Aivohalvauksen jälkeisen turvotuksen automaattinen ennustaminen (APICES)
keskiviikko 3. syyskuuta 2025 päivittänyt: University Hospital Tuebingen
Automaattinen pahanlaatuisen aivoturvotuksen ennustaminen keski-aivovaltimon iskeemisen aivohalvauksen jälkeen
Koneoppimisen käyttäminen pahanlaatuisen aivoturvotuksen varhaiseen havaitsemiseen potilailla, joilla on MCA-iskemia
Tutkimuksen yleiskatsaus
Tila
Aktiivinen, ei rekrytointi
Yksityiskohtainen kuvaus
Suurten iskeemisten aivohalvausten jälkeinen pahanlaatuinen aivoturvotus muodostaa jopa 10 % kaikista iskeemisistä aivohalvauksista. Kuolleisuus on korkea ja suurin osa eloonjääneistä on vakavasti vammautunut. Vaikka dekompressiivisen kraniektomian on osoitettu vähentävän merkittävästi kuolleisuutta, selviytyneiden keskuudessa on raportoitu korkeita sairastuvuuslukuja. Optimaalinen aikapiste, jolloin neurokirurginen dekompressio tulisi suorittaa yksittäiselle potilaalle, vaihtelee ja on keskustelun aihe.
Pahanlaatuisen aivoturvotuksen varhainen ennustaminen kirurgisesta hoidosta hyötyvien potilaiden tunnistamiseksi on kliininen haaste. Tämän tutkimuksen tavoitteena on käyttää koneoppimista kattavaan analysointiin CT-kuvia sekä kliinisiä tietoja 1500 potilaasta, joilla on suuri iskeeminen MCA-halvaus, jotta voidaan kehittää malli pahanlaatuisen aivoturvotuksen varhaiseen ennustamiseen. Ensimmäisessä vaiheessa algoritmit tunnistavat automaattisesti tyypilliset kuvantamisominaisuudet ja kliiniset tiedot 1400 retrospektiivisestä tietojoukosta monivaiheisen mallin luomiseksi (oppimisvaihe). Tätä seuraa validointivaihe, jossa mallia testataan 100 muun retrospektiivisen tietojoukon kanssa.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
1687
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
-
Vienna, Itävalta
- St. John's Hospital
-
-
-
-
-
Berlin, Saksa
- Charite Universitatsmedizin Berlin
-
Bonn, Saksa
- Universitätsklinikum Bonn
-
Bremen, Saksa
- Fraunhofer- Gesellschaft zur Förderung der angewandten Forschung e.V., Fraunhofer MEVIS
-
Düsseldorf, Saksa
- Universitätsklinikum Düsseldorf
-
Hamburg, Saksa
- Universitätsklinikum Hamburg-Eppendorf
-
Hanover, Saksa
- Klinikum der Medizinischen Hochschule Hannover
-
Heidelberg, Saksa
- Universitätsklinikum Heidelberg
-
Leipzig, Saksa
- Universitatsklinikum Leipzig
-
Munich, Saksa
- Technische Universität München
-
Munich, Saksa
- Klinikum der Ludwig-Maximilians-Universität München
-
Münster, Saksa
- Universitatsklinikum Munster
-
Regensburg, Saksa
- Universitätsklinikum Regensburg
-
Stuttgart, Saksa
- Klinikum Stuttgart
-
Tübingen, Saksa, 72076
- University Hospital Tuebingen
-
Tübingen, Saksa
- Hertie Institute for AI in Brain Health
-
Ulm, Saksa
- Universitätsklinikum Ulm
-
Würzburg, Saksa
- Universitätsklinikum Würzburg
-
-
-
-
-
Oxford, Yhdistynyt kuningaskunta
- BRAINOMIX Limited
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
1500 retrospektiivistä tietojoukkoa kerätään viideltä suurelta saksalaiselta aivohalvausyksiköltä.
Tietojoukot sisältävät kuvantamistietoja ja kliinisiä tietoja potilailta, joilla on MCA-infarktit (M1-M2-okkluusio), pahanlaatuisen aivoturvotuksen kanssa tai ilman, reperfuusiohoidon kanssa tai ilman, neurokirurgisen dekompression kanssa tai ilman ja pahanlaatuisen aivoturvotuksen aiheuttaman kuoleman kanssa tai ilman.
Mukaan otetaan tietojoukot potilailta, jotka ovat kuolleet pahanlaatuisen aivoturvotuksen seurauksena.
Jokainen tietojoukko koostuu alkuperäisestä NCCT:stä, CTA:sta (DSA, jos saatavilla) ja seurannasta NCCT:stä 14 päivään asti aivohalvauksen alkamisesta sekä kliinisistä tiedoista.
Kuvaus
Sisällyttämiskriteerit:
- Akuutti ≥ välisumma MCA-infarkti (M1-M2 okkluusio)
- pahanlaatuisen aivoturvotuksen kanssa tai ilman
- reperfuusiohoidon kanssa tai ilman
- neurokirurgisen dekompression kanssa tai ilman
- kuolemalla tai ilman pahanlaatuisen aivoturvotuksen seurauksena
Poissulkemiskriteerit:
- Ei-akuutti MCA-infarkti
- < MCA-infarktin välisumma
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
|---|
|
MCA-iskemia ilman pahanlaatuista turvotusta
|
|
MCA-iskemia ja pahanlaatuinen turvotus
MCA-iskemia ilman pahanlaatuista turvotusta ilman kirurgista hoitoa
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Syväoppimisalgoritmeilla havaittujen potilaiden määrä, joilla on aivohalvaukseen liittyvä pahanlaatuinen turvotus rekanalisointihoidon jälkeen
Aikaikkuna: 4/2019-3/2022
|
Syväoppimisalgoritmeja käytetään tiettyjen kuvalöydösten ja erityisten kliinisten tietojen automaattiseen tunnistamiseen, jotka viittaavat aivohalvaukseen liittyvään pahanlaatuiseen turvotukseen.
Ensisijaiset tulosmittaukset ovat herkkyys/spesifisyys/negatiivinen ennustearvo/positiivinen ennustearvo aivohalvaukseen liittyvän pahanlaatuisen turvotuksen varhaisessa havaitsemisessa, joka perustuu alkuperäiseen TT-kuvaan ja 24 tunnin seurantaan TT:hen ja kliinisiin parametreihin.
|
4/2019-3/2022
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Oikein tunnistettujen erityisten kuvantamislöydösten määrä pahanlaatuisen turvotuksen varhaisessa havaitsemisessa
Aikaikkuna: 4/2019-3/2022
|
Pahanlaatuisen aivoturvotuksen varhaiseen havaitsemiseen käytetyt spesifiset kuvantamislöydökset ovat Collateral Status, Clot Burden Score, Vein Score, Muutos CSF:n tilavuudessa.
Tässä tutkimuksessa tietyt kuvahavainnot merkitään manuaalisesti ja ne havaitaan myös automaattisesti syväoppimisalgoritmeilla.
Toissijaiset tulosmittaukset ovat syväoppimisalgoritmeilla tunnistettujen erityisten kuvantamislöydösten herkkyys/spesifisyys/NPV/PPV.
|
4/2019-3/2022
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Tutkijat
- Päätutkija: Sven Poli, MD MSc, sven.poli@uni-tuebingen.de
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Maanantai 1. huhtikuuta 2019
Ensisijainen valmistuminen (Todellinen)
Lauantai 30. syyskuuta 2023
Opintojen valmistuminen (Arvioitu)
Keskiviikko 31. joulukuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Torstai 25. huhtikuuta 2019
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Tiistai 13. elokuuta 2019
Ensimmäinen Lähetetty (Todellinen)
Torstai 15. elokuuta 2019
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Keskiviikko 10. syyskuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 3. syyskuuta 2025
Viimeksi vahvistettu
Maanantai 1. syyskuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- APICES
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Yhdysvalloissa valmistettu ja sieltä viety tuote
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .