- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05790473
Algorithme d'intelligence artificielle pour le dépistage des résultats anormaux du cerveau fœtal lors de l'échographie du premier trimestre (AIRFRAME)
La visualisation des espaces cérébraux de la fosse postérieure, leur relation spatiale et leurs mesures peuvent être obtenues dans la vue sagittale médiane de la tête fœtale, la même que celle utilisée pour la mesure NT (9), et joue un rôle important dans le diagnostic précoce des anomalies du tube neural, telles que dysraphisme spinal ouvert (5) et anomalies de la fosse postérieure, telles que DWM ou BPC (7). Cependant, l'évaluation de la fosse postérieure du fœtus au cours du premier trimestre reste difficile en raison de plusieurs limitations, notamment les mouvements involontaires du fœtus et la petite taille des structures cérébrales, entraînant des difficultés d'examen et des erreurs de diagnostic. De plus, il dépend également de l'opérateur pour l'acquisition d'images échographiques de haute qualité, de mesures standard et d'un diagnostic précis.
L'utilisation de nouvelles technologies pour améliorer l'acquisition d'images, pour aider à effectuer automatiquement des mesures ou pour aider au diagnostic d'anomalies fœtales, peut être d'une grande importance pour l'évaluation optimale du cerveau fœtal, en particulier au cours du premier trimestre (10). L'intelligence artificielle (IA) est décrite comme la capacité d'un programme informatique à exécuter des processus associés à l'intelligence humaine, tels que l'apprentissage, la réflexion et la résolution de problèmes. Deep Learning (DL), un sous-ensemble de Machine Learning (ML), est une branche de l'IA, définie par la capacité d'apprendre automatiquement des fonctionnalités à partir de données sans intervention humaine. Dans DL, l'entrée et la sortie sont connectées par plusieurs couches vaguement modélisées sur les voies neuronales du cerveau humain. Dans le domaine de la reconnaissance d'images, l'un des types de réseaux DL les plus prometteurs est représenté par les réseaux de neurones convolutifs (CNN). Ceux-ci sont conçus pour extraire des caractéristiques d'image hautement représentatives de manière entièrement automatisée, ce qui les rend applicables à la prise de décision diagnostique.
Selon ces observations, nous proposons un projet de recherche visant à développer un algorithme d'IA basé sur l'échographie, capable d'évaluer les structures de la fosse postérieure fœtale lors de l'échographie du premier trimestre et de faire la distinction entre les résultats normaux et anormaux grâce à un traitement entièrement automatique des données. .
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
L'application de l'IA à l'échographie obstétricale comprend trois aspects : l'identification de la structure, les mesures automatiques et standardisées et le diagnostic de classification. Étant donné que l'échographie obstétricale prend du temps, l'utilisation de l'IA pourrait également réduire le temps d'examen et améliorer le flux de travail.
Conception de l'étude : il s'agit d'une étude de cohorte observationnelle rétrospective multicentrique et d'une étude de cohorte prospective ultérieure. La conception de l'étude sera organisée en deux phases différentes.
La première phase, l'étude rétrospective de faisabilité, a pour objectif de développer et de former AI-Algorithm avec des images normales et anormales acquises rétrospectivement lors d'une échographie du premier trimestre dans dix centres internationaux de médecine fœtale.
La deuxième phase, une validation clinique prospective, a pour objectif de tester l'algorithme AI dans l'évaluation de l'anatomie de la fosse postérieure fœtale dans un cadre clinique réel avec de vrais patients de chacun des centres de médecine fœtale participants.
Milieu : Trois (3) centres de médecine fœtale.
Participants : population de femmes enceintes célibataires ayant subi une échographie entre la 11e et la 14e semaine de gestation dans dix centres de médecine fœtale.
Critère d'évaluation principal : valider une nouvelle technologie basée sur l'IA, qui pourrait potentiellement être utilisée comme outil de dépistage des résultats anormaux du cerveau fœtal au cours du premier trimestre.
Critères d'évaluation secondaires : Améliorer les performances du dépistage standard du premier trimestre de la fosse postérieure du fœtus en garantissant son évaluation échographique fiable dans un délai d'exécution plus court. Pour détecter une répétabilité et une reproductibilité plus élevées, permettant de mettre en œuvre le dépistage par ultrasons également en termes d'efficacité à grande échelle, optimisant les ressources de soins de santé Dans la première phase de l'étude, les centres de médecine fœtale participants rechercheront dans leurs bases de données électroniques des images sagittales médianes de femmes enceintes célibataires qui ont subi une échographie à 11+0 - 13+6 semaines de gestation avec une anomalie de la fosse postérieure fœtale, telle qu'un dysraphisme spinal ouvert, DWM ou BPC. Des images normales de la fosse postérieure fœtale au même âge gestationnel seront fournies par les centres promoteurs - c'est-à-dire la Fondazione Policlinico A. Gemelli, l'IRCCS et l'Université de Parme. Les informations cliniques, échographiques, prénatales et postnatales de chaque cas seront extraites des dossiers médicaux des patients et saisies dans un fichier de collecte de base de données électronique par le chercheur principal de chaque centre participant. Les images acquises seront anonymisées, enregistrées au format DICOM et partagées via un système de stockage cloud dédié qui sera mis en place par l'équipe de bio-ingénierie. Chaque centre pourra accéder au système Web à l'aide d'un identifiant et d'un mot de passe personnels.
Dans la deuxième phase de l'étude, l'algorithme sera testé et validé de manière prospective dans un cadre clinique réel avec de vrais patients de chacun des centres de médecine fœtale participants. Les critères d'inclusion et d'exclusion, le protocole d'imagerie et la collecte de données seront les mêmes lors de la phase rétrospective.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Alessandra Familiari, MD
- Numéro de téléphone: 3285887422
- E-mail: familiari.ale@gmail.com
Lieux d'étude
-
-
-
Rome, Italie, 00168
- Recrutement
- FP Gemelli IRCCS
-
Contact:
- Alessandra Familiari
- Numéro de téléphone: 3285887422
- E-mail: familiari.ale@gmail.com
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Femmes avec des grossesses simples qui ont subi une échographie entre 11+0 - 13+6 semaines de gestation ou une longueur couronne-croupe fœtale entre 45 et 84 mm.
Critère d'exclusion:
- Femmes qui n'ont pas subi l'examen de dépistage du premier trimestre à l'âge gestationnel fixé.
- Femmes chez qui une bonne visualisation de la vue sagittale médiane de la tête fœtale n'était techniquement pas possible.
- Les femmes qui ne sont pas en mesure de donner le consentement éclairé.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
---|---|
Cas
Fœtus présentant des anomalies cérébrales
|
Développement d'un algorithme d'IA pour la détection précoce des anomalies cérébrales fœtales au cours du premier trimestre de la grossesse
|
Contrôles
Normal avec un cerveau normal
|
Développement d'un algorithme d'IA pour la détection précoce des anomalies cérébrales fœtales au cours du premier trimestre de la grossesse
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Algorithme IA
Délai: 2 années
|
Nombre de cas détectés avec l'application de l'algorithme d'IA
|
2 années
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Reproductibilité
Délai: 1 an
|
Nombre de cas détectés avec l'application de l'algorithme d'IA par rapport à ceux détectés avec les techniques standard de diagnostic prénatal
|
1 an
|
Collaborateurs et enquêteurs
Collaborateurs
Les enquêteurs
- Chercheur principal: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli
Publications et liens utiles
Publications générales
- Garcia-Rodriguez R, Garcia-Delgado R, Romero-Requejo A, Medina-Castellano M, Garcia-Hernandez JA, Gonzalez-Martin JM, Sepulveda W. First-trimester cystic posterior fossa: reference ranges, associated findings, and pregnancy outcomes. J Matern Fetal Neonatal Med. 2021 Mar;34(6):933-942. doi: 10.1080/14767058.2019.1622673. Epub 2019 Jun 4.
- Chaoui R, Benoit B, Mitkowska-Wozniak H, Heling KS, Nicolaides KH. Assessment of intracranial translucency (IT) in the detection of spina bifida at the 11-13-week scan. Ultrasound Obstet Gynecol. 2009 Sep;34(3):249-52. doi: 10.1002/uog.7329.
- Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020 Oct;56(4):498-505. doi: 10.1002/uog.22122.
- Chen Z, Liu Z, Du M, Wang Z. Artificial Intelligence in Obstetric Ultrasound: An Update and Future Applications. Front Med (Lausanne). 2021 Aug 27;8:733468. doi: 10.3389/fmed.2021.733468. eCollection 2021.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
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
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 5526
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Délai de partage IPD
Critères d'accès au partage IPD
Type d'informations de prise en charge du partage d'IPD
- PROTOCOLE D'ÉTUDE
- SÈVE
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 Malformation cérébrale
-
Kessler FoundationInstituto Vocacional Enrique Díaz de León A.C., Guadalajara, MexicoRecrutementTBI (Traumatic Brain Injury) ou MS (Sclérose en Plaques)États-Unis, Espagne
Essais cliniques sur Intelligence artificielle
-
Sansum Diabetes Research InstituteJuvenile Diabetes Research FoundationComplétéDiabète sucré de type 1États-Unis