- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05224479
Clinical Validation of Machine Learning Triage of Chest Radiographs
29 de octubre de 2022 actualizado por: Emily Tsai, Stanford University
Artificial intelligence and machine learning have the potential to transform the practice of radiology, but real-world application of machine learning algorithms in clinical settings has been limited.
An area in which machine learning could be applied to radiology is through the prioritization of unread studies in a radiologist's worklist.
This project proposes a framework for integration and clinical validation of a machine learning algorithm that can accurately distinguish between normal and abnormal chest radiographs.
Machine learning triage will be compared with traditional methods of study triage in a prospective controlled clinical trial.
The investigators hypothesize that machine learning classification and prioritization of studies will result in quicker interpretation of abnormal studies.
This has the potential to reduce time to initiation of appropriate clinical management in patients with critical findings.
This project aims to provide a thoughtful and reproducible framework for bringing machine learning into clinical practice, potentially benefiting other areas of radiology and medicine more broadly.
Descripción general del estudio
Estado
Retirado
Condiciones
Intervención / Tratamiento
Tipo de estudio
Intervencionista
Fase
- No aplica
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
-
-
California
-
Stanford, California, Estados Unidos, 94305
- Stanford University
-
-
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
18 años y mayores (Adulto, Adulto Mayor)
Acepta Voluntarios Saludables
No
Géneros elegibles para el estudio
Todos
Descripción
Inclusion Criteria:
- Radiologist at Stanford Hospital and Clinics
Exclusion Criteria:
- None
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
- Propósito principal: Diagnóstico
- Asignación: Aleatorizado
- Modelo Intervencionista: Asignación cruzada
- Enmascaramiento: Único
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
---|---|
Comparador activo: Traditional workflow triage
Radiologists follow standard triage of chest radiographs.
|
Workflow triage is based on order location, STAT designation, and first-in-first-out status.
Workflow triage is based on the machine learning model's confidence of abnormality.
Workflow triage is based on random order.
|
Comparador activo: Machine learning workflow triage
Radiologists follow machine learning triage of chest radiographs.
|
Workflow triage is based on order location, STAT designation, and first-in-first-out status.
Workflow triage is based on the machine learning model's confidence of abnormality.
Workflow triage is based on random order.
|
Comparador falso: Random workflow triage
Radiologists follow randomly ordered triage of chest radiographs.
|
Workflow triage is based on order location, STAT designation, and first-in-first-out status.
Workflow triage is based on the machine learning model's confidence of abnormality.
Workflow triage is based on random order.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Turnaround time
Periodo de tiempo: up to 1 hour
|
Time from completion of radiograph to time that radiologist issues an assessment via preliminary or final report
|
up to 1 hour
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Emily Tsai, MD, Stanford University
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 (Anticipado)
1 de agosto de 2022
Finalización primaria (Anticipado)
1 de noviembre de 2022
Finalización del estudio (Anticipado)
1 de noviembre de 2022
Fechas de registro del estudio
Enviado por primera vez
22 de enero de 2022
Primero enviado que cumplió con los criterios de control de calidad
3 de febrero de 2022
Publicado por primera vez (Actual)
4 de febrero de 2022
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
1 de noviembre de 2022
Última actualización enviada que cumplió con los criterios de control de calidad
29 de octubre de 2022
Última verificación
1 de octubre de 2022
Más información
Términos relacionados con este estudio
Otros números de identificación del estudio
- 47832
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
No
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
producto fabricado y exportado desde los 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. .
Ensayos clínicos sobre Traditional workflow triage
-
Memorial Sloan Kettering Cancer CenterComprehensive Cancer Centre The NetherlandsReclutamientoCáncer | Condiciones dermatológicasEstados Unidos