- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06675266
LENTOkehys: tekoäly sikiön aivopoikkeavuuksien tunnistamiseksi toisen raskauskolmanneksen sikiön aivotutkimuksessa (AIRFRAME)
Tekoälyalgoritmin kehittäminen rutiininomaisessa sikiön aivojen ultraäänitutkimuksessa havaittujen epänormaalien löydösten tunnistamiseksi. AIRFRAME (keinoäly sikiön aivojen epämuodostumien tunnistamiseen)
Tutkimuksen yleiskatsaus
Tila
Yksityiskohtainen kuvaus
Tekoälyn soveltaminen synnytysultraäänitutkimuksessa sisältää kolme näkökohtaa: rakenteen tunnistaminen, automaattiset ja standardoidut mittaukset sekä luokitteludiagnoosi. Koska synnytysultraääni on aikaa vievää, tekoälyn käyttö voi myös lyhentää tutkimusaikaa ja parantaa työnkulkua.
Tutkimuksen suunnittelu: tämä on monikeskusinen retrospektiivinen havainnollinen kohorttitutkimus ja sitä seuraava prospektiivinen kohorttitutkimus. Opintojen suunnittelu järjestetään kahdessa eri vaiheessa.
Ensimmäisen vaiheen, toteutettavuusretrospektiivisen tutkimuksen tavoitteena on kehittää ja harjoitella tekoälyalgoritmia normaaleilla ja epänormaaleilla kuvilla, jotka on saatu takautuvasti toisen raskauskolmanneksen ultraäänitutkimuksessa useista kansainvälisistä sikiölääketieteen keskuksista.
Toisen vaiheen, prospektiivisen kliinisen validoinnin, tavoitteena on testata AI-algoritmia sikiön aivojen perusanatomian arvioinnissa todellisessa klinikkaympäristössä todellisilla potilailla kustakin osallistuvasta sikiölääkekeskuksesta.
Asetus: Kolme (3) sikiön lääkekeskusta.
Osallistujat: yksittäinen raskaana oleva väestö, joille tehtiin ultraäänitutkimus 19 - 22 raskausviikolla osallistuvissa keskuksissa.
Ensisijainen päätepiste: validoida uusi tekoälyyn perustuva teknologia sikiön aivojen perusanatomian automaattiseen arviointiin, jota voitaisiin mahdollisesti käyttää tukemaan toisen raskauskolmanneksen seulontaskannausta.
Toissijaiset päätepisteet:
Parantaa sikiön aivojen anatomian toisen raskauskolmanneksen tavanomaisen seulonnan suorituskykyä varmistamalla sen luotettava ultraääniarviointi lyhyemmässä suoritusajassa.
Havaitaan parempi toistettavuus ja uusittavuus, mahdollistaa ultraääniseulonnan toteuttamisen myös tehokkuuden kannalta laajassa mittakaavassa, terveydenhuollon resurssien optimointi Tutkimuksen ensimmäisessä vaiheessa osallistuvat sikiölääkekeskukset hakevat sähköisistä tietokannoistaan kuvia yksittäisistä raskaana olevista naisista, jotka hänelle tehtiin ultraäänikuvaus 19+0 - 22+6 raskausviikolla missä tahansa sikiön aivovauriossa. Normaalit kuvat sikiön aivoista samassa raskausiässä tarjoavat edistämiskeskukset - eli Fondazione Policlinico A. Gemelli, IRCCS ja Parman yliopisto. Jokaisen osallistuvan keskuksen päätutkija hakee kunkin tapauksen kliiniset, ultraääni-, syntymää edeltävät ja synnytyksen jälkeiset tiedot potilaan potilastiedot ja syöttää ne sähköiseen tietokantakokoelmatiedostoon. Hankitut kuvat anonymisoidaan, tallennetaan DICOM-muodossa ja jaetaan erillisen pilvitallennusjärjestelmän kautta, jonka biotekniikkatiimi perustaa. Jokainen keskus pääsee verkkojärjestelmään henkilökohtaisen tunnuksen ja salasanan avulla.
Tutkimuksen toisessa vaiheessa algoritmia testataan ja validoidaan todellisessa kliinisessä ympäristössä todellisten potilaiden kanssa jokaisesta osallistuvasta sikiölääkekeskuksesta. Sisällytys- ja poissulkemiskriteerit, kuvantamisprotokolla ja tiedonkeruu ovat samat retrospektiivisen vaiheen aikana.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Alessandra Familiari, MD
- Puhelinnumero: +39 3285887422
- Sähköposti: alessandra.familiari@policlinicogemelli.it
Opiskelupaikat
-
-
-
Rome, Italia, 00136
- Rekrytointi
- Fondazione Policlinico Universitario Agostino Gemelli
-
Ottaa yhteyttä:
- Alessandra Familiari, MD
- Puhelinnumero: +39 3285887422
- Sähköposti: alessandra.familiari@policlinicogemelli.it
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällön kriteerit:
- Naiset, joilla on yksittäisraskaus, ultraäänitutkimuksessa 19+0 - 22+6 raskausviikolla
Poissulkemiskriteerit:
- Naiset, joille ei tehty toisen raskauskolmanneksen seulontaskannausta vakiintuneessa raskausiässä.
- Naiset, joilla sikiön pään transventrikulaarisen, transtalamisen ja transaivojen tason hyvä visualisointi ei ollut teknisesti mahdollista.
- Naiset, jotka eivät pysty antamaan tietoista suostumusta.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
CASE
Sikiöt, joilla on aivohäiriöitä
|
AI-algoritmin kehittäminen sikiön aivojen poikkeavuuksien varhaiseen havaitsemiseen raskauden toisella kolmanneksella
Muut nimet:
|
|
SÄÄDÖT
Sikiöt, joilla on aivohäiriö
|
AI-algoritmin kehittäminen sikiön aivojen poikkeavuuksien varhaiseen havaitsemiseen raskauden toisella kolmanneksella
Muut nimet:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
AI-algoritmi
Aikaikkuna: 2 vuotta
|
Tekoälyalgoritmisovelluksella havaittujen tapausten määrä
|
2 vuotta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Toistettavuus
Aikaikkuna: 1 vuosi
|
Tekoälyalgoritmisovelluksella havaittujen tapausten määrä verrattuna tapauksiin, jotka havaittiin tavanomaisilla synnytystä edeltävillä diagnoositekniikoilla
|
1 vuosi
|
Yhteistyökumppanit ja tutkijat
Yhteistyökumppanit
Tutkijat
- Päätutkija: Alessandra Familiari, Fondazione Policlinico Universitario A. gemelli, IRCCS
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Chen H, Wu L, Dou Q, Qin J, Li S, Cheng JZ, Ni D, Heng PA. Ultrasound Standard Plane Detection Using a Composite Neural Network Framework. IEEE Trans Cybern. 2017 Jun;47(6):1576-1586. doi: 10.1109/TCYB.2017.2685080. Epub 2017 Mar 30.
- Yu Z, Tan EL, Ni D, Qin J, Chen S, Li S, Lei B, Wang T. A Deep Convolutional Neural Network-Based Framework for Automatic Fetal Facial Standard Plane Recognition. IEEE J Biomed Health Inform. 2018 May;22(3):874-885. doi: 10.1109/JBHI.2017.2705031. Epub 2017 May 17.
- Yaqub M, Kelly B, Papageorghiou AT, Noble JA. A Deep Learning Solution for Automatic Fetal Neurosonographic Diagnostic Plane Verification Using Clinical Standard Constraints. Ultrasound Med Biol. 2017 Dec;43(12):2925-2933. doi: 10.1016/j.ultrasmedbio.2017.07.013. Epub 2017 Sep 28.
- Ambroise Grandjean G, Hossu G, Bertholdt C, Noble P, Morel O, Grange G. Artificial intelligence assistance for fetal head biometry: Assessment of automated measurement software. Diagn Interv Imaging. 2018 Nov;99(11):709-716. doi: 10.1016/j.diii.2018.08.001. Epub 2018 Sep 1.
- Rydberg C, Tunon K. Detection of fetal abnormalities by second-trimester ultrasound screening in a non-selected population. Acta Obstet Gynecol Scand. 2017 Feb;96(2):176-182. doi: 10.1111/aogs.13037. Epub 2016 Nov 22.
- Hendricks KA, Simpson JS, Larsen RD. Neural tube defects along the Texas-Mexico border, 1993-1995. Am J Epidemiol. 1999 Jun 15;149(12):1119-27. doi: 10.1093/oxfordjournals.aje.a009766.
- Klusmann A, Heinrich B, Stopler H, Gartner J, Mayatepek E, Von Kries R. A decreasing rate of neural tube defects following the recommendations for periconceptional folic acid supplementation. Acta Paediatr. 2005 Nov;94(11):1538-42. doi: 10.1080/08035250500340396.
- De Wals P, Rusen ID, Lee NS, Morin P, Niyonsenga T. Trend in prevalence of neural tube defects in Quebec. Birth Defects Res A Clin Mol Teratol. 2003 Nov;67(11):919-23. doi: 10.1002/bdra.10124.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Arvioitu)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- Prod. ID 4813
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 .