- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05140889
Intégration d'un modèle de tomodensitométrie d'apprentissage en profondeur, de variables biologiques et cliniques pour prédire la gravité de l'asthme chez les enfants (BREATHE)
L'intelligence artificielle (IA) offre des opportunités substantielles pour les soins de santé, favorisant un meilleur diagnostic, traitement, prévention et soins personnalisés. L'analyse des images de santé est l'un des domaines les plus prometteurs pour l'application de l'IA dans les soins de santé, contribuant à une meilleure prédiction, diagnostic et traitement des maladies.
L'apprentissage en profondeur (DL) est actuellement l'une des techniques d'apprentissage automatique les plus puissantes. Les algorithmes DL sont capables d'apprendre à partir de données d'entrée brutes (ou avec peu de prétraitement) et de construire par eux-mêmes des représentations de caractéristiques abstraites sophistiquées (modèles utiles) qui permettent une prise de décision de tâche très précise. Récemment, DL a montré des résultats prometteurs dans l'aide à l'analyse des maladies pulmonaires à l'aide d'images de tomodensitométrie (CT).
Les directives actuelles sur l'asthme sévère recommandent la tomodensitométrie à haute résolution et multidétecteurs comme outil d'évaluation de la maladie. Les tomodensitogrammes contiennent des informations pronostiques, car la présence d'un épaississement de la paroi bronchique, d'un piégeage d'air, d'un rétrécissement de la lumière bronchique et d'une bronchectasie est associée à une durée et à une gravité de la maladie plus longues chez les adultes. Seul un petit nombre d'études ont rapporté des résultats de scanner thoracique chez des enfants souffrant d'asthme sévère, et leur relation avec les paramètres cliniques et pathobiologiques a donné des résultats incohérents. Ainsi, dans quelle mesure les tomodensitogrammes ajoutent des informations pronostiques au-delà de ce qui peut être déduit des données cliniques et biologiques n'est toujours pas résolu chez les enfants.
Le projet devrait construire un score de gravité DL pour pronostiquer une évolution sévère chez les enfants asthmatiques, en utilisant un modèle DL pour capturer les informations de pronostic par tomodensitométrie.
Aperçu de l'étude
Statut
Les conditions
Description détaillée
Les objectifs de ce projet sont :
- construire une vaste base de données de données cliniques, biologiques et radiologiques recueillies auprès de patients pédiatriques souffrant d'asthme sévère ;
- concevoir et former un modèle prévisionnel basé sur les techniques DL pour prédire la gravité de l'asthme chez les enfants ;
- pour estimer les probabilités de transition entre les niveaux de sévérité de l'asthme à l'aide d'un modèle de Markov multi-états prenant en compte les informations qualitatives et quantitatives obtenues à partir de l'imagerie CT.
Notre évaluation de la gravité de la DL et des scores cliniques existants dans l'asthme infantile devrait révéler que les méthodologies émergentes assistées par des techniques de DL peuvent fournir des prédictions précises de la gravité, par rapport aux scores cliniques existants. Un modèle de prédiction aussi précis permettrait aux pédiatres d'identifier les caractéristiques les plus révélatrices de la gravité et de la progression de l'asthme et serait utilisé pour formuler des stratégies d'intervention et une prise en charge médicale précoce des enfants.
Type d'étude
Inscription (Anticipé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Amelia Licari, MD
- Numéro de téléphone: +39(0)382502629
- E-mail: a.licari@smatteo.pv.it
Lieux d'étude
-
-
-
Pavia, Italie, 27100
- Recrutement
- IRCCS Policlinico San Matteo
-
Contact:
- Amelia Licari, MD
- E-mail: a.licari@smatteo.pv.it
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
Les participants éligibles seront identifiés parmi les enfants référés à notre clinique pédiatrique pour asthme sévère par leur médecin généraliste ou par leur pédiatre de premier recours.
Les enfants qui subissent un scanner thoracique pour d'autres raisons que l'asthme seront sélectionnés comme témoins.
La description
Critère d'intégration:
- âge 6-17 ans
- diagnostic confirmé d'asthme sévère selon les directives de l'ERS/ATS
Critère d'exclusion:
- d'autres maladies qui peuvent imiter l'asthme selon les lignes directrices de l'ERS/ATS (c'est-à-dire la fibrose kystique, la dyskinésie ciliaire primaire, la trachéobronchomalacie, etc.)
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
---|
Groupe 1
Enfants souffrant d'asthme sévère
|
Groupe 2
Enfants qui subissent un scanner thoracique pour d'autres raisons que l'asthme
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Prédiction de la gravité de l'asthme chez les enfants
Délai: 3 années
|
Établir un score de gravité pour l'évolution du pronostic des enfants asthmatiques, en utilisant un modèle d'apprentissage en profondeur pour capturer les informations de pronostic par tomodensitométrie et les intégrer aux données cliniques et de laboratoire obtenues à partir des dossiers médicaux.
|
3 années
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Amelia Licari, MD, IRCCS Policlinico San Matteo
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Anticipé)
Achèvement de l'étude (Anticipé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 08073521
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
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 L'asthme chez les enfants
-
Meshalkin Research Institute of Pathology of CirculationPas encore de recrutementles propriétés de résistance de l'aorte in vivo | les propriétés de résistance de l'aorte in vitro | Modèle de régression des propriétés de force aortique in vitro et in vitroFédération Russe
-
Organon and CoComplété
-
Kaohsiung Veterans General Hospital.Complété
-
Kaohsiung Veterans General Hospital.Complété
-
Adiyaman UniversityComplété
-
Rabin Medical CenterInconnue
-
Universitas PadjadjaranComplété
-
Organon and CoComplété
-
Sebnem Alanya TosunGiresun University Funding for Scientific Research ProjectComplété
-
Rambam Health Care CampusRetiréFertilisation in VitroIsraël