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

Aplicación de algoritmo de inteligencia artificial basado en imágenes de CT para la medición de los parámetros musculares

20 de febrero de 2025 actualizado por: Yaomin Hu, RenJi Hospital

Aplicación de algoritmo de inteligencia artificial basado en imágenes de TC para la medición de los parámetros musculares en el diagnóstico de sarcopenia

Establecer un modelo de inteligencia artificial para el diagnóstico automatizado de sarcopenia basado en imágenes de TC

Descripción general del estudio

Descripción detallada

Con el proceso de envejecimiento acelerado, la identificación temprana y el diagnóstico de sarcopenia, junto con la prevención efectiva de sus resultados adversos, se han convertido en un punto focal en la investigación médica. Sin embargo, los métodos actuales para evaluar y diagnosticar sarcopenia aún enfrentan limitaciones significativas, lo que hace que el desarrollo de técnicas más eficientes y precisas para la evaluación de la masa muscular sea una necesidad clínica urgente. Aunque la TC se considera como el método más prometedor para evaluar la masa muscular, su aplicación práctica se ve obstaculizada por factores como la dependencia de la experiencia del médico y los procedimientos que consumen mucho tiempo, lo que limita su adopción clínica generalizada. A la luz de estos desafíos, este estudio tiene como objetivo desarrollar un modelo de inteligencia artificial para la medición de masa muscular completamente automatizada basada en imágenes de TC abdominales y validar su valor de aplicación para ayudar al diagnóstico de sarcopenia.

Tipo de estudio

De observación

Inscripción (Actual)

1080

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

    • Shanghai
      • Shanghai, Shanghai, Porcelana, 2000127
        • Shanghai Jiaotong University School of Medicine, Renji Hospital Ethics Committee

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

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

Sí

Método de muestreo

Muestra no probabilística

Población de estudio

960 pacientes hospitalizados en el Departamento de Geriátrico del Hospital Renji, 20 pacientes del Hospital Ruijin afiliados a la Facultad de Medicina de la Universidad de Shanghai Jiaotong, 20 pacientes del primer hospital afiliado de la Universidad de Medicina Zhejiang, 50 pacientes del primer Hospital Afiliado de la Universidad Médica de Wenzhou y 30 pacientes del Hospital de Hospital Huangshan.

Descripción

Criterios de inclusión:

  1. La población sometida a los exámenes de BIA y TC abdominal;
  2. Puede cooperar para completar el análisis de la composición del cuerpo humano, la medición de la resistencia al agarre, la medición del tiempo de caminata de 6 m y la encuesta de cuestionario.

Criterios de exclusión:

  1. Edad <18 años;
  2. Existencia de edema de pared abdominal;
  3. Antecedentes de cirugía espinal o fracturas vertebrales, o lesiones tumorales vertebrales;
  4. Historia de los trastornos neuromusculares.

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

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Para cuantificar automatamente y precisamente el volumen muscular tridimensional y el volumen de grasa.
Periodo de tiempo: 2020-2023
Para lograr una cuantificación automatizada y precisa del volumen muscular tridimensional y el volumen de grasa en la región vertebral L3 mediante el aprendizaje profundo.
2020-2023
Establecer un modelo de inteligencia artificial para el diagnóstico de sarcopenia.
Periodo de tiempo: 2020-2023
La validación de los modelos de inteligencia artificial puede ayudar en el diagnóstico de sarcopenia.
2020-2023

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)

5 de septiembre de 2023

Finalización primaria (Actual)

31 de diciembre de 2024

Finalización del estudio (Actual)

31 de diciembre de 2024

Fechas de registro del estudio

Enviado por primera vez

20 de febrero de 2025

Primero enviado que cumplió con los criterios de control de calidad

20 de febrero de 2025

Publicado por primera vez (Actual)

25 de marzo de 2025

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

25 de marzo de 2025

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

20 de febrero de 2025

Última verificación

1 de febrero de 2025

Más información

Términos relacionados con este estudio

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