Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Algoritmos de inteligencia artificial para discriminar entre COVID-19 y neumonitis gripal mediante radiografías de tórax (AI-COVID-Xr)

23 de abril de 2020 actualizado por: Professor Adrian Covic

Los beneficios de los algoritmos de inteligencia artificial (CNN) para discriminar entre COVID-19 y neumonitis por influenza en un departamento de emergencias mediante exámenes de rayos X de tórax

Este proyecto tiene como objetivo utilizar algoritmos de inteligencia artificial (discriminación de imágenes), específicamente redes neuronales convolucionales (CNN) para escanear radiografías de tórax en el departamento de emergencias (triaje) en pacientes con sospecha de síntomas respiratorios (fiebre, tos, mialgia) de infección por coronavirus COVID 19. El objetivo es crear y validar una solución de software que discrimine en base a la radiografía de tórax entre neumonitis por Covid-19 e influenza

Descripción general del estudio

Estado

Desconocido

Condiciones

Intervención / Tratamiento

Descripción detallada

Este proyecto tiene como objetivo utilizar algoritmos de inteligencia artificial (discriminación de imágenes);

  • específicamente redes neuronales convolucionales (CNN) para escanear radiografías de tórax en el departamento de emergencia (triaje) en pacientes con sospecha de síntomas respiratorios (fiebre, tos, mialgia) de infección por coronavirus COVID 19;
  • el objetivo es crear y validar una solución de software que discrimine en base a la radiografía de tórax entre neumonitis e influenza por Covid-19;
  • este software se entrenará introduciendo rayos X de pacientes con/sin neumonitis por COVID-19 y/o neumonitis por gripe;
  • el mismo algoritmo de IA se ejecutará en futuras exploraciones de rayos X para predecir una posible neumonitis por COVID-19

Tipo de estudio

De observación

Inscripción (Anticipado)

200

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Ubicaciones de estudio

  • Italia
      • Cremona, Italia, 26100
        • Reclutamiento
        • U.O. Multidisciplinare di Patologia Mammaria e Ricerca Traslazionale; Dipartimento Universitario Clinico di Scienze Mediche, Chirurgiche e della Salute Università degli Studi di Trieste
        • Contacto:
          • Daniele Generali, MD, PhD
          • Número de teléfono: +390372408042
          • Correo electrónico: dgenerali@units.it
        • Investigador principal:
          • Daniele Generali, MD, PhD
  • Reino Unido
      • London, Reino Unido
        • Reclutamiento
        • Department of Cardiology at Chelsea and Westminster NHS hospital
        • Contacto:
          • Emmanuel Ako, MD, PhD
          • Número de teléfono: +447932970131
          • Correo electrónico: e.ako@ucl.ac.uk
        • Investigador principal:
          • Emmanuel Ako, MD, PhD
  • Rumania
      • Iaşi, Rumania, 700503
        • Reclutamiento
        • University of Medicine and Pharmacy Gr T Popa
        • Contacto:
        • Investigador principal:
          • Alexandru Burlacu, MD, PhD

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Niño
  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra de probabilidad

Población de estudio

Todos los pacientes con síntomas gripales que llegan a urgencias con tos, fiebre, mialgias - que sean sospechosos de infección por COVID-19

Descripción

Criterios de inclusión:

  • síntomas similares a los de la gripe: mialgia, tos, fiebre, esputo
  • Radiografías de tórax
  • Pruebas biológicas COVID-19

Criterio de exclusión:

  • negativa del paciente
  • radiografías inciertas
  • resultados de pruebas inciertos

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
Pacientes sintomáticos
Nuestro objetivo es identificar un algoritmo de inteligencia artificial que pueda ejecutarse en radiografías de pulmón en pacientes con síntomas gripales/virales respiratorios que acuden a urgencias/triaje. Este algoritmo tiene como objetivo identificar las radiografías de pacientes con COVID-19 y aquellos con neumonitis por influenza, con precisión verificada por las pruebas de COVID-19.
Prueba de diagnóstico: Exploración de radiografías de tórax y ejecución de algoritmos de IA en imágenes
Radiografías de tórax; CNN de IA; Resultados

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Radiografías positivas de COVID-19
Periodo de tiempo: 6 meses
Número de participantes con neumonitis en la radiografía de tórax y COVID 19 positivo
6 meses
Radiografías negativas COVID-19
Periodo de tiempo: 6 meses
Número de participantes con neumonitis en la radiografía de tórax y COVID 19 negativos
6 meses

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Professor Adrian Covic

Colaboradores

Falcon Trading Iasi
Romanian Academy of Medical Sciences

Investigadores

  • Investigador principal: Alexandru Burlacu, Lecturer, University of Medicine and Pharmacy Gr T Popa - Iasi
  • Investigador principal: Radu Dabija, Lecturer, University of Medicine and Pharmacy Gr T Popa - Iasi

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Actual)

18 de marzo de 2020

Finalización primaria (Anticipado)

16 de agosto de 2020

Finalización del estudio (Anticipado)

18 de agosto de 2020

Fechas de registro del estudio

Enviado por primera vez

17 de marzo de 2020

Primero enviado que cumplió con los criterios de control de calidad

17 de marzo de 2020

Publicado por primera vez (Actual)

18 de marzo de 2020

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

27 de abril de 2020

Última actualización enviada que cumplió con los criterios de control de calidad

23 de abril de 2020

Última verificación

1 de abril de 2020

Más información

Términos relacionados con este estudio

Palabras clave

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • 0110

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

SÍ

Descripción del plan IPD

Sí, estaremos encantados de compartir el código del algoritmo y los resultados con cualquier científico interesado (sin intereses financieros)

Tipo de información de apoyo para compartir IPD

  • PROTOCOLO DE ESTUDIO
  • CIF
  • CÓDIGO_ANALÍTICO

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Suscribir