Tekoälyalgoritmin validointi, joka tunnistaa kaikukardiografisia viitenäkymiä. Ultraääni - Sydämen hankintaopas (U-CAG)
Tekoälyalgoritmin tuleva validointi, joka tunnistaa kaikukardiografisia viitenäkymiä. Ultraääni - Sydämen hankintaopas
Ekokardiografia on valintatutkimus sydämen patologioiden tutkimuksessa. Kardiologien käytön lisäksi kaikukardiografian kiinnostus muihin lääketieteen erikoisaloihin on jo osoitettu, erityisesti tehohoidossa hemodynaamisen vajaatoiminnan yhteydessä tai sairaalan sisäisessä ja ulkoisessa ensiapuhoidossa rintakivun tai hengenahdistuksen alustavassa arvioinnissa.
Ekokardiografialla on myös tärkeä rooli sydänsairauksien, erityisesti läppäsydänsairauksien, seulonnassa. Maissa, joissa kaikukardiografia on hyvin rajallinen, sydänläppäsairaus, mukaan lukien reumakuume, on laajalti alidiagnosoitu, joka vaikuttaa 30 miljoonaan ihmiseen ja aiheuttaa 305 000 kuoleman maailmanlaajuisesti. Koska kyseessä on maailmanlaajuinen kansanterveysongelma, vuonna 2012 laadittiin suosituksia riskiryhmien kaikukardiografisen seulonnan järjestämiseksi ja helpottamiseksi.
Kaikukardiografian käytön laajentamista on katalysoinut ultraäänijärjestelmien miniatyrisointi ja niiden hinnan aleneminen. Viime aikoina on kehitetty suoraan tablettiin tai puhelimeen kytkettyjä luotareita rajoitetuin kustannuksin.
Siksi on mahdollista pitää näitä ultraääniskannereita uutena stetoskoopina, jota kuka tahansa terveydenhuollon ammattilainen voisi käyttää.
Jotta tämä demokratisointi olisi tehokasta, viimeinen raja on koulutus ja erityisesti ei-asiantuntijoiden koulutus (esim. ei-kardiologit).
Ekokardiografia on edelleen tutkimus, joka vaatii anatomisia tietoja ja harjoittelua. Kaikukuvauksen tekemiseen kuuluu sydämen visualisointi rinnan eri kohdista. Kolme pääpistettä ovat vasemmalla paraspinaalialueella, sydämen huipussa ja rintalastan alla. Näiltä alueilta operaattorin on saatava useita vertailunäkymiä, jotka on tarkasti määritelty, jotta hän voi tarkkailla oikein sydämen eri rakenteita ja tehdä vertailukelpoisia mittauksia tutkimuksesta ja lääkäristä toiseen.
Siksi on ensinnäkin opittava käsittelemään koetinta ja kyettävä saamaan referenssinäkymät. Potilaan morfologia, rintakehän muoto, sydämen tarkka sijainti, sydämen liikkeet potilaan asennon mukaan ja hänen hengityksensä ovat kaikki huomioitavia tekijöitä ja tekevät jokaisesta tutkimuksesta erilaisen kuin edellisessä. yksi.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Vastauksena tähän ongelmaan useat tiimit ovat hyödyntäneet syväoppimisen edistysaskeleita, erityisesti tietokonenäön alalla, auttaakseen ei-asiantuntijoita saamaan nämä viitenäkymät. Useat ryhmät ovat kehittäneet algoritmeja näiden näkymien tunnistamiseen ja erottamiseen käyttämällä konvoluutiohermoverkkoja. Tämän työn tavoitteena on auttaa käyttäjää tunnistamalla reaaliajassa saatu ultraäänikuva referenssinäkymäksi.
Tammikuusta 2019 lähtien professori Stéphane Lafitten johtama kaikukardiografialaboratorio ja DESKi, Bordeaux-pohjainen syvään oppimiseen ja lääketieteelliseen kuvantamiseen erikoistunut start-up, ovat työstäneet tämäntyyppistä ratkaisua. Erityisesti he pystyivät kehittämään retrospektiiviseen tietoon perustuvan algoritmin, joka luokittelee kuvat 7 viitenäkymän mukaan (parasternaalinen pitkä akseli, parasternaalinen lyhyt akseli, apikaalinen 4-3-2 onkaloa, subcostal 4 onteloa ja inferior vena cava) ja luokka, joka edustaa ultraäänikuvia, jotka eivät vastaa mitään näistä näkymistä.
Tämän työn erityispiirteet ovat pääasiassa siinä, että algoritmi havaitsee vain riittävän laadukkaat näkymät (kaikukykyisyys ja näkyvä anatominen osa kuvassa) luotettavaa analyysiä varten ja että hermoverkon arkkitehtuuri on yhteensopiva reaaliaikaisen käytön kanssa älypuhelin.
Kaikki nämä algoritmit rakennettiin ja validoitiin ryhmistä riippumatta retrospektiivisistä tiedoista eli kardiologien tavanomaisten kaikukardiografiatutkimusten aikana tallentamista ultraäänikuvista. Näissä tallennuksissa kardiologit säilyttävät vain vertailunäkymiä vastaavat kuvat. Kardiologi liittää sitten jokaisen kuvasilmukan tai hankinnan vertailunäkymään. Näistä kardiologien ja oppimismenetelmän merkitsemistä tallennuksista algoritmit oppivat havaitsemaan ja erottamaan nämä vertailunäkymät. Algoritmit validoidaan sitten näytteellä, jota ei ole käytetty harjoitteluun, vertaamalla niiden tuloksia kardiologien tekemiin merkintöihin.
Tämän validoinnin rajoituksena on, että se ottaa vain vähän huomioon algoritmin käyttäytymistä, kun se kohtaa kuvia, jotka eivät ole vertailunäkymiä.
Itse asiassa ennen näiden vertailunäkymien tallentamista käyttäjä etsii parhaan näkymän tarjoavan anturin sijainnin siirtämällä sitä potilaan vartalon yli. Tämä koko skannausvaihe suoritetaan vakiotutkimuksen aikana ilman tallentamista. Mitään näistä ratkaisuista ei siksi ole validoitu ennakoivasti hankinnoissa, mukaan lukien viitenäkymien skannausvaihe.
Prospektiivisen monosentrinen tutkimuksen avulla tutkimuksen tavoitteena on verrata algoritmilla tehtyä leimaamista ja kardiologien merkintöjä hankinnoista, mukaan lukien viitenäkymähakuvaiheen tallentaminen ja osana rutiinihoitoa sydämen kaikututkimuslaboratoriossa.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Pessac, Ranska, 33604
- Bordeaux University Hospital
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Yli 18-vuotiaat potilaat (mies tai nainen),
- Potilaalle, jolle on määrätty kaikututkimus Bordeaux'n yliopistollisen sairaalan kaikulaboratoriossa,
- potilas, joka on kieltäytynyt tutkimukseen osallistumisesta (viimeistään osallistumispäivänä ja ennen tutkimuksen edellyttämää tutkimusta),
- Henkilöt, jotka kuuluvat sosiaaliturvajärjestelmään tai hyötyvät siitä,
- Hedelmällisessä iässä olevat naiset hyötyvät tehokkaasta ehkäisystä.
Poissulkemiskriteerit:
- Henkilö, jolle on asetettu oikeusturva (oikeusturva, holhous tai kuraattorit),
- Henkilö, joka on riistetty vapaudesta oikeudella tai hallinnollisella päätöksellä,
- Henkilö, joka ei pysty antamaan vastustamattomuuttaan,
- Raskaana olevat tai imettävät naiset.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Ekokardiografiaryhmä
|
Algoritmin arviointi tapahtuu potilailla, joilla on indikaatio kaikukardiografiaan. Tämä tutkimus tehdään tavanomaisella tavalla tutkimuksen indikaatioon liittyvien mahdollisten erityistutkimusten kanssa. Kaikukardiografian aikana käyttäjä tallentaa hakuvaiheen seuraaville viitenäkymille:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Algoritmin arviointi - kardiologin yhteensopivuus
Aikaikkuna: Päivä 0
|
Mitataan niiden kuvien prosenttiosuudella, joiden algoritmin merkinnät ja kardiologin merkinnät ovat identtisiä.
Tämä prosenttiosuus lasketaan tutkimusta kohti.
|
Päivä 0
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Stéphane LAFITTE, MD PhD, University Hospital, Bordeaux
- Opintojen puheenjohtaja: Bertrand MOAL, DESKi
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
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- CHUBX 2020/02
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 .