Keinotekoinen älykkyys aivojen harmaa-valkoinen aine-moduulin käyttö Hsinchun alueella Hsinchu-alueella käyttämällä keinotekoista älykkyyttä aivojen harmaavalkoinen aine-moduuli
Extrapolatiivinen tutkimus sairaalan ulkopuolisen sydämenpysähdyksen ennusteesta Hsinchu-alueella käyttämällä keinotekoista älykkyyttä aivojen harmaavalkoista ainesuhdemoduulia
Tutkimuksen yleiskatsaus
Tila
Yksityiskohtainen kuvaus
Tämän tutkimuksen tarkoituksena on luoda sähköinen sairauskertomus ja kuvantamistietokanta sairaalan ulkopuolelle sydämenpysähdyspotilaille kansallisessa Taiwanin yliopistollisen sairaalan Hsinchu-sivukonttorissa. Tiimimme on kehittänyt AI: n syvän oppimisen mallin ja automaattisen analyysijärjestelmän aivojen harmaavalkoiseen aineeseen, joka perustuu Taiwanin kansallisen sairaalan tietoihin.
Nämä kehitykset validoidaan ulkoisesti käyttämällä tietokantaa Hsinchu -haarassa tässä projektissa. Tarkka ennustearviointi on ratkaisevan tärkeää lääkäreille ja perheille päätöksiä karttaprosessin jälkeisestä hoitamisesta. Nykyisillä käytettävissä olevilla arviointityökaluilla on kuitenkin rajallinen tarkkuus. Tämän tutkimuksen tavoitteena on kehittää multimodaalinen prognostinen arviointimalli, jossa yhdistyvät elektroniset sairauskertomukset ja aivojen harmaasävyjen automatisoidun analyysijärjestelmän. Tämä integrointi parantaa ennusteen arvioinnin tarkkuutta ja ennustavaa kykyä. Tutkimusryhmä on jo kehittänyt automatisoidun analyysijärjestelmän aivojen tietokoneiden tomografisten kuvien aivojen harmaanvalkoisen aineen laskemiseksi tarjoamalla tärkeätä tietoa aivojen patologisista muutoksista.
Lisäksi joukkue on kehittänyt myös AI-pohjaisen ennustemallin sydämen jälkeiselle pysäyksen ennusteelle, joka sisältää useita indikaattoreita ja muuttujia. Tämä järjestelmä on validoitu käyttämällä Kansallisen Taiwanin yliopistollisen sairaalan tietoja.
Mallimme tarkkuuden ja luotettavuuden vahvistamiseksi edelleen tutkimusryhmä aikoo tehdä yhteistyötä Hsinchu-sivukonttorin kanssa kerätäkseen ja järjestämään asiaankuuluvia tietoja karttapysäytyspotilaista, mukaan lukien sähköiset sairaustiedot ja kuvantamistiedostot. Ulkoiseen validointiin sovelletaan kehitettyä automatisoitua analyysijärjestelmää aivojen harmaavalkoista ainetta ja AI-pohjaista ennustavaa mallia. Tämän tutkimuksen avulla tavoitteena on perustaa ja optimoida kattavampi ja tarkempi ennustearviointimalli, auttaa lääkäreitä ja perheitä tekemään parempia päätöksiä sydämen jälkeisistä potilaista.
Lisäksi yhteistyö Hsinchu -haaran kanssa mahdollistaa mallimme validoinnin eri lääketieteellisissä laitoksissa ja potilaspopulaatioissa.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Hsinchu, Taiwan, 300
- National Taiwan University Hospital Hsin-Chu Branch
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Kansallisen Taiwanin yliopistollisen sairaalan Hsinchun sivukonttorin potilaat, jotka kokivat ei-traumaattisen sydämenpysähdyksen 1. tammikuuta 2014 ja 31. joulukuuta 2020, ja saavuttivat onnistuneesti spontaanin verenkierron (ROSC) paluun elvyttämisen jälkeen.
Poissulkemiskriteerit:
- Alle 18 -vuotiaat;
- Raskaana olevat naiset;
- Henkilöt, jotka eivät saavuttaneet onnistunutta elvytystä
- Henkilöt, joilla ei ole tietokonetomografiaa (CT) kuvantamista elvytyksen jälkeen.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Aivojen suorituskykyluokat (CPC) -asteikko
Aikaikkuna: ROSC: n saavutuksesta lähtien sairaalan vastuuvapautumiseen tai kuolemaan asti arvioitiin jopa 700 päivään saakka
|
Aivojen suorituskykyluokkien (CPC) asteikko on ratkaisevan tärkeä arvioitaessa neurologisia tuloksia OHCA -potilailla, tarjoamalla standardisoitu kehys aivojen toiminnan ja palautumisen arvioimiseksi sydämenpysähdyksen jälkeen.
CPC 1: stä (hyvä toipuminen) CPC 5: een (aivokuoli), se luokittelee neurologisen vajaatoiminnan tasot tarjoamalla tietoa potilaan ennusteesta.
Tätä asteikkoa käytetään laajasti kliinisissä ja tutkimusasetuksissa johdonmukaisen lopputuloksen mittauksen varmistamiseksi ja vertailun helpottamiseksi tutkimusten välillä.
Lisäksi sillä on tärkeä rooli kliinisten päätösten ja keskustelujen ohjaamisessa elvyttämisen jälkeisestä hoidosta ja odotuksista, jotka lopulta tukevat parempaa päätöksentekoa.
|
ROSC: n saavutuksesta lähtien sairaalan vastuuvapautumiseen tai kuolemaan asti arvioitiin jopa 700 päivään saakka
|
Yhteistyökumppanit ja tutkijat
Sponsori
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Mutasa S, Sun S, Ha R. Understanding artificial intelligence based radiology studies: What is overfitting? Clin Imaging. 2020 Sep;65:96-99. doi: 10.1016/j.clinimag.2020.04.025. Epub 2020 Apr 23.
- Chang HC, Tsai MS, Kuo LK, Hsu HH, Huang WC, Lai CH, Shih MC, Huang CH. Factors affecting outcomes in patients with cardiac arrest who receive target temperature management: The multi-center TIMECARD registry. J Formos Med Assoc. 2022 Jan;121(1 Pt 2):294-303. doi: 10.1016/j.jfma.2021.04.006. Epub 2021 Apr 29.
- Rea TD, Eisenberg MS, Sinibaldi G, White RD. Incidence of EMS-treated out-of-hospital cardiac arrest in the United States. Resuscitation. 2004 Oct;63(1):17-24. doi: 10.1016/j.resuscitation.2004.03.025.
- Wang CH, Huang CH, Chang WT, Tsai MS, Yu PH, Wu YW, Chen WJ. Prognostic performance of simplified out-of-hospital cardiac arrest (OHCA) and cardiac arrest hospital prognosis (CAHP) scores in an East Asian population: A prospective cohort study. Resuscitation. 2019 Apr;137:133-139. doi: 10.1016/j.resuscitation.2019.02.015. Epub 2019 Feb 20.
- Adrie C, Cariou A, Mourvillier B, Laurent I, Dabbane H, Hantala F, Rhaoui A, Thuong M, Monchi M. Predicting survival with good neurological recovery at hospital admission after successful resuscitation of out-of-hospital cardiac arrest: the OHCA score. Eur Heart J. 2006 Dec;27(23):2840-5. doi: 10.1093/eurheartj/ehl335. Epub 2006 Nov 2.
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 (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 202404018RINA
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
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 .