Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Algorithme d'intelligence artificielle pour le dépistage des résultats anormaux du cerveau fœtal lors de l'échographie du premier trimestre (AIRFRAME)

21 mars 2024 mis à jour par: Familiari Alessandra, Fondazione Policlinico Universitario Agostino Gemelli IRCCS

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

Recrutement

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

Observationnel

Inscription (Estimé)

10000

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.

Coordonnées de l'étude

Lieux d'étude

      • Rome, Italie, 00168
        • Recrutement
        • FP Gemelli IRCCS
        • Contact:

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 45 ans (Adulte)

Accepte les volontaires sains

Oui

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Toutes les grossesses subissant un dépistage au premier trimestre

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

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
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

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Les enquêteurs

  • Chercheur principal: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli

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.

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)

1 mai 2023

Achèvement primaire (Estimé)

1 mai 2024

Achèvement de l'étude (Estimé)

1 mai 2025

Dates d'inscription aux études

Première soumission

6 mars 2023

Première soumission répondant aux critères de contrôle qualité

16 mars 2023

Première publication (Réel)

30 mars 2023

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

22 mars 2024

Dernière mise à jour soumise répondant aux critères de contrôle qualité

21 mars 2024

Dernière vérification

1 mars 2024

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) ?

OUI

Description du régime IPD

Images DICOM via un lecteur entre les centres

Délai de partage IPD

après 1 an et pendant 1 an

Critères d'accès au partage IPD

cas pathologiques

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

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 Malformation cérébrale

Essais cliniques sur Intelligence artificielle

3
S'abonner