Intelligence artificielle - Évaluation des risques SARS-COV-2 (Covid-19) (AI-SCoRE)
29 avril 2025 mis à jour par: Antonio Esposito, IRCCS San Raffaele
Intelligence artificielle - Évaluation des risques SARS-COV-2
La gestion des patients Covid-19 de l'hôpital dépassé face à la pandémie est un défi clinique.
L'amélioration de la prise de décision peut permettre une meilleure allocation des ressources disponibles et un meilleur traitement des patients à risque plus élevé.
La tomodensitométrie thoracique a été largement adoptée pour le diagnostic de pneumonie Covid-19. Plusieurs expériences ont documenté la capacité de l'intelligence artificielle à améliorer et à fixer la détection de la pneumonie Covid-19, en utilisant principalement des rayons X thoraciques.
L'objectif de la présente étude était de développer et de valider une approche d'intelligence artificielle intégrant les données cliniques et d'imagerie (extrait automatiquement par l'adoption de réseaux de neurones dédiés) pour la création d'une plate-forme cloud capable d'effectuer des patients à risque de la stratification. Une telle approche pourrait être utilisée pour le triage des patients Covid-19 du service des urgences, dans le but d'améliorer la prise de décision du personnel de santé et l'attribution des ressources en cas d'urgence en matière de santé.
Aperçu de l'étude
Statut
Complété
Les conditions
Type d'étude
Observationnel
Inscription (Réel)
2000
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
-
Milano, Italie, 20132
- IRCCS San Raffaele
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
18 ans à 100 ans (Adulte, Adulte plus âgé)
Accepte les volontaires sains
Non
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Les patients atteints d'infection confirmée SARS-COV-2 par RT-PCR qui ont effectué une tomodensitométrie non contrastée dans les 72 heures après l'admission au service d'urgence
La description
Critères d'inclusion:
- Infection SARS-COV-2 confirmée par RT-PCR
- La tomodensitométrie non contrastée effectuée dans les 72 heures suivant l'admission au service des urgences
Critères d'exclusion:
- Âge <18 ans
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
Patients de première vague Covid-19
1700 patients inspectivement inscrits dans 15 hôpitaux italiens du 16/2/2020 au 29/4/2020.
|
|
Patients de seconde vague Covid-19
300 patients s'inscrit prospectivement à l'hôpital IRCCS de San Raffaele du 19/10/2020 au 31/12/2020.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Délai |
|---|---|
|
Formation, test et validation d'une plate-forme d'IA pour prédire le pronostic des patients Covid-19 de première vague italienne.
Délai: 9 mois
|
9 mois
|
Mesures de résultats secondaires
Mesure des résultats |
Délai |
|---|---|
|
Validation de la plate-forme d'IA développée sur la deuxième vague italienne de patients Covid-19
Délai: 3 mois
|
3 mois
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Antonio Esposito, MD, IRCCS San Raffaele
Publications et liens utiles
La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.
Publications générales
- Ai T, Yang Z, Hou H, Zhan C, Chen C, Lv W, Tao Q, Sun Z, Xia L. Correlation of Chest CT and RT-PCR Testing for Coronavirus Disease 2019 (COVID-19) in China: A Report of 1014 Cases. Radiology. 2020 Aug;296(2):E32-E40. doi: 10.1148/radiol.2020200642. Epub 2020 Feb 26.
- Li L, Qin L, Xu Z, Yin Y, Wang X, Kong B, Bai J, Lu Y, Fang Z, Song Q, Cao K, Liu D, Wang G, Xu Q, Fang X, Zhang S, Xia J, Xia J. Using Artificial Intelligence to Detect COVID-19 and Community-acquired Pneumonia Based on Pulmonary CT: Evaluation of the Diagnostic Accuracy. Radiology. 2020 Aug;296(2):E65-E71. doi: 10.1148/radiol.2020200905. Epub 2020 Mar 19.
- Emanuel EJ, Persad G, Upshur R, Thome B, Parker M, Glickman A, Zhang C, Boyle C, Smith M, Phillips JP. Fair Allocation of Scarce Medical Resources in the Time of Covid-19. N Engl J Med. 2020 May 21;382(21):2049-2055. doi: 10.1056/NEJMsb2005114. Epub 2020 Mar 23. No abstract available.
- Ciceri F, Castagna A, Rovere-Querini P, De Cobelli F, Ruggeri A, Galli L, Conte C, De Lorenzo R, Poli A, Ambrosio A, Signorelli C, Bossi E, Fazio M, Tresoldi C, Colombo S, Monti G, Fominskiy E, Franchini S, Spessot M, Martinenghi C, Carlucci M, Beretta L, Scandroglio AM, Clementi M, Locatelli M, Tresoldi M, Scarpellini P, Martino G, Bosi E, Dagna L, Lazzarin A, Landoni G, Zangrillo A. Early predictors of clinical outcomes of COVID-19 outbreak in Milan, Italy. Clin Immunol. 2020 Aug;217:108509. doi: 10.1016/j.clim.2020.108509. Epub 2020 Jun 12.
- Patel D, Kher V, Desai B, Lei X, Cen S, Nanda N, Gholamrezanezhad A, Duddalwar V, Varghese B, Oberai AA. Machine learning based predictors for COVID-19 disease severity. Sci Rep. 2021 Feb 25;11(1):4673. doi: 10.1038/s41598-021-83967-7.
- Palmisano A, Scotti GM, Ippolito D, Morelli MJ, Vignale D, Gandola D, Sironi S, De Cobelli F, Ferrante L, Spessot M, Tonon G, Tacchetti C, Esposito A. Chest CT in the emergency department for suspected COVID-19 pneumonia. Radiol Med. 2021 Mar;126(3):498-502. doi: 10.1007/s11547-020-01302-y. Epub 2020 Nov 9.
- Park JH, Lee SG, Ahn S, Kim JY, Song J, Moon S, Cho H. Strategies to prevent COVID-19 transmission in the emergency department of a regional base hospital in Korea: From index patient until pandemic declaration. Am J Emerg Med. 2021 Aug;46:247-253. doi: 10.1016/j.ajem.2020.07.056. Epub 2020 Jul 24.
- Wehbe RM, Sheng J, Dutta S, Chai S, Dravid A, Barutcu S, Wu Y, Cantrell DR, Xiao N, Allen BD, MacNealy GA, Savas H, Agrawal R, Parekh N, Katsaggelos AK. DeepCOVID-XR: An Artificial Intelligence Algorithm to Detect COVID-19 on Chest Radiographs Trained and Tested on a Large U.S. Clinical Data Set. Radiology. 2021 Apr;299(1):E167-E176. doi: 10.1148/radiol.2020203511. Epub 2020 Nov 24.
- Schalekamp S, Huisman M, van Dijk RA, Boomsma MF, Freire Jorge PJ, de Boer WS, Herder GJM, Bonarius M, Groot OA, Jong E, Schreuder A, Schaefer-Prokop CM. Model-based Prediction of Critical Illness in Hospitalized Patients with COVID-19. Radiology. 2021 Jan;298(1):E46-E54. doi: 10.1148/radiol.2020202723. Epub 2020 Aug 13.
- Cheng FY, Joshi H, Tandon P, Freeman R, Reich DL, Mazumdar M, Kohli-Seth R, Levin M, Timsina P, Kia A. Using Machine Learning to Predict ICU Transfer in Hospitalized COVID-19 Patients. J Clin Med. 2020 Jun 1;9(6):1668. doi: 10.3390/jcm9061668.
- Liang W, Yao J, Chen A, Lv Q, Zanin M, Liu J, Wong S, Li Y, Lu J, Liang H, Chen G, Guo H, Guo J, Zhou R, Ou L, Zhou N, Chen H, Yang F, Han X, Huan W, Tang W, Guan W, Chen Z, Zhao Y, Sang L, Xu Y, Wang W, Li S, Lu L, Zhang N, Zhong N, Huang J, He J. Early triage of critically ill COVID-19 patients using deep learning. Nat Commun. 2020 Jul 15;11(1):3543. doi: 10.1038/s41467-020-17280-8.
- Wong HYF, Lam HYS, Fong AH, Leung ST, Chin TW, Lo CSY, Lui MM, Lee JCY, Chiu KW, Chung TW, Lee EYP, Wan EYF, Hung IFN, Lam TPW, Kuo MD, Ng MY. Frequency and Distribution of Chest Radiographic Findings in Patients Positive for COVID-19. Radiology. 2020 Aug;296(2):E72-E78. doi: 10.1148/radiol.2020201160. Epub 2020 Mar 27.
- Chorath A, Choi Y, Turkbey EB, Ahlman MA, Sibley CT, Liu S, Bluemke DA, Sandfort V. Coronary CT Angiography and Carotid MRI Improve Phenotyping of Disease Extent Compared with ACC/AHA Risk Score Alone. Radiol Cardiothorac Imaging. 2020 Feb 27;2(1):e190068. doi: 10.1148/ryct.2020190068.
- Neri E, Miele V, Coppola F, Grassi R. Use of CT and artificial intelligence in suspected or COVID-19 positive patients: statement of the Italian Society of Medical and Interventional Radiology. Radiol Med. 2020 May;125(5):505-508. doi: 10.1007/s11547-020-01197-9. Epub 2020 Apr 29.
- Giannini F, Toselli M, Palmisano A, Cereda A, Vignale D, Leone R, Nicoletti V, Gnasso C, Monello A, Manfrini M, Khokhar A, Sticchi A, Biagi A, Turchio P, Tacchetti C, Landoni G, Boccia E, Campo G, Scoccia A, Ponticelli F, Danzi GB, Loffi M, Muri M, Pontone G, Andreini D, Mancini EM, Casella G, Iannopollo G, Nannini T, Ippolito D, Bellani G, Franzesi CT, Patelli G, Besana F, Costa C, Vignali L, Benatti G, Sverzellati N, Scarnecchia E, Lombardo FP, Anastasio F, Iannaccone M, Vaudano PG, Pacielli A, Baffoni L, Gardi I, Cesini E, Sperandio M, Micossi C, De Carlini CC, Spreafico C, Maggiolini S, Bonaffini PA, Iacovoni A, Sironi S, Senni M, Fominskiy E, De Cobelli F, Maggioni AP, Rapezzi C, Ferrari R, Colombo A, Esposito A. Coronary and total thoracic calcium scores predict mortality and provides pathophysiologic insights in COVID-19 patients. J Cardiovasc Comput Tomogr. 2021 Sep-Oct;15(5):421-430. doi: 10.1016/j.jcct.2021.03.003. Epub 2021 Mar 11.
- Esposito A, Palmisano A, Toselli M, Vignale D, Cereda A, Rancoita PMV, Leone R, Nicoletti V, Gnasso C, Monello A, Biagi A, Turchio P, Landoni G, Gallone G, Monti G, Casella G, Iannopollo G, Nannini T, Patelli G, Di Mare L, Loffi M, Sergio P, Ippolito D, Sironi S, Pontone G, Andreini D, Mancini EM, Di Serio C, De Cobelli F, Ciceri F, Zangrillo A, Colombo A, Tacchetti C, Giannini F. Chest CT-derived pulmonary artery enlargement at the admission predicts overall survival in COVID-19 patients: insight from 1461 consecutive patients in Italy. Eur Radiol. 2021 Jun;31(6):4031-4041. doi: 10.1007/s00330-020-07622-x. Epub 2020 Dec 23.
- Ufuk F, Demirci M, Sagtas E, Akbudak IH, Ugurlu E, Sari T. The prognostic value of pneumonia severity score and pectoralis muscle Area on chest CT in adult COVID-19 patients. Eur J Radiol. 2020 Oct;131:109271. doi: 10.1016/j.ejrad.2020.109271. Epub 2020 Sep 9.
- Monaco CG, Zaottini F, Schiaffino S, Villa A, Della Pepa G, Carbonaro LA, Menicagli L, Cozzi A, Carriero S, Arpaia F, Di Leo G, Astengo D, Rosenberg I, Sardanelli F. Chest x-ray severity score in COVID-19 patients on emergency department admission: a two-centre study. Eur Radiol Exp. 2020 Dec 15;4(1):68. doi: 10.1186/s41747-020-00195-w. Erratum In: Eur Radiol Exp. 2021 Apr 14;5(1):17. doi: 10.1186/s41747-021-00215-3.
- Bai HX, Wang R, Xiong Z, Hsieh B, Chang K, Halsey K, Tran TML, Choi JW, Wang DC, Shi LB, Mei J, Jiang XL, Pan I, Zeng QH, Hu PF, Li YH, Fu FX, Huang RY, Sebro R, Yu QZ, Atalay MK, Liao WH. Artificial Intelligence Augmentation of Radiologist Performance in Distinguishing COVID-19 from Pneumonia of Other Origin at Chest CT. Radiology. 2020 Sep;296(3):E156-E165. doi: 10.1148/radiol.2020201491. Epub 2020 Apr 27. Erratum In: Radiology. 2021 Apr;299(1):E225. doi: 10.1148/radiol.2021219004.
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
16 février 2020
Achèvement primaire (Réel)
30 septembre 2020
Achèvement de l'étude (Réel)
30 juin 2021
Dates d'inscription aux études
Première soumission
6 avril 2021
Première soumission répondant aux critères de contrôle qualité
6 avril 2021
Première publication (Réel)
8 avril 2021
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
1 mai 2025
Dernière mise à jour soumise répondant aux critères de contrôle qualité
29 avril 2025
Dernière vérification
1 avril 2025
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- AI-SCoRE
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .
Essais cliniques sur Covid19
-
Anavasi DiagnosticsPas encore de recrutement
-
Ain Shams UniversityRecrutement
-
Israel Institute for Biological Research (IIBR)Complété
-
Colgate PalmoliveComplété
-
Christian von BuchwaldComplété
-
Luye Pharma Group Ltd.Shandong Boan Biotechnology Co., LtdActif, ne recrute pas
-
University of ZurichLabor Speiz; Swiss Armed Forces; Universitatsspital ZurichInscription sur invitation
-
Alexandria UniversityComplété