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

Monen lukijan retrospektiivinen tutkimus, jossa tutkitaan Carebot AI CXR 2.0.21-v2.01 -toteutusta jokapäiväisessä radiologian kliinisessä käytännössä

lauantai 30. toukokuuta 2026 päivittänyt: Carebot s.r.o.
Ensisijaisena tavoitteena on arvioida ehdotetun DLAD:n (Carebot AI CXR) suorituskykyparametrit verrattuna yksittäisiin radiologeihin.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

18. lokakuuta 2022 ja 17. marraskuuta 2022 välisenä aikana potilaista kerättiin anonymisoituja rintakehän röntgenkuvia Havířovin sairaalan radiodiagnostiikkaosastolla, p.o. Keräysprosessi sisälsi OR-CZ spol:n tarjoaman CloudPACS-kuvantamis- ja arkistointijärjestelmän hyödyntämisen. s r.o.

Kerätyt röntgenkuvat altistettiin ehdotetulle DLAD:lle (Carebot AI CXR) analysointia varten. Myöhemmin DLAD:n suorituskykyä verrattiin tavalliseen kliiniseen käytäntöön, jossa radiologit arvioivat CXR-kuvia simuloidussa sairaalaympäristössä, jolloin heillä oli pääsy normaaleihin katselutyökaluihin (esim. panorointi, zoomaus, WW/WL) ja heille annettiin rajoittamaton määrä aikaa suorita tarkistus loppuun. Jokainen radiologi määritti 7 indikoidun radiologisen löydön olemassaolon tai puuttumisen, mukaan lukien atelektaasin (ATE), konsolidaation (CON), keuhkopussin effuusio (EFF), keuhkovaurio (LES), ihonalainen emfyseema (SCE), kardiomegalia (CMG) ja ilmarinta. PNO).

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

956

Yhteystiedot ja paikat

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

Opiskelupaikat

  • Tšekki
      • Havířov, Tšekki, 73601
        • Nemocnice Havířov, p. o.

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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei käytössä

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Potilaan sukupuoli Nainen: 480 (50,21 %) Mies: 474 (49,58 %) Määrittelemätön: 2 (0,21 %)

Potilaan ikä 18-30: 58 (6,07 %) 31-50: 163 (17,05 %) 51-70: 366 38,28 %) 70+: 369 (38,60 %)

Kuvaus

Sisällyttämiskriteerit:

  • Yli 18-vuotiaat sairaalapotilaat, jotka lähetettiin keuhkojen röntgentutkimukseen 18.10.2022 ja 17.11.2022 Havířovin sairaalan radiodiagnostiikkaosastolla, p.o.

Poissulkemiskriteerit:

  • Potilaat alle 18-vuotiaat
  • Rintakehän röntgenkuvat sivuasennossa
  • Kopioidut rintakehän röntgenkuvat

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
Retrospektiivinen kokoelma ajalle 18.10.2022 ja 17.11.2022
Osastolla otettiin määräajassa yhteensä 1 073 rintakehän röntgenkuvausta. Tiedonkeruu säilyi ennallaan ja muuttumattomana koko testausvaiheen ajan, mikä varmisti tietojoukon eheyden. Kerätty näyte edustaa tarkasti löydösten esiintyvyyttä havaitussa populaatiossa. Kun soveltumattomat tutkimukset, kuten alle 18-vuotiaiden potilaiden röntgenkuvat, lateraaliprojektioröntgenkuvat ja riittämättömän laadukkaat skannaukset, jätettiin pois, yhteensä 956 relevanttia CXR-kuvaa tunnistettiin lisäarviointia varten.
Laite: Carebot AI CXR
Ehdotettu DLAD (Carebot AI CXR) on syvään oppimiseen perustuva lääketieteellinen laite, joka on suunniteltu auttamaan radiologeja tulkitsemaan anteroposteriorisessa (AP) tai posteroanteriorisessa (PA) projektiossa otettuja rintakehän röntgenkuvia. Käyttämällä edistyneitä syväoppimisalgoritmeja tämä ratkaisu mahdollistaa epänormaalien löydösten automaattisen havaitsemisen analysoimalla tiettyihin olosuhteisiin liittyviä visuaalisia kuvioita. Kohdennettuja poikkeavuuksia ovat atelektaasi (ATE), konsolidaatio (CON), pleuraeffuusio (EFF), keuhkovaurio (LES), ihonalainen emfyseema (SCE), kardiomegalia (CMG) ja ilmarinta (PNO). DLAD toimii ennustealgoritmina, jota täydentävät erilaiset sovellusoheislaitteet, kuten verkkopohjaiset viestintätyökalut, DICOM-tiedostojen muunnosominaisuudet sekä tallennus- ja raportointikirjastot, jotka tukevat sekä DICOM Structured Report- että DICOM Presentation State -muotoja.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Suorituskykytesti
Aikaikkuna: Maaliskuu 2023
Ensisijaisena tavoitteena on arvioida ehdotetun DLAD:n (Carebot AI CXR) suorituskykyparametrit verrattuna yksittäisiin radiologeihin. Suorituskykytesti sisältää herkkyyden ja spesifisyyden, positiivisen ja negatiivisen todennäköisyyssuhteen sekä positiivisen ja negatiivisen ennustusarvon. Edellä mainittuja parametreja verrataan tilastollisesti käyttämällä luottamusväliä (CI) ja p-arvoja. Vertailumenettely koostuu kahdesta vaiheesta: tehdään globaali hypoteesitesti sen selvittämiseksi, onko DLAD:n ja radiologien välillä merkittäviä eroja. Jos globaali hypoteesitesti antaa merkittävän tuloksen, suoritetaan yksittäisiä hypoteesitestejä. Lisäksi useita vertailumenetelmiä, kuten McNemar jatkuvuuskorjauksella Se:lle ja Sp:lle, Holmin menetelmä LR:ille ja painotettuja yleisiä pistemäärätilastoja PV:ille, käytetään hallitsemaan yleistä virheprosenttia. Kaikki testit suoritetaan kaksisuuntaisina testeinä 5 %:n merkitsevyystasolla.
Maaliskuu 2023

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Carebot s.r.o.

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

  • KVAK, Daniel, Anna CHROMCOVÁ, Petra OVESNÁ, Jakub DANDÁR, Marek BIROŠ, Robert HRUBÝ, Daniel DUFEK a Marija PAJDAKOVIĆ. Can Deep Learning Reliably Recognize Abnormality Patterns on Chest X-rays? A Multi-Reader Study Examining One Month of AI Implementation in Everyday Radiology Clinical Practice. arXiv. 2023, 2305.10116, 26 s.

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)

Tiistai 18. lokakuuta 2022

Ensisijainen valmistuminen (Todellinen)

Torstai 17. marraskuuta 2022

Opintojen valmistuminen (Todellinen)

Tiistai 21. maaliskuuta 2023

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 12. heinäkuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 19. heinäkuuta 2023

Ensimmäinen Lähetetty (Todellinen)

Torstai 27. heinäkuuta 2023

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 3. kesäkuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Lauantai 30. toukokuuta 2026

Viimeksi vahvistettu

Perjantai 1. toukokuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • CB-CXR-01-HA

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 .

Tilaa