Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

CT-biomarkkerien tunnistus tekoälyn perusteella COVID-19-ennusteen perusteella (COVID 19-IA)

perjantai 7. maaliskuuta 2025 päivittänyt: Centre Hospitalier Universitaire de Nīmes

Rintakehän CT-skannauksen biomarkkerien tunnistaminen syvällisen oppimisen avulla COVID-19-tautia sairastavien potilaiden ennusteen arvioimiseksi

Tutkimuksen hypoteesi on, että pieniannoksinen tietokonetomografia (LDCT) yhdistettynä tekoälyyn syväoppimisen avulla luo kuvantamisen biomarkkereita, jotka liittyvät potilaan lyhyen ja keskipitkän aikavälin ennusteeseen.

Tämän tutkimuksen tarkoituksena on saada nopeasti saataville varhaisen päätöksentekotyökalu (SARS-CoV-2:een liittyvien oireiden sairastavan potilaan ensimmäisestä sairaalakäynnistä), joka perustuu useiden biomarkkerien (kliiniset, biologiset, rintakehän kuvantaminen) yhdistämiseen. skanneri), joka mahdollistaa sekä yksilöllisen lääketieteen että paremman potilaan kehityksen ennakoinnin hoidon organisoinnin kannalta.

Tutkimuksen yleiskatsaus

Tila

Peruutettu

Ehdot

Opintotyyppi

Havainnollistava

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

      • Fort-de-France, Martinique
        • CHU Martinique
      • Marseille, Ranska
        • CHU La Timone
      • Montpellier, Ranska
        • CHU Montpellier
      • Nîmes, Ranska
        • CHU de Nîmes
      • Poitiers, Ranska
        • CHU Poitiers
      • Strasbourg, Ranska
        • CHU Strasbourg

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

Potilaat, jotka ovat sairaalahoidossa Covid-19:n vuoksi, jotka vahvistettiin RT-PCR:llä ja joille tehdään CT-skannaus

Kuvaus

Sisällyttämiskriteerit:

  • SARS-CoV-2-positiiviset potilaat RT-PCR-testin mukaan 1. maaliskuuta ja 31. toukokuuta 2020 välisenä aikana
  • Potilaat, joille tehdään pieniannoksinen CT-skannaus Covid-19-keuhkovaurion toteamiseksi
  • Saatavilla vähintään 8 päivän seurantaan

Poissulkemiskriteerit:

• Potilaat, jotka vastustavat tietojensa takautuvaa käyttöä

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
Interventio / Hoito
SARS-CoV-2-positiiviset potilaat
Pieniannoksinen tietokonetomografia

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Vital status
Aikaikkuna: Päivä 8
Kuollut/elävä
Päivä 8
Potilas, joka tarvitsee yli 3 litraa happea ylläpitääkseen yli 95 %:n saturaatiota (tehohoitoyksikkö tai elvytysosasto)
Aikaikkuna: Päivä 8
Kyllä ei
Päivä 8
Prosenttiosuus keuhkoista, joihin TT vaikuttaa
Aikaikkuna: Päivä 0
% hiottu lasi ja kondensaatio laskettu syväoppimalla
Päivä 0
Prosenttiosuus keuhkoista, joihin hiomalasin opasiteetti vaikuttaa skannauksen aikana
Aikaikkuna: Päivä 0
% laskettuna syväoppimisesta
Päivä 0
Prosenttiosuus keuhkoista, joihin kondensaatio on vaikuttanut skannauksen aikana
Aikaikkuna: Päivä 0
% laskettuna syväoppimisesta
Päivä 0

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Vital status
Aikaikkuna: Päivä 16
Kuollut/elävä
Päivä 16
Vital status
Aikaikkuna: Päivä 30
Kuollut/elävä
Päivä 30
Sairaalahoidon kesto
Aikaikkuna: Enintään 30 päivää
Päivää
Enintään 30 päivää
uudelleen sairaalahoitoon
Aikaikkuna: Päivä 30
Kyllä ei
Päivä 30
Intuboinnin kesto
Aikaikkuna: Päivä 30
Päivää
Päivä 30
Prosenttiosuus keuhkoista, joihin TT vaikuttaa
Aikaikkuna: Päivä 16
% hiottu lasi ja kondensaatio laskettu syväoppimalla
Päivä 16
Prosenttiosuus keuhkoista, joihin hiomalasin opasiteetti vaikuttaa skannauksen aikana
Aikaikkuna: Päivä 16
% laskettuna syväoppimisesta
Päivä 16
Prosenttiosuus keuhkoista, joihin kondensaatio on vaikuttanut skannauksen aikana
Aikaikkuna: Päivä 16
% laskettuna syväoppimisesta
Päivä 16
Ohjelmiston käyttöaika
Aikaikkuna: Opintojen loppu (elokuu 2020)
Kuvan latausnopeus ja kuvankäsittely skannerin merkistä riippuen
Opintojen loppu (elokuu 2020)
C-reaktiivisen proteiinin tasot
Aikaikkuna: Pääsypäivä 0
mg/l
Pääsypäivä 0
laktaattidehydrogenaasi
Aikaikkuna: Pääsypäivä 0
U/L
Pääsypäivä 0
lymfosytemia
Aikaikkuna: Pääsypäivä 0
g/l
Pääsypäivä 0
D Dimeerien taso
Aikaikkuna: Pääsypäivä 0
µg/l
Pääsypäivä 0
Aika oireiden alkamiseen
Aikaikkuna: Pääsypäivä 0
Päivää
Pääsypäivä 0
Aika RT-PCR-positiivisten tulosten ja ensimmäisen skannauksen välillä
Aikaikkuna: Pääsypäivä 0
Tuntia
Pääsypäivä 0
Ikä
Aikaikkuna: Pääsypäivä 0
Vuosia
Pääsypäivä 0
BMI > 30
Aikaikkuna: Pääsypäivä 0
Kyllä ei:
Pääsypäivä 0
Sydän- ja verisuonitautien sairaushistoria
Aikaikkuna: Pääsypäivä 0
Kyllä/ei: verenpainetauti, sepelvaltimotauti, kongestiivinen sydämen vajaatoiminta, sydämen rytmihäiriö
Pääsypäivä 0
Diabetes
Aikaikkuna: Pääsypäivä 0
Kyllä ei
Pääsypäivä 0
Hengitystiesairauksien sairaushistoria
Aikaikkuna: Pääsypäivä 0
Kyllä/ei: Krooninen obstruktiivinen keuhkosairaus, krooninen hengitysvajaus
Pääsypäivä 0
Immunosuppressoituneen tilan sairaushistoria
Aikaikkuna: Pääsypäivä 0
Kyllä/ei: steroidien käyttö, aiempi immunologinen tila, meneillään oleva syövän kemoterapia
Pääsypäivä 0
Nykyinen tai aiempi tupakointihistoria
Aikaikkuna: Pääsypäivä 0
Kyllä ei:
Pääsypäivä 0
Laske prognostinen pistemäärä kliinisistä, biologisista ja CT-parametreista
Aikaikkuna: Päivä 8
Syväoppimisalgoritmi
Päivä 8
Laske prognostinen pistemäärä vain kliinisistä ja biologisista parametreista
Aikaikkuna: Päivä 8
Syväoppimisalgoritmi
Päivä 8
Vertaa vastaanottimen toimintakäyriä ennustepisteistä CT-parametreilla ja ilman niitä
Aikaikkuna: Päivä 8
Päivä 8

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Julien Frandon, CHU Nimes

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 (Arvioitu)

Sunnuntai 1. maaliskuuta 2020

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 1. syyskuuta 2021

Opintojen valmistuminen (Arvioitu)

Keskiviikko 1. syyskuuta 2021

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Torstai 4. kesäkuuta 2020

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 4. kesäkuuta 2020

Ensimmäinen Lähetetty (Todellinen)

Perjantai 5. kesäkuuta 2020

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 25. maaliskuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 7. maaliskuuta 2025

Viimeksi vahvistettu

Lauantai 1. maaliskuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

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 .

Kliiniset tutkimukset Covid-19

Kliiniset tutkimukset Kuvaus rintakehän skannerilla

Tilaa