- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT04479319
Päätöksen tukijärjestelmän algoritmi COVID-19-diagnoosille
Hybridipäätöstukijärjestelmäalgoritmin kehittäminen COVID-19-diagnoosille RT-PCR-grafiikan ja rintakehän CT-kuvien välillä syväoppimisen avulla
COVID-19 on tartuntatauti, jonka aiheuttaa vasta löydetty koronavirus, joka tunnistettiin ensimmäisen kerran Wuhanissa, Kiinassa joulukuussa 2019. Sitten Maailman terveysjärjestö (WHO) kuvaili ja julisti uuden koronavirusepidemian pandemiaksi 11. maaliskuuta 2020.
Käänteistranskriptiopolymeraasiketjureaktio (RT-PCR) on tällä hetkellä kultainen standardi testi COVID-19-diagnoosissa. Siitä huolimatta, koska se on korkea väärien negatiivinen (% 10-50), diagnoosi- ja hoitopäätökset eivät riipu pelkästään RT-PCR:stä. Myös potilaan kliininen esittely ja radiologiset löydökset ovat tärkeitä. Kliininen esitys tai tietokonetomografia (CT) eivät kuitenkaan ole erityisiä COVID-19:lle. Näiden haasteiden seurauksena taudin diagnosointi ja yhteisön terveyden suojelu vaikeutuvat. Tämän tutkimuksen tutkijat olettivat, että syvään oppimiseen perustuva päätöksenteon tukijärjestelmä voi auttaa lopullisessa COVID-19-diagnoosissa. Tavoitteena on kehittää syvään oppimiseen perustuva päätöksenteon tukijärjestelmäalgoritmi, joka perustuu potilaan kliiniseen esitykseen, laboratorio- ja CT-löydöksiin sekä RT-PCR-tietoihin. Aikaisemmin kehitettiin syväoppimisalgoritmeja, joissa käytettiin laajalti tunnettuja syvän neuroverkkoarkkitehtuuria, kuten Inception, UNet, ResNet. Kaikki nämä tutkimukset perustuivat kuitenkin CT-löydöksiin. Kirjallisuudessa ei ole syvällistä oppimistutkimusta, jossa yhdistettäisiin potilaiden kliiniset, radiologiset ja laboratoriolöydökset.
Hanke perustuu saatavilla oleviin COVID-19-potilaiden tietoihin, jotka saadaan terveysministeriöltä. Sen jälkeen tietojen relevanssi ja luotettavuus arvioidaan ja merkitään koneen koulutusta varten. Tietojen anonymisoinnin jälkeen tietoja käsitellään ennalta määritettyjen sisällyttämis- ja poissulkemiskriteerien mukaisesti. Rintakehän CT-tiedot merkitään COVID-19-keuhkokuumeen tyypillisiksi / määrittelemättömiksi / epätyypillisiksi / negatiivisiksi. Myös TT-kuvat potilaista, joilla on tunnettuja muita kuin COVID-19-sairauksia, merkitään koneen harjoittelua varten. Sitten kuume, lymfosyyttien määrä, neutrofiilien ja lymfosyyttien suhde, yhteystiedot ja RT-PCR-löydökset merkitään. Tämän jälkeen potilaat merkitään ja konetta koulutetaan syväoppimismenetelmällä näiden ryhmiteltyjen ja merkittyjen tietojen avulla. Harjoitusvaiheen jälkeen algoritmi testataan ja jos kone saavuttaa tavoitespesifisyyden ja -herkkyyden, prototyyppi testataan. Ja sitten prototyyppi upotetaan sairaalan ohjelmistojärjestelmään. Tämä ohjelmisto ja algoritmi toimivat kliinikoille varhaisvaroitusjärjestelmänä ja tarjoavat paremman diagnostiikan varsinkin, kun väärien negatiivisten tulosten määrä vähenee. Pandemian vaikutuksia ei voida mitata pelkästään diagnosoitujen ja eristettyjen ihmisten määrällä tai hoidetuilla. Pandemia ei vaikuta ainoastaan yhteisön terveyteen, vaan myös yksilöiden psyykkiseen tilaan, koulutukseen, opetusmenetelmiin, työmalleihin, päivittäiseen elämäntyyliin, tuottajan/kuluttajan käyttäytymiseen, tarjonnan/kysynnän tasapainoon; toisin sanoen jokaisella elämänalueella. Lisäksi pandemia aiheuttaa pitkäaikaisia vahinkoja, joita on vaikea peruuttaa. Ohjelmisto lisää diagnostiikan onnistumisastetta, auttaa hallitsemaan pandemiaa ja minimoi edellä mainitut sivuvahingot. Tutkijat uskovat, että tämän projektin lopussa tuotetusta tuotteesta on suurta hyötyä COVID-19:n odotettavissa olevan toissijaisen aallon hallinnassa.
Tutkimuksen yleiskatsaus
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Ankara, Turkki
- Ankara University Faculty of Medicine
-
Ankara, Turkki
- İhsan Doğramacı Bilkent Üniversitesi
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Aikuiset potilaat, joilla on erotusdiagnoosi COVID-19
Poissulkemiskriteerit:
- Potilaat, jotka ovat alle 18-vuotiaita
- Potilaat, joilla ei ole rintakehän CT:tä tai SARS-CoV-2 RT-PCR:ää
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
---|---|
COVID-19-keuhkokuume
COVID-19-potilaat, joilla on keuhkokuume rintakehän TT:llä joko Thorax CT + SARS-CoV-2 RT-PCR + COVID-19:n kliiniset merkit +/- Kaikki kontaktit COVID-19-potilaan kanssa +/- tai Thorax CT + SARS-CoV-2 RT-PCR - COVID-19:n kliiniset merkit +/- Kaikki kontaktit COVID-19 + -potilaan kanssa |
Kaikilla koehenkilöillä on rintakehän CT ja RT-PCR SARS-CoV-2:ta varten.
Muut nimet:
|
COVID-19, ilman keuhkokuumetta
COVID-19-potilaat, joilla ei ole keuhkokuumetta rintakehän TT:llä Thorax CT - SARS-CoV-2 RT-PCR + COVID-19:n kliiniset merkit +/- Kaikki kontaktit COVID-19-potilaan kanssa +/- |
Kaikilla koehenkilöillä on rintakehän CT ja RT-PCR SARS-CoV-2:ta varten.
Muut nimet:
|
Ei COVID-19
Potilaat, joilla on virusinfektion oireita ja joilla ei ole diagnosoitu COVID-19 joko Thorax CT - SARS-CoV-2 RT-PCR - COVID-19:n kliiniset merkit +/- Kaikki kontaktit COVID-19-potilaan kanssa +/- tai Thorax CT + SARS-CoV-2 RT-PCR - COVID-19:n kliiniset merkit +/- Kaikki kontaktit COVID-19-potilaan kanssa - |
Kaikilla koehenkilöillä on rintakehän CT ja RT-PCR SARS-CoV-2:ta varten.
Muut nimet:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
COVID-19:n diagnosointi
Aikaikkuna: Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
Herkkyyden ja spesifisyyden määrittäminen hybridipäätöstukijärjestelmän COVID-19-diagnoosin ennustamisessa
|
Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
Yhteistyökumppanit ja tutkijat
Sponsori
Yhteistyökumppanit
Tutkijat
- Opintojen puheenjohtaja: Özlem Özdemir Kumbasar, Prof Dr, Ankara University
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Li L, Qin L, Xu Z, Yin Y, Wang X, Kong B, Bai J, Lu Y, Fang Z, Song Q, Cao K, Liu D, Wang G, Xu Q, Fang X, Zhang S, Xia J, Xia J. Using Artificial Intelligence to Detect COVID-19 and Community-acquired Pneumonia Based on Pulmonary CT: Evaluation of the Diagnostic Accuracy. Radiology. 2020 Aug;296(2):E65-E71. doi: 10.1148/radiol.2020200905. Epub 2020 Mar 19.
- Li K, Wu J, Wu F, Guo D, Chen L, Fang Z, Li C. The Clinical and Chest CT Features Associated With Severe and Critical COVID-19 Pneumonia. Invest Radiol. 2020 Jun;55(6):327-331. doi: 10.1097/RLI.0000000000000672.
- Jan B, Farman H, Khan M, Imran M, Islam IU, Ahmad A, et al. Deep learning in big data analytics: a comparative study. Computers & Electrical Engineering. 2019;75:275-87
- Simpson S, Kay FU, Abbara S, Bhalla S, Chung JH, Chung M, Henry TS, Kanne JP, Kligerman S, Ko JP, Litt H. Radiological Society of North America Expert Consensus Statement on Reporting Chest CT Findings Related to COVID-19. Endorsed by the Society of Thoracic Radiology, the American College of Radiology, and RSNA - Secondary Publication. J Thorac Imaging. 2020 Jul;35(4):219-227. doi: 10.1097/RTI.0000000000000524.
- Santosh KC. AI-Driven Tools for Coronavirus Outbreak: Need of Active Learning and Cross-Population Train/Test Models on Multitudinal/Multimodal Data. J Med Syst. 2020 Mar 18;44(5):93. doi: 10.1007/s10916-020-01562-1.
- Vaishya R, Javaid M, Khan IH, Haleem A. Artificial Intelligence (AI) applications for COVID-19 pandemic. Diabetes Metab Syndr. 2020 Jul-Aug;14(4):337-339. doi: 10.1016/j.dsx.2020.04.012. Epub 2020 Apr 14.
- Zhou Z, Siddiquee MMR, Tajbakhsh N, Liang J. UNet++: A Nested U-Net Architecture for Medical Image Segmentation. Deep Learn Med Image Anal Multimodal Learn Clin Decis Support (2018). 2018 Sep;11045:3-11. doi: 10.1007/978-3-030-00889-5_1. Epub 2018 Sep 20.
- Li D, Wang D, Dong J, Wang N, Huang H, Xu H, Xia C. False-Negative Results of Real-Time Reverse-Transcriptase Polymerase Chain Reaction for Severe Acute Respiratory Syndrome Coronavirus 2: Role of Deep-Learning-Based CT Diagnosis and Insights from Two Cases. Korean J Radiol. 2020 Apr;21(4):505-508. doi: 10.3348/kjr.2020.0146. Epub 2020 Mar 5.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 09081
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 Covid19
-
Ricardo Pereira MestreInstitute of Oncology Research (IOR); Istituto Cantonale di PatologiaValmis
-
Instituto de Investigación Hospital Universitario...Instituto de Salud Carlos III; Spanish Clinical Research Network - SCReNAktiivinen, ei rekrytointi
-
Inmunova S.A.Hospital Italiano de Buenos Aires; Laboratorio Elea Phoenix S.A.; Hospital... ja muut yhteistyökumppanitValmis
-
Manchester University NHS Foundation TrustUniversity of ManchesterValmis
-
Rush University Medical CenterHospital Civil de GuadalajaraValmisCovid19Yhdysvallat, Meksiko
-
Evelyne D.TrottierValmis
-
Sinovac Research and Development Co., Ltd.Valmis
-
Mabwell (Shanghai) Bioscience Co., Ltd.Shanghai Public Health Clinical CenterValmis
-
Anavasi DiagnosticsEi vielä rekrytointia
Kliiniset tutkimukset Rintakehän CT
-
Jena University HospitalGE Healthcare; Zentrum für Klinische Studien JenaAktiivinen, ei rekrytointi
-
National Taiwan University Hospital Hsin-Chu BranchRekrytointiKipu | Kylkiluiden murtumat | Rintakehä; MurtumaTaiwan
-
National Taiwan University Hospital Hsin-Chu BranchValmis
-
University of ExeterNorth Bristol NHS Trust; Royal Devon and Exeter NHS Foundation Trust; Royal...Ilmoittautuminen kutsustaInterstitiaalinen keuhkosairausYhdistynyt kuningaskunta
-
University of PittsburghLopetettuKarsinooma, pään ja kaulan okasolusoluYhdysvallat
-
Seoul National University Bundang HospitalGE Healthcare; National Research Foundation of KoreaValmisUmpilisäkkeen tulehdusKorean tasavalta
-
CelltrionValmis
-
Peter MacCallum Cancer Centre, AustraliaMelbourne Health; Westmead Hospital; Victorian Infectious Diseases Reference...ValmisAkuutti myelooinen leukemia | Kuumeinen neutropenia | Akuutti lymfoblastinen leukemia | Hematopoieettinen kantasolusiirto, autologinen | Hematopoieettinen kantasolusiirto, allogeeninenAustralia