Hormoniherkkyyden ja tekoälyn idiopaattisen interstitiaalisen keuhkokuumeen kuvantamisen välinen suhde (IIP)
tiistai 23. marraskuuta 2021 päivittänyt: Peking University Third Hospital
Tekoälyn syväoppimisalgoritmin soveltaminen analysoimaan idiopaattisen interstitiaalisen keuhkokuumeen hormoniherkkyyden ja korkearesoluutioisen TT:n kuvantamisominaisuuksien välistä suhdetta.
Tutkimuksen yleiskatsaus
Tila
Valmis
Interventio / Hoito
Yksityiskohtainen kuvaus
Menetelmät: Pekingin yliopiston kolmannen sairaalan hengitystieosastolle 1.6.2012-31.12.2020 otettujen idiopaattista interstitiaalista keuhkokuumetta sairastavien potilaiden potilastiedot ja rintakehän korkearesoluutioiset TT-kuvat analysoitiin takautuvasti. Tekoälyn syväoppimisen soveltaminen hermokonvoluutioverkko menetelmällä luoda tunnistustekniikkaa eri kuvantamisen ominaisuuksia.Sisältäen hiottu lasi, verkko, hunajakenno, kyhmy tai konsolidointi, malli perustettiin.
IIP-potilaat jaettiin hormoniherkkiin ja hormonittomiin ryhmiin sen mukaan, oliko hormonin käyttö tehokasta vai ei. Tilastollisesti merkittävien parametrien ja hormoniherkkyyden välistä korrelaatiota analysoitiin logistisella regressioanalyysillä. Korrelaatiomallin määrittämiseen käytettiin tekoälyä. kuvantamisominaisuuksien ja kliinisen tiedon ja hormoniherkkyyden välillä.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
150
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Beijing
-
Beijing, Beijing, Kiina, 100191
- Peking University Third Hospital
-
-
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 - 90 vuotta (Aikuinen, Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Ei
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
1.6.2012–31.12.2020 kaikki IIP-potilaat vietiin Pekingin yliopiston kolmannen sairaalan hengitys- ja tehohoidon osastolle.
Potilaita on yhteensä 150, hormonipotilaita 45, keski-ikä 62 vuotta, 21 miestä.
Kuvaus
Sisällyttämiskriteerit:
Idiopaattisen interstitiaalisen keuhkokuumeen kliinis-patologinen-radiologinen diagnoosi Käytettiin hormonihoitoa; Seurantatiedot olivat täydelliset, ja hormonin käytön vaikutusta voitiin arvioida.
Poissulkemiskriteerit:
Keuhkotulehdussairaus; Sydämen vajaatoiminta; sidekudossairaus; IIP Ilman hormonihoitoa ; IIP, mutta seurantatiedot olivat epätäydellisiä, eikä hormonien käytön vaikutusta voitu arvioida.
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 |
|---|---|
|
Hormoniherkkä ryhmä
Prednisoni, 0,5 mg/kgqd, 3-6 kuukautta
|
Hiottu lasi, hunajakenno, verkko, tiivistys
|
|
Hormoniherkkyysryhmä
Prednisoni, 0,5 mg/kgqd, 3-6 kuukautta
|
Hiottu lasi, hunajakenno, verkko, tiivistys
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
kliiniset tiedot ja kuvantamisominaisuuksien suhteet molemmissa ryhmissä
Aikaikkuna: 3-6 kuukautta lääkityksen jälkeen
|
kliiniset tiedot, mukaan lukien ikä, sukupuoli, oireet, merkit, tupakointihistoria, komplikaatiot, laboratoriotutkimus, keuhkojen toiminta.
Kuvausominaisuus, mukaan lukien hioslasin opasiteetti, verkko, hunajakenno ja tiivistys.
|
3-6 kuukautta lääkityksen jälkeen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
kuvantamisominaisuuksien ja hormoniherkkyyden välinen suhde
Aikaikkuna: 3-6 kuukautta lääkityksen jälkeen
|
Logistinen regressio, joka analysoi kuvantamisominaisuuksien ja hormoniherkkyyden välistä suhdetta.
|
3-6 kuukautta lääkityksen jälkeen
|
Muut tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
tekoälyalgoritmimallin kehittäminen
Aikaikkuna: 3-6 kuukautta lääkityksen jälkeen
|
U-net-menetelmällä syväoppimisen konvoluutiohermoverkko (CNN) luotiin eri kuvantamisominaisuuksien tunnistusmalli.
Kuvausominaisuuksia ovat hioslasin opasiteetti, verkko, hunajakenno ja lujittaminen.
Kun syötteenä oli kahden ryhmän kuvantamisominaisuuksien pinta-alasuhde ja lähtönä hormonien tehokkuus, kuvantamisominaisuuksien ja hormoniherkkyyden välinen korrelaatiomalli määritettiin käyttämällä tekoälyn k lähin naapuri (KNN) -algoritmia ja tukivektorikonetta (SVM). algoritmi.
|
3-6 kuukautta lääkityksen jälkeen
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Tutkijat
- Päätutkija: Bei He, Peking University Third Hospital Respiratory and critical care department
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 30. joulukuuta 2019
Ensisijainen valmistuminen (Todellinen)
Tiistai 1. kesäkuuta 2021
Opintojen valmistuminen (Todellinen)
Keskiviikko 30. kesäkuuta 2021
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 30. kesäkuuta 2021
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Tiistai 23. marraskuuta 2021
Ensimmäinen Lähetetty (Todellinen)
Tiistai 7. joulukuuta 2021
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 7. joulukuuta 2021
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 23. marraskuuta 2021
Viimeksi vahvistettu
Tiistai 1. kesäkuuta 2021
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- LM2019173
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
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 .