technologies (Pvt.) Ltd

Bewertung der Machbarkeit von Algorithmen der künstlichen Intelligenz in klinischen Umgebungen zur Klassifizierung von normalen, Keuch- und Knistergeräuschen, die von einem digitalen Stethoskop erfasst wurden

Bewertung der Machbarkeit und Prüfung der Genauigkeit der entwickelten Algorithmen für künstliche Intelligenz zur Erkennung von Keuchen und Knistern bei Patienten mit Lungenpathologien in klinischen Umgebungen anhand von unsichtbaren lokalen Patientendaten, die mit drei digitalen Stethoskopen erfasst wurden.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Studientyp

Interventionell

Einschreibung (Tatsächlich)

60

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienorte

  • Pakistan
      • Peshawar, Pakistan, 25000
        • Lady Reading Hospital, Pakistan

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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Studienberechtigte Geschlechter

Alle

Beschreibung

Einschlusskriterien:

  • Alter alle
  • Schriftliche Zustimmung vorausgesetzt

Ausschlusskriterien:

  • Objektzustand instabil
  • Deformität der Brustwand oder Wunden in Bereichen mit Klebstoffapplikation
  • Schriftliche Zustimmung nicht gegeben

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Diagnose
  • Zuteilung: N / A
  • Interventionsmodell: Einzelgruppenzuweisung
  • Maskierung: Keine (Offenes Etikett)

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Klinische Validierung von KI-Modellen zur Erkennung von Keuchen, Knistern und normalen Lungengeräuschen im Vergleich zum Goldstandard
Zeitfenster: 2 Monate
KI-Modelle werden auf ihre klinische Machbarkeit getestet, indem Ergebnisse aus KI-Modellen mit denen des Goldstandards verglichen werden, indem positive und negative Übereinstimmung (NPA & PPA) gemessen werden. Der Goldstandard ist das Etikett, das jeder Lungentonaufnahme von einem erfahrenen Facharzt für Pneumologie verliehen wird. Das KI-Modell ist gegenüber diesen Labels blind und wird unabhängig auf die Erkennung normaler Lungengeräusche, Keuchen und Knistern getestet
2 Monate
Testen der Genauigkeit von Modellen der künstlichen Intelligenz zur Erkennung von Keuchen, Knistern und normalen Lungengeräuschen durch Messen der Empfindlichkeit und Spezifität
Zeitfenster: 2 Monate

Modelle der künstlichen Intelligenz werden mit Lungengeräuschen trainiert, die von drei verschiedenen digitalen Stethoskopen namens NoaScope, eSteth und Littmann einzeln gesammelt wurden. Daten von allen drei digitalen Stethoskopen werden auch zusammengeführt, um separate KI-Modelle zu trainieren. Diese trainierten KI-Modelle werden auf der Grundlage der Sensitivität, d. h. der Fähigkeit, Keuchen und Knistern korrekt zu identifizieren, und der Spezifität, d. h. der Fähigkeit, normale Lungengeräusche korrekt zu identifizieren, bewertet. Richtig positive (TP), richtig negative (TN), falsch positive (FP) und falsch negative (FN) Werte werden verwendet, um die Sensitivität und Spezifität mit den folgenden Ausdrücken zu berechnen.

Empfindlichkeit: TP/TP+FN Spezifität: TN/TN+FP
2 Monate

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Leistungsanalyse von drei digitalen Stethoskopen: Littmann, NoaScope und eSteth
Zeitfenster: 2 Monate

Die Leistungsanalyse der drei digitalen Stethoskope NoaScope, eSteth und Littmann wird anhand der Empfindlichkeit und Spezifität jedes Stethoskops bewertet. Richtig positive (TP), richtig negative (TN), falsch positive (FP) und falsch negative (FN) Werte werden verwendet, um die Sensitivität und Spezifität mit den folgenden Ausdrücken zu berechnen.

Empfindlichkeit: TP/TP+FN Spezifität: TN/TN+FP
2 Monate

Mitarbeiter und Ermittler

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

Sponsor

Innova Smart Technologies (Pvt.) Ltd

Mitarbeiter

Lady Reading Hospital, Pakistan
NOABIO LLC

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)

6. Januar 2022

Primärer Abschluss (Tatsächlich)

22. Februar 2022

Studienabschluss (Tatsächlich)

22. Februar 2022

Studienanmeldedaten

Zuerst eingereicht

8. Januar 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

22. Februar 2022

Zuerst gepostet (Tatsächlich)

7. März 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

6. April 2023

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

4. April 2023

Zuletzt verifiziert

1. April 2023

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • Pulmo AI LRH

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

Ja

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Ja

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 Lunge

Klinische Studien zur Algorithmus der künstlichen Intelligenz

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Sweden

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren