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

Forschung zum KI-Erkennungssystem für Körperstimmen für das Gesundheitsmanagement von Kindern

11. August 2026 aktualisiert von: Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

Intelligentes Sprachmodell: Eine neue Paradigmenforschung für das Gesundheitsmanagement von Kindern

Der Zweck dieser Forschung besteht darin, ein Gerät zur Erkennung von Körperstimmen mit künstlicher Intelligenz (KI) zu entwickeln, das auch als KI-gestütztes Gerät zur Identifizierung von Körpergeräuschen bezeichnet wird, indem ein auf Deep Learning basierender neuartiger KI-Algorithmus in Verbindung mit einem großen Körperstimmenmodell verwendet wird . Es könnte normale und abnormale Herz-, Atem- und Darmgeräusche erkennen und ein Frühscreening und eine Hilfsdiagnose für angeborene Herzfehler (KHK), Atemwegsinfektionen, Durchfall und andere häufig auftretende, häufig auftretende Krankheiten ermöglichen.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Die Studie verwendete ein multizentrisches Querschnittsdesign. Die für diese Studie gesammelten realen Daten umfassten normale und definitiv diagnostizierte Herzgeräusche bei Kindern mit angeborenen Herzfehlern, normale und definitiv diagnostizierte Atemwegsinfektionen bei Kindern mit Atemgeräuschen, spezifische Hustengeräusche und normale und definitiv diagnostizierte Darmgeräusche bei Kindern mit Durchfall . Das Spezialistenteam wird Datenverwaltung, Annotation und Feature-Sound-Extraktion an den gesammelten normalen und abweichenden Sounds durchführen, um einen hochwertigen multimodalen Trainingsdatensatz zu generieren. Große Modellalgorithmen für künstliche Intelligenz (Deep Learning, maschinelles Lernen usw.) werden verwendet, um das Algorithmusmodell des KI-Erkennungsgeräts für die Körperstimme zu modellieren und zu trainieren, sodass es durch KI zwischen normalen und abnormalen Tonsignalen unterscheiden kann. Die Ergebnisse der Körperschall-KI-Identifizierung werden mit Diagnoseberichten von Echokardiogrammen, Brust-Röntgenaufnahmen und Bauch-Röntgenaufnahmen im Hinblick auf AUC-Score (Area Under Curve), Empfindlichkeit, Spezifität und Genauigkeit verglichen, um die Auswirkungen der KI-Erkennung zu bewerten Geräte zum Krankheitsscreening und zur ergänzenden Diagnose. Die externe Validierung wird anhand homogener Daten von anderen Standorten durchgeführt. Dieses Projekt zielt darauf ab, eine neue Generation intelligenter Schallauskultationsinstrumente zu entwickeln, die für die Früherkennung und Hilfsdiagnose von angeborenen Herzfehlern, Atemwegsinfektionen, Durchfall und anderen häufigen, mehrfach auftretenden Krankheiten verwendet werden könnten, indem große Modelltechnologien der künstlichen Intelligenz genutzt werden.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

30000

Kontakte und Standorte

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

Studienkontakt

Studienorte

  • China
    • Hubei
      • Wuhan, Hubei, China, 430016
        • Rekrutierung
        • Wuhan Children's Hospital (Wuhan Maternal and Child Healthcare Hospital), Tongji Medical College, Huazhong University of Science and Technology
        • Kontakt:
    • Hunan
      • Changsha, Hunan, China, 410007
        • Rekrutierung
        • Human Children's Hospital
        • Kontakt:
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, China, 200092
        • Rekrutierung
        • Xinhua Hospital,Shanghai Jiao Tong University School of Medicine
        • Kontakt:
      • Shanghai, Shanghai Municipality, China, 200127
        • Rekrutierung
        • Shanghai Children's Medical Center Affiliated to Shanghai Jiaotong University School of Medicine
        • Kontakt:
    • Yunnan
      • Kunming, Yunnan, China, 650028
        • Rekrutierung
        • Kunming Children's Hospital
        • Kontakt:

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

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

  1. Kinder (0–18 Jahre) mit angeborenem Herzfehler, bestätigt durch Herzultraschall, und Kinder ohne angeborenen Herzfehler, bestätigt durch Herzultraschall.
  2. Kinder (0–18 Jahre) mit Bronchopneumonie, bestätigt durch eine bildgebende Untersuchung des Brustkorbs, und Kinder ohne Bronchopneumonie, bestätigt durch eine bildgebende Untersuchung.
  3. Kinder (0–18 Jahre) mit bildgebender Untersuchung des Abdomens bestätigten eine Erkrankung des Abdomens und Kinder, bei denen durch Bildgebung keine Erkrankung des Abdomens diagnostiziert wurde.

Beschreibung

Einschlusskriterien:

  1. Alter 0 bis 18 Jahre, Geschlecht ist nicht begrenzt
  2. Kinder, bei denen mittels Herzultraschall ein angeborener Herzfehler diagnostiziert wurde oder die keinen angeborenen Herzfehler haben
  3. Kinder mit diagnostizierter Bronchopneumonie oder ohne Bronchopneumonie
  4. Kinder, bei denen klinisch Darmerkrankungen diagnostiziert wurden oder die nicht an Darmerkrankungen leiden
  5. Einverständniserklärung

Ausschlusskriterien:

  1. ≥ 18 Jahre alt
  2. Kinder, die sich keiner Herzultraschalluntersuchung, Brustbildgebung oder anderen damit verbundenen Untersuchungen unterziehen können
  3. Probanden, die nicht in der Lage sind, eine Einwilligung nach Aufklärung einzuholen, oder die nicht bereit sind, bei der Bereitstellung diagnose- und behandlungsbezogener Daten für weitere Analysen und Forschungen, wie sie die Studie erfordert, zu kooperieren.

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
0 ~ 18 Jahre alte Kinder

Altersspanne: 0 bis 18 Jahre, ohne Geschlechtsbeschränkung. Kinder, bei denen eine angeborene Herzkrankheit (KHK) diagnostiziert wurde oder bei denen durch echokardiographische Untersuchungen bestätigt wurde, dass sie frei von KHK sind.

Kinder, bei denen eine Bronchopneumonie diagnostiziert wurde oder bei denen durch bildgebende Untersuchungen des Brustkorbs bestätigt wurde, dass sie frei von Bronchopneumonie sind.

Kinder, bei denen Baucherkrankungen diagnostiziert wurden oder bei denen durch bildgebende Untersuchungen des Abdomens bestätigt wurde, dass sie keine Baucherkrankungen haben.
Diagnosetest: Herzauskultation und Echokardiographie
Die Herzauskultation wird vom Kinderarzt und die Echokardiographie vom Echokardiologen durchgeführt
Diagnosetest: Brustauskultation und bildgebende Untersuchungen des Brustkorbs
Die Auskultation des Brustkorbs wird vom Kinderarzt und die bildgebende Untersuchung des Brustkorbs vom Radiologen durchgeführt
Diagnosetest: Abdominale Auskultation und bildgebende Untersuchungen des Abdomens
Die Auskultation des Abdomens wird vom Kinderarzt und die bildgebende Untersuchung des Brustkorbs vom Radiologen durchgeführt

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Empfindlichkeit
Zeitfenster: 1 Monat
Empfindlichkeit bei KHK, Lungenerkrankungen und Abdomen-Screening durch verschiedene Algorithmen der künstlichen Intelligenz und Auskultation
1 Monat
Spezifität
Zeitfenster: 1 Monat
Spezifität bei KHK, Lungenerkrankungen und Abdominal-Screening durch verschiedene Algorithmen der künstlichen Intelligenz und Auskultation
1 Monat
AUC
Zeitfenster: 1 Monat
AUC bei KHK, Lungenerkrankungen und Abdomen-Screening durch verschiedene Algorithmen der künstlichen Intelligenz und Auskultation
1 Monat

Mitarbeiter und Ermittler

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

Sponsor

Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

Ermittler

  • Hauptermittler: Xin Sun, MD, Xinhua Hospital, Shanghai J iao Tong University School of Medicine

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)

1. Mai 2024

Primärer Abschluss (Geschätzt)

31. Dezember 2026

Studienabschluss (Geschätzt)

31. Dezember 2026

Studienanmeldedaten

Zuerst eingereicht

4. August 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

6. August 2024

Zuerst gepostet (Tatsächlich)

7. August 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

12. August 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

11. August 2026

Zuletzt verifiziert

1. April 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • XH-24-005

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 .

Abonnieren