Kliininen tutkimus suurten aineistojen ja syväoppimisen pohjalta kehitetystä tekoälyavusteisesta röntgenkuvamallista Kawasakin taudin varhaiseen havaitsemiseen
Kliininen tutkimus suurten tietomäärien ja syväoppimisen perustuvaa tekoälyavusteista röntgenkuvamallia käyttävästä Kawasakin taudin varhaisesta havaitsemisesta
Tämän havainnointitutkimuksen tavoitteena on kehittää tekoälyyn perustuva varhainen varoitusjärjestelmä Kawasakin tautiin (KD) lasten röntgenkuvien (CXR) avulla, joilla on diagnosoitu Kawasakin tauti. Tutkimuksen keskeiset kysymykset ovat:
- Voiko CXR-ominaisuuksien tekoälymallinnus auttaa tunnistamaan korkean riskin KD-potilaat aikaisemmin kuin nykyiset diagnoosimenetelmät?
- Voiko tekoälyjärjestelmä ennustaa optimaalisen IVIG-hoitoikkunan ja sepelvaltimoriskit KD-potilailla?
Osallistujat:
Tarjoavat retrospektiivistä dataa röntgenkuvista ja kliinisestä datasta (CRP, sepelvaltimoiden ultraäänitutkimus jne.)
Sallivat CXR-ominaisuuksien analysoinnin syväoppimismalleilla oleellisten kuvioiden erottamiseksi
Heidän tietonsa sisällytetään federatiiviseen oppimismalliin yksityisyyden ja tietoturvan varmistamiseksi
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
- Tutkimustaustan ja kliinisten kipupisteiden tausta Kawasakin tauti (KD) on johtava hankittujen sydänsairauksien aiheuttaja lapsilla. Perinteinen diagnoosi perustuu subjektiivisiin oireisiin, kuten vähintään 5 päivää kestäneeseen kuumeeseen ja ihottumiin, mikä johtaa kahteen pääongelmaan: viivästynyt diagnoosi, jossa 30% epätyypillisistä potilaista menettää optimaalisen IVIG-hoidon ikkunan (kuumeen kesto 5–10 päivää); ja sepelvaltimoiden vaurio: hoidon viivästyminen vähintään 7 päivällä lisää sepelvaltimoiden laajenemisen riskiä 47%. Nykyisillä AHA-standardien herkkyys on vain 35% lapsilla, joilla on kuumetta enintään 3 päivää, mikä korostaa objektiivisen varoitusjärjestelmän perustamisen kiireellistä tarvetta.
Tutkimustavoitteet ja tekninen lähestymistapa Ydinläpimurto: Ensimmäistä kertaa käytetään rinnan röntgenkuvia (CXR) kehittämään tekoälyyn perustuva varoitustalli.
Tekninen polku: Monikeskuksinen tietojen integrointi, CXR- ja kliinisten tietojen kerääminen (kliiniset oireet, laboratoriotestit, sepelvaltimoiden ultraäänitutkimus jne.) ja federatiivinen oppimisviitekehys tietosuojan ja turvallisuuden varmistamiseksi. Kuvantamisen biomarkkereiden ja CXR-ominaisuuksien, joita ihmissilmä ei pysty näkemään, tutkiminen sekä monimuotoisen dynaamisen varoitustallin kehittäminen.
Kaksipolkuinen CNN CXR-ominaisuuksien erottamiseen → Graafineuroverkot laboratorioindikaattoreiden integroimiseksi → Diagnoosimalli Kawasakin taudin riskipisteen tuottamiseksi.↑
Innovaatioedut ja kliininen arvo Varhaisvaroituskyky oli vahva jo kuumeen 3. päivänä, saavuttaen ennakkokokeen herkkyyden 87,2% Kawasakin taudille, samalla tarjoten yksilöllisiä IVIG-hoidon ikkunoita ja ennustettuja sepelvaltimoriskejä. Kevyt malli (alle 50 MB) on mukautettavissa käytettäväksi perusterveydenhuollossa.
Kliininen polku:
Tekoäly tunnistaa korkean riskin lapset → Etusijalle sydämen ultraäänitutkimukselle → IVIG-hoidon ikkuna aikaistettu → Sydän- ja verisuonitautien väheneminen.
Lopputavoitteena on lyhentää diagnoosiaikaa ja vähentää Kiinan KD-potilaiden sydän- ja verisuonitautien komplikaatioita.
Vahvistussuunnitelma ja tulosten siirto
Kolmevaiheinen vahvistus:
Sisäinen: 5-kertainen ristiinvalidointi (AUC ≥0,88) Ulkoinen: Sokkotestaus 3 sairaalassa (herkkyys >85%, spesifisyys >80%) Kliininen: Reaaliaikainen käyttöönotto hätätilanteissa (vastes ≤15 sekuntia) Tulosten siirto: 1–2 vertaisarvioitua aikakauslehtijulkaisua ja 1–2 patenttihakemusta; edistää Kawasakin taudin varhaista tunnistamista, parantaen siten kliinistä lopputulosta.
- Päätelmän ydin Tämä tutkimus pyrkii selvittämään objektiivisia biomarkkereita, kuten keuhkovaltimon verisuonimerkkejä CXR-kuvissa, ja rakentamaan AI-CXR-varoitusjärjestelmän KD:lle. Se rikkoo nykyisen riippuvuuden kuumeen kestosta ja subjektiivisista oireista, tarjoten tukea varhaiselle diagnoosille ja parantaen potilaiden lopputulosta.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Jian Wang, Doctoral Degree
- Puhelinnumero: 86-15900861356
- Sähköposti: wangjian@xinhuemed.com.cn
Tutki yhteystietojen varmuuskopiointi
- Nimi: Bo Wang, PhD Candidate
- Puhelinnumero: 86-19921875669
- Sähköposti: 18bowang@sjtu.edu.cn
Opiskelupaikat
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, Kiina, 2000000
- Xinhua Hospital Affiliated to Shanghai Jiaotong University School of Medicine
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Tapaustutkimusryhmään kuuluvat viimeisen 10 vuoden aikana Kawasakin tautiin (KD) diagnosoidut lapset. Sisällyttämiskriteerit ovat: Lapset, joille on diagnosoitu Kawasakin tauti kliinisten oireiden perusteella ja potilastietojen vahvistamana.
Vertailuryhmä koostuu potilaiden tiedoista, joilla on kestänyt yli 3 päivää kestävä kuume, ja jotka on sovitettu KD-kohorttiin diagnoosivuoden, -kuukauden ja kliinisten ominaisuuksien perusteella.
Tutkimus keskittyy röntgenkuvien ominaisuuksien ja Kawasakin taudin välisen yhteyden tarkasteluun näillä potilailla.
Kuvaus
Osallistumiskriteerit:
Tapaustutkimusryhmä
- Hoidonhakijan ikä on alle tai yhtä suuri kuin 18 vuotta; · Potilastietojärjestelmän diagnoosi sisältää diagnoosin "Kawasakin tauti", "limakalvo- ja ihosolmukesoireyhtymä" tai "IVIG:lle ei reagoiva Kawasakin tauti"
- Vähintään yksi täydellinen röntgenkuvausaineisto (kuvat ja raportit) on saatavilla saman sairaalajakson aikana
Vertailuryhmä
- Hoidonhakijan ikä on alle tai yhtä suuri kuin 18 vuotta
- Sama ajanjakso kuin tapaustutkimusryhmällä
- Kuume kestää 3 päivää tai enemmän
- Kawasakin taudin mahdollisuus on suljettu pois
Poissulkemiskriteerit:
Tapaustutkimusryhmä
- Röntgenkuvan laatuongelmat: Vakavat artefaktit, yli-/ali valotus, mikä johtaa keskeisten rakenteiden arviointikyvyttömyyteen
- Epätäydellinen kliininen tieto, mukaan lukien röntgenkuvauksen, laboratoriotutkimusten puute ja epäselvät kuumeen kestopäivät. Lopullisen diagnoosin määrittäminen ei onnistu (esim. seurannan keskeytyminen, epävarma diagnoosi)
Vertailuryhmä
- Röntgenkuvan laatuongelmat: Vakavat artefaktit, yli-/ali valotus, mikä johtaa keskeisten rakenteiden arviointikyvyttömyyteen
- Epätäydellinen kliininen tieto, mukaan lukien röntgenkuvauksen, laboratoriotutkimusten puute ja epäselvät kuumeen kestopäivät
- Selkeän lopullisen diagnoosin tekeminen ei onnistu (esim. seurannan keskeytyminen, kyseenalainen diagnoosi)
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Tapausryhmä
Sisällytyskriteerit: (1) Hoitoon hakeutumisen ikä on alle tai yhtä suuri kuin 18 vuotta; (2) Potilastietojärjestelmän diagnoosi sisältää diagnoosin "Kawasakin tauti", "limakalvo- ja ihosolmukesyndrooma" tai "IVIG:lle vastaamaton Kawasakin tauti". (3) Vähintään yksi täydellinen röntgenkuvantarkastuksen tiedot (kuvat ja raportit) on saatavilla saman sairaalajakson aikana. Poissulkemiskriteerit: (1) Röntgenkuvien laatuongelmat: Vakavat artefaktit, yli-/alivalotus, jotka estävät keskeisten rakenteiden arvioinnin. (2) Epätäydelliset kliiniset tiedot, mukaan lukien röntgenkuvantarkastuksen, laboratoriotutkimusten puuttuminen ja epäselvät kuumeen päivät. (3) Lopullisen diagnoosin määrittämisen mahdottomuus (kuten seurannan menetys, epävarma diagnoosi). |
Tämä tutkimus hyödyntää tekoälypohjaista varoitusjärjestelmää Kawasakin tautiin (KD) ennustamaan optimaalisen IVIG-hoidon ikkunan ja arvioimaan sepelvaltimoriskejä.
Järjestelmä analysoi röntgenkuvia (CXR) ja yhdistää ne kliinisiin tietoihin, kuten CRP-tasoihin ja kliinisiin oireisiin.
Interventio sisältää monimuotoisen dynaamisen ennustemallin kehittämisen, joka käyttää kaksoisreittiä konvoluutioneuroverkkoa (CNN) relevanttien CXR-ominaisuuksien erottamiseen ja graafineuroverkkoa laboratorioindikaattoreiden integroimiseen.
Tekoälyjärjestelmä tuottaa ennusteen IVIG-hoidon ikkunasta ja arvioi sepelvaltimovaurion riskiä.
Tämä varoitusjärjestelmä pyrkii lyhentämään diagnoosiaikaa ja parantamaan hoitotuloksia tunnistamalla korkean riskin KD-potilaat aikaisemmin, mahdollistaen ajallisen interventioin ja personoidut hoitosuunnitelmat.
Malli on suunniteltu kevyeksi (alle 50 MB) helposti sovellettavaksi perusterveydenhuollossa.
|
|
Kontrolliryhmä
Osallistumiskriteerit: (1) Hoidon hakemisen ikä on alle tai tasan 18 vuotta; (2) Sama ajanjakso kuin tapausryhmällä; (3) Kuume kestää 3 päivää tai enemmän; (4) Kawasakin taudin diagnosoinnin mahdollisuus poissuljettu Poissulkemiskriteerit: (1) Rintakehän röntgenkuvan laatuongelmat: Vakavat artefaktit, yli-/alivalotus, jotka estävät keskeisten rakenteiden arvioinnin.
(2) Puutteelliset kliiniset tiedot, mukaan lukien rintakehän röntgentutkimuksen puuttuminen, laboratoriotutkimukset ja epäselvät kuumeen päivät.
(3) Selkeän lopullisen diagnoosin tekemisen mahdottomuus (esim. seurantakadon vuoksi, kyseenalainen diagnoosi)
|
Tämä tutkimus hyödyntää tekoälypohjaista varoitusjärjestelmää Kawasakin tautiin (KD) ennustamaan optimaalisen IVIG-hoidon ikkunan ja arvioimaan sepelvaltimoriskejä.
Järjestelmä analysoi röntgenkuvia (CXR) ja yhdistää ne kliinisiin tietoihin, kuten CRP-tasoihin ja kliinisiin oireisiin.
Interventio sisältää monimuotoisen dynaamisen ennustemallin kehittämisen, joka käyttää kaksoisreittiä konvoluutioneuroverkkoa (CNN) relevanttien CXR-ominaisuuksien erottamiseen ja graafineuroverkkoa laboratorioindikaattoreiden integroimiseen.
Tekoälyjärjestelmä tuottaa ennusteen IVIG-hoidon ikkunasta ja arvioi sepelvaltimovaurion riskiä.
Tämä varoitusjärjestelmä pyrkii lyhentämään diagnoosiaikaa ja parantamaan hoitotuloksia tunnistamalla korkean riskin KD-potilaat aikaisemmin, mahdollistaen ajallisen interventioin ja personoidut hoitosuunnitelmat.
Malli on suunniteltu kevyeksi (alle 50 MB) helposti sovellettavaksi perusterveydenhuollossa.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Aikaikkuna |
|---|---|
|
AUK (käyrän alla oleva pinta-ala)
Aikaikkuna: Enintään 14 päivää kuumeen alkamisen jälkeen
|
Enintään 14 päivää kuumeen alkamisen jälkeen
|
|
herkkyys
Aikaikkuna: Jopa 14 päivää kuumeen alkamisen jälkeen
|
Jopa 14 päivää kuumeen alkamisen jälkeen
|
|
spesifisyys
Aikaikkuna: Enintään 14 päivää kuumeen alkamisen jälkeen
|
Enintään 14 päivää kuumeen alkamisen jälkeen
|
Yhteistyökumppanit ja tutkijat
Yhteistyökumppanit
Tutkijat
- Opintojen puheenjohtaja: Kun Sun, Doctoral degree, Xinhua hospital affiliated with Shanghai Jiao Tong university school of medicine
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
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
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- XH-25-010
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 .