Exploración de la eficacia de la aplicación de herramientas de diagnóstico de inteligencia artificial (IA) en imágenes médicas (MI) de enfermedades respiratorias (R) infecciosas (I) (D) (AI-MIRID)
12 de agosto de 2024 actualizado por: Wen-hong Zhang, Huashan Hospital
La identificación temprana y la alerta grave de las enfermedades infecciosas respiratorias agudas son de suma importancia.
Utilizar medios eficaces para realizar diagnósticos correctos de la fuente de infección en una fase temprana es la premisa de toda medida eficaz.
AI-MID es una iniciativa de investigación que utiliza herramientas de inteligencia artificial para ayudar en el diagnóstico clínico por imágenes de enfermedades respiratorias, con el objetivo de reducir el tiempo que los médicos dedican a revisar imágenes, aumentar la eficiencia del trabajo y mejorar la sensibilidad y especificidad de la detección de neumonía, mejorando así la tasa de detección de neumonía a nivel de base.
Este enfoque facilita una prevención precisa, un diagnóstico preciso y un tratamiento preciso.
Descripción general del estudio
Estado
Reclutamiento
Intervención / Tratamiento
Tipo de estudio
Intervencionista
Inscripción (Estimado)
2000
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.
Estudio Contacto
- Nombre: Wenhong Zhang
- Número de teléfono: (86)52889999
- Correo electrónico: zhangwenhong@fudan.edu.cn
Ubicaciones de estudio
-
-
-
Shanghai, Porcelana, 200040
- Reclutamiento
- Huashan Hospital
-
Contacto:
- Wenhong Zhang, Professor
- Número de teléfono: (86)52889999
- Correo electrónico: zhangwenhong@fudan.edu.cn
-
-
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
Sí
Descripción
Criterios de inclusión:
- 1-90 años, género no especificado.
- Presenta síntomas de infección del tracto respiratorio.
- Debe tener resultados del examen etiológico.
- Debe tener datos de imágenes;
Criterios de exclusión:
- Artefactos graves en imágenes médicas.
- El diagnóstico clínico indica edema pulmonar concurrente.
- La revisión dual da como resultado un diagnóstico poco claro o un posible diagnóstico erróneo
- Otras situaciones que puedan causar dificultades en la lectura de las películas, o que según lo determine el investigador, el participante del estudio sea considerado no apto para la inscripción.
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 paralela
- Enmascaramiento: Ninguno (etiqueta abierta)
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Sin intervención: Sin intervención
No intervención
|
|
|
Experimental: Grupo de interpretación de imágenes médicas basado en Inteligencia Artificial
Utilizando información clínica, datos de imágenes y los resultados etiológicos correspondientes de los participantes del estudio, se establece una herramienta de diagnóstico de IA para reconocer específicamente las imágenes médicas del tórax de los pacientes y construir las conclusiones de diagnóstico correspondientes.
|
En el grupo de interpretación de IA, utilizando información clínica, datos de imágenes y los resultados etiológicos correspondientes de los participantes del estudio, se establece una herramienta de diagnóstico de IA para reconocer específicamente las imágenes médicas del tórax de los pacientes y construir las conclusiones de diagnóstico correspondientes.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Evaluación de la eficacia diagnóstica de herramientas de diagnóstico de inteligencia artificial en imágenes médicas de enfermedades infecciosas respiratorias
Periodo de tiempo: 2 años
|
Para evaluar la eficacia diagnóstica del software de detección asistida por computadora (CAD) en la identificación de infecciones pulmonares, el estudio empleará los siguientes métodos: Criterios de imágenes: radiólogos experimentados interpretarán las imágenes médicas de los participantes del estudio, sirviendo como estándar de imágenes. Detección asistida por computadora: al mismo tiempo, el software CAD analizará las imágenes médicas de los participantes para generar resultados de diagnóstico. Evaluación de la eficacia: la precisión y coherencia del software CAD se evaluarán comparando sus interpretaciones con los diagnósticos realizados por los radiólogos. |
2 años
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Utilizar herramientas de inteligencia artificial para la identificación temprana y alerta grave de enfermedades infecciosas respiratorias.
Periodo de tiempo: 2 años
|
Al integrar las imágenes médicas de los participantes del estudio con los correspondientes resultados de detección de patógenos respiratorios, estos datos se utilizarán como entrada del conjunto de entrenamiento en la herramienta de diagnóstico de IA, lo que le permitirá someterse a un aprendizaje profundo.
Este proceso establecerá una herramienta de diagnóstico de IA basada en imágenes de patógenos.
Después de completar la recopilación de datos para las secciones del estudio retrospectivo y prospectivo, planeamos evaluar la progresión de la enfermedad y el pronóstico de los participantes del estudio según el análisis de supervivencia y el modelado predictivo.
Al integrar datos clínicos y de imágenes, nuestro objetivo es mejorar la exactitud y precisión del modelo de evaluación de pronóstico.
El modelo se optimizará continuamente de acuerdo con los cambios en las condiciones de los participantes del estudio inscritos durante diferentes períodos de tiempo.
|
2 años
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
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)
1 de abril de 2022
Finalización primaria (Estimado)
1 de diciembre de 2025
Finalización del estudio (Estimado)
1 de diciembre de 2026
Fechas de registro del estudio
Enviado por primera vez
7 de agosto de 2024
Primero enviado que cumplió con los criterios de control de calidad
12 de agosto de 2024
Publicado por primera vez (Actual)
14 de agosto de 2024
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
14 de agosto de 2024
Última actualización enviada que cumplió con los criterios de control de calidad
12 de agosto de 2024
Última verificación
1 de agosto de 2024
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- AI-MIRID
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
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. .