Améliorer la précision du diagnostic dans l'identification des fractures sur les radiographies musculo-squelettiques à l'aide de l'apprentissage profond : une étude rétrospective multi-lecteurs
16 mars 2026 mis à jour par: Carebot s.r.o.
Cette étude rétrospective vise à évaluer l'efficacité de l'intelligence artificielle (IA) dans l'identification des fractures sur les radiographies musculo-squelettiques.
En comparant les performances d’un modèle d’IA d’apprentissage profond avec celles de radiologues expérimentés, nous cherchons à comprendre comment l’IA peut contribuer à améliorer la précision de la détection des fractures en milieu clinique.
L’étude a analysé 600 radiographies de patients pédiatriques et adultes, en se concentrant sur l’identification des fractures sur différentes parties du corps, notamment le pied, la cheville, le genou, la main, le poignet, etc.
Les résultats montrent que l'intégration de l'IA peut augmenter la sensibilité des radiologues dans la détection des fractures, améliorant ainsi potentiellement les résultats pour les patients en réduisant le nombre de blessures manquées.
Aperçu de l'étude
Statut
Complété
Les conditions
Intervention / Traitement
Type d'étude
Observationnel
Inscription (Réel)
600
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
-
-
Moravskoslezský kraj
-
Frýdek-Místek, Moravskoslezský kraj, Tchéquie, 73801
- Nemocnice ve Frýdku-Místku, p.o.
-
-
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
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Non
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
L’étude comprend une cohorte rétrospective de patients pédiatriques et adultes ayant subi des radiographies musculo-squelettiques entre le 20 mars et le 8 mai 2023, dans un hôpital monocentrique.
La description
Critères d'intégration :
- Patients âgés de 1 an ou plus.
- Radiographies musculo-squelettiques disponibles au format DICOM (Digital Imaging and Communications in Medicine).
- Au moins une radiographie numérique simple d'une partie appendiculaire du corps, y compris le pied, la cheville, le genou, la main, le poignet, le coude, l'épaule ou le bassin.
Critères d'exclusion :
- Mauvaise qualité radiographique qui empêche toute interprétation humaine.
- Radiographies de la colonne lombaire, thoracique et cervicale, ou des os du visage/nasal.
- Radiographies qui ne répondent pas aux critères d'inclusion pour les parties appendiculaires du corps.
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 |
|---|---|
|
Radiographies analysées à l'aide de l'IA et de l'examen des radiologues
Cette cohorte comprend 600 radiographies recueillies auprès de patients pédiatriques et adultes, âgés de 1 à 99 ans, ayant subi une imagerie aux rayons X pour des problèmes musculo-squelettiques.
Les radiographies incluent diverses parties du corps telles que le pied, la cheville, le genou, la main, le poignet, le coude, l'épaule et le bassin.
Des fractures étaient présentes dans 95 cas, tandis que 453 cas ne présentaient aucune fracture.
|
L'utilisation d'un logiciel d'intelligence artificielle basé sur l'apprentissage profond, Carebot AI Bones version 1.2.2, conçu pour faciliter la détection des fractures sur les radiographies musculo-squelettiques.
Le modèle d’IA analyse les images radiographiques numériques pour identifier les fractures, en mettant en évidence les zones d’intérêt à l’aide de cadres de délimitation.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Sensibilité du modèle d'IA par rapport aux radiologues dans la détection des fractures sur les radiographies musculo-squelettiques
Délai: De mars 2023 à mai 2023 (Période d'analyse rétrospective)
|
Ce résultat mesure la sensibilité du modèle d'IA (Carebot AI Bones 1.2.2) dans la détection des fractures sur les radiographies musculo-squelettiques, par rapport à la sensibilité des radiologues ayant différents niveaux d'expérience.
La sensibilité est calculée comme la proportion de cas de fractures véritablement positifs identifiés par le modèle d'IA et les radiologues parmi tous les cas de fracture confirmés.
|
De mars 2023 à mai 2023 (Période d'analyse rétrospective)
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
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)
20 mars 2023
Achèvement primaire (Réel)
15 juillet 2024
Achèvement de l'étude (Réel)
15 juillet 2024
Dates d'inscription aux études
Première soumission
14 octobre 2024
Première soumission répondant aux critères de contrôle qualité
14 octobre 2024
Première publication (Réel)
16 octobre 2024
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
18 mars 2026
Dernière mise à jour soumise répondant aux critères de contrôle qualité
16 mars 2026
Dernière vérification
1 mars 2026
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- CB-BONES-01-FM
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Description du régime IPD
En raison de problèmes de confidentialité et de la nature rétrospective de l'étude, les données individuelles des participants (IPD) ne seront pas partagées.
Les données collectées contiennent des informations médicales sensibles qui sont protégées par des accords de confidentialité et par la réglementation GDPR.
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 .