- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT04952675
Pneumokonioosin suuren riskin varhaisvaroitusmallien arviointi
perjantai 2. heinäkuuta 2021 päivittänyt: Peking University Third Hospital
Pneumokonioosin suuren riskin varhaisvaroitusmallien kehittäminen ja kliininen soveltaminen rintakehän radiografian konvoluutiohermoverkkoon
Pneumokonioosin ennaltaehkäisy on tärkeämpää kuin hoito.
Nykyinen prosessi ei kuitenkaan pysty varoittamaan korkean riskin pölylle altistuneita työntekijöitä ennen kuin heillä on diagnosoitu pneumokonioosi.
Tehokkuuden, persoonallisuuden ja kvantifioinnin ominaisuuksiensa ansiosta tekoäly on juuri sopiva näiden ongelmien ratkaisemiseen.
Siksi pyrimme mukauttamaan syväoppimista kehittääksemme malleja pneumokonioosin älykkäästä havaitsemisesta, astediagnoosista ja korkean riskin varhaisvaroituksesta.
Annotoituja kuvia käytetään konvoluutiohermoverkkojen (CNN) algoritmien harjoitteluun, tavoitteena pneumokonioosin seulonta ja arvosanadiagnoosi.
Lisäksi tiheyslämpökartalla laskettua riskipistettä käytetään pölylle altistuneiden työntekijöiden ennakkovaroittamiseen.
Tämän jälkeen kohortin seuranta on tarkoitettu riskipisteiden oikeellisuuden tarkistamiseksi.
Tällä tavalla suuren riskin pölylle altistuneet työntekijät saavat varhaisen puuttumisen ja paremman ennusteen, mikä voi selvästikin vähentää lääketieteellistä taakkaa.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Ehdot
Yksityiskohtainen kuvaus
Pneumokonioosi, vallitseva ammattitauti Kiinassa ja kaikkialla maailmassa.
Rintakehän röntgenkuvaus on helpoin ja edullisin saatavilla oleva radiologinen testi pölylle altistuneiden työntekijöiden fyysiseen tutkimukseen ja pneumokonioosin massaseulomiseen.
Mutta diagnoosiprosessissa on joitain haittoja, kuten voimakas subjektiivisuus, tehottomuus ja rajavaurioiden arviointikyvyttömyys jne. Lisäksi pneumokonioosin ennaltaehkäisy on tärkeämpää kuin hoito.
Nykyinen prosessi ei kuitenkaan pysty varoittamaan korkean riskin pölylle altistuneita työntekijöitä ennen kuin heillä on diagnosoitu pneumokonioosi.
Tehokkuuden, persoonallisuuden ja kvantifioinnin ominaisuuksiensa ansiosta tekoäly on juuri sopiva ratkaisemaan edellä mainitut ongelmat.
Tähän mennessä on ollut harvinaista tutkimusta syvän oppimisen mukauttamisesta pneumokonioosin diagnoosiin ja korkean riskin varhaisvaroittamiseen.
Aiemmissa tutkimuksissamme perustimme rintakehän röntgenkuvatietokannan, joka sisältää yli 100 000 digitaalista pneumokonioosiradiografiakuvaa.
Havaintojärjestelmän arvioinnin tulos osoitti, että pneumokonioosin tunnistamisen tarkkuus voi nousta 90 %:iin, AUC (Area Under The Curve) oli 0,965 ja herkkyys 99 %.
Lisää töitä on jatkettava.
Siksi pyrimme mukauttamaan syväoppimista kehittääksemme malleja pneumokonioosin älykkäästä havaitsemisesta, astediagnoosista ja korkean riskin varhaisvaroituksesta.
Annotoituja kuvia käytetään konvoluutiohermoverkkojen (CNN) algoritmien harjoitteluun, tavoitteena pneumokonioosin seulonta ja arvosanadiagnoosi.
Lisäksi tiheyslämpökartalla laskettua riskipistettä käytetään pölylle altistuneiden työntekijöiden ennakkovaroittamiseen.
Tämän jälkeen kohortin seuranta on tarkoitettu riskipisteiden oikeellisuuden tarkistamiseksi.
Tällä tavalla suuren riskin pölylle altistuneet työntekijät saavat varhaisen puuttumisen ja paremman ennusteen, mikä voi selvästikin vähentää lääketieteellistä taakkaa.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
200
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Xiao Li, M.D.
- Puhelinnumero: +8613051709411
- Sähköposti: lixiao.sy@bjmu.edu.cn
Opiskelupaikat
-
-
Beijing
-
Beijing, Beijing, Kiina, 100191
- Rekrytointi
- Peking University Third Hospital
-
Ottaa yhteyttä:
- Xiao Li, M.D.
- Puhelinnumero: +8613051709411
- Sähköposti: lixiao.sy@bjmu.edu.cn
-
-
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
18 vuotta - 60 vuotta (AIKUINEN)
Hyväksyy terveitä vapaaehtoisia
Ei
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Todennäköisyysnäyte
Tutkimusväestö
pölylle alttiita työntekijöitä 16 Kiinan maakunnassa
Kuvaus
Sisällyttämiskriteerit:
- pölylle altistuvat työntekijät;
- on digitaalinen rintakehän röntgenkuvaus
Poissulkemiskriteerit:
- peruskeuhkosairaus;
- irtoaminen pölylle alttiista töistä
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 |
|---|
|
matalan riskin ryhmä
Riskiindeksi∈[0,0,5)
|
|
korkean riskin ryhmä
Riskiindeksi∈[0,5,1)
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
osallistujat, joilla on diagnosoitu "pneumokonioosi"
Aikaikkuna: ennen 31.12.2022
|
"Pneumokonioosiksi" diagnosoitujen osallistujien määrä
|
ennen 31.12.2022
|
|
kuolema
Aikaikkuna: ennen 31.12.2022
|
Kuolleiden osallistujien määrä
|
ennen 31.12.2022
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Pakotettu uloshengitystilavuus 1 sekunneissa (FEV1) %
Aikaikkuna: ennen 31.12.2022
|
Pakotettu uloshengitystilavuus 1 sekunnissa
|
ennen 31.12.2022
|
|
hapen osapaine, PaO2
Aikaikkuna: ennen 31.12.2022
|
hapen valtimoiden osapaine
|
ennen 31.12.2022
|
|
modifioitu lääketieteellisen tutkimuksen neuvosto, mMRC
Aikaikkuna: ennen 31.12.2022
|
kyselylomake, jota käytetään oireiden arvioimiseen
|
ennen 31.12.2022
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Tutkijat
- Päätutkija: Xiao Li, M.D., Peking University Third Hospital
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)
Keskiviikko 1. elokuuta 2018
Ensisijainen valmistuminen (ODOTETTU)
Keskiviikko 1. joulukuuta 2021
Opintojen valmistuminen (ODOTETTU)
Maanantai 1. joulukuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 23. kesäkuuta 2021
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 2. heinäkuuta 2021
Ensimmäinen Lähetetty (TODELLINEN)
Keskiviikko 7. heinäkuuta 2021
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (TODELLINEN)
Keskiviikko 7. heinäkuuta 2021
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 2. heinäkuuta 2021
Viimeksi vahvistettu
Tiistai 1. kesäkuuta 2021
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- PekingUTH-002
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
PÄÄTTÄMÄTÖN
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 .