Mesterséges intelligencia által támogatott diagnózis és előrejelzés a COVID-19-ben elektrokardiogram segítségével (AI-COV-19)
Mesterséges intelligencia által támogatott diagnózis és előrejelzés a COVID-19-ben elektrokardiogram és képalkotás segítségével
A tanulmány áttekintése
Részletes leírás
A 2019-es koronavírus-betegség (COVID-19) 2019 decembere óta világszerte elterjedt. Nagyon fertőző, és a súlyos esetek akut légzési nehézséghez vagy több szervi elégtelenséghez és végső soron halálhoz vezethetnek. A betegség reverz transzkripciós polimeráz láncreakció (RT-PCR) teszttel igazolható. Az EKG-k, a mellkasröntgen- és a CT-vizsgálatok olyan gazdag adatforrások, amelyek betekintést nyújtanak olyan betegségekbe, amelyek egyébként nem lennének elérhetőek.
Életeket menthet meg, ha tudjuk, kit kell bevinni a kórházba vagy az intenzív osztályba, mivel segít csökkenteni az erőforráshiányt. Az új mesterséges intelligencia eszközök, mint például a mély tanulás lehetővé teszik a képalkotó és klinikai adatok komplex értékelését, amelyek potenciálisan segíthetik a klinikusokat a gyorsabb és pontosabb diagnózis felállításában, a betegek jobb osztályozásában, valamint a kezelésre adott válasz és végső soron az eredmény jobb előrejelzésében. Csoportunk jelentős tapasztalattal rendelkezik gépi tanulási algoritmusok végrehajtásában hatalmas mennyiségű EKG-n, például az Egyesült Királyság Biobankjából, és azt javasolja, hogy technikáinkat kiterjesztsük a Covid-19-ben szenvedő betegek adataira.
Ez egy retrospektív adattanulmány gyanús és megerősített COVID-19-ben szenvedő betegeken.
A tanulmány célja, hogy 2000 beteget toborozzon, akiket EKG-re, mellkasröntgenre vagy CT-vizsgálatra utalnak a Chelsea és a Westminster Hospital NHS Foundation Trust, az Imperial College Healthcare NHS Trust és a London North West London University Healthcare NHS Trust szervezeteihez.
A vizsgálatban való részvételhez a páciensnek:
- EKG-ja, mellkasröntgene és/vagy mellkasi CT-je (kontraszttal vagy anélkül)
- laboratóriumi Covid-19 vírus nukleinsav teszt (RTPCR vizsgálat toroktampon mintákkal) vagy Covid19 fertőzés klinikai gyanúja
- 18 év felettiek Azok a betegek, akiknél műtermékek miatt szuboptimális EKG-t, mellkasröntgen- és CT-vizsgálatot végeztek, kizárásra kerülnek. A betegek akkor is kizárásra kerülnek, ha az EKG-k, a mellkasi CT és az RT-PCR vizsgálat közötti időintervallum 7 napnál hosszabb volt.
Ezt a tanulmányt a HRA és a Health and Care Research Wales (HCRW) 2020. május 18-án hagyta jóvá, miután a Kutatásetikai Bizottság 2020. május 13-án tartott ülésén felülvizsgálta (a jegyzőkönyv száma: 20HH5967; REC hivatkozási szám: 20/HRA/2467).
Tanulmány típusa
Beiratkozás (Várható)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
London, Egyesült Királyság, HA1 3UJ
- Toborzás
- London North West University Healthcare NHS Trust
-
Kapcsolatba lépni:
- Jaymin Shah, MRCP PhD
- Telefonszám: 02075949832
- E-mail: jaymin.shah@nhs.net
-
London, Egyesült Királyság, TW7 6AF
- Toborzás
- Chelsea and Westminster Hospital NHS Foundation Trust
-
Kapcsolatba lépni:
- Emmanuel Ako, MRCP PhD
- Telefonszám: e 02075949832
- E-mail: Emmanuelle.Ako@chelwest.nhs.uk
-
Kapcsolatba lépni:
- Abtehale Al-Hussaini, MRCP PhD
- Telefonszám: e 02075949832
- E-mail: abtehale.Al-hussaini@chelwest.nhs.uk
-
London, Egyesült Királyság, W12 0NN
- Aktív, nem toborzó
- Imperial College London (Hammersmith campus)
-
London, Egyesült Királyság, W2 1NY
- Toborzás
- St Mary's Hospital
-
Kapcsolatba lépni:
- Fu Siong Ng
- Telefonszám: 02075943614
- E-mail: f.ng@imperial.ac.uk
-
Kapcsolatba lépni:
- Kiran Patel
- Telefonszám: 02075943614
- E-mail: kiran.patel@imperial.ac.uk
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
Egészséges önkénteseket fogad
Tanulmányozható nemek
Mintavételi módszer
Tanulmányi populáció
Ez egy retrospektív adattanulmány gyanús és megerősített COVID-19-ben szenvedő betegeken.
A tanulmány célja, hogy 2000 beteget toborozzon, akiket EKG-re, mellkasröntgenre vagy CT-vizsgálatra utalnak a Chelsea és a Westminster Hospital NHS Foundation Trust, az Imperial College Healthcare NHS Trust és a London North West London University Healthcare NHS Trust szervezeteihez.
Leírás
Bevételi kritériumok:
- EKG-ja, mellkasröntgene és/vagy mellkasi CT-je (kontraszttal vagy anélkül)
- pozitív laboratóriumi Covid-19 vírus nukleinsav teszt (RTPCR vizsgálat toroktampon mintákkal) vagy klinikai gyanú Covid-19 fertőzésre
- 18 év felettiek
Kizárási kritériumok:
- Szuboptimális EKG-k, mellkas röntgenfelvételek vagy CT-vizsgálatok mély tanulási módszerekhez műtermékek miatt, beleértve a súlyos
- mozgási műtermékek, amelyek a kontúrok elmosódását vagy jelentős műtermékeket okoznak a fémes protézis miatt, ami a kép romlását okozza
- Az EKG, a mellkasi CT és az RT-PCR vizsgálat közötti időintervallum 7 napnál hosszabb volt
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Megfigyelési modellek: Kohorsz
- Időperspektívák: Visszatekintő
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A gépi tanulás pontossága a koronavírus (COVID-19) fertőzés kimenetelének előrejelzéséhez
Időkeret: Az adatelemzések végén hozzávetőlegesen 1 év
|
Pontosság, amellyel a számítógépes elemzés (gépi tanulás) képes diagnosztizálni és/vagy prognosztizálni a Covid-19-fertőzést A COVID19-ben szenvedő résztvevők száma, akik meghaltak vagy túlélték a kórházi felvételt követően
|
Az adatelemzések végén hozzávetőlegesen 1 év
|
|
A gépi tanulás pontossága a koronavírus (COVID-19) fertőzés prognózisának előrejelzéséhez
Időkeret: Az adatelemzések végén hozzávetőlegesen 1 év
|
Az invazív vagy nem invazív lélegeztetést igénylő résztvevők száma, illetve az osztályon belüli ellátás vs. meghaltak
|
Az adatelemzések végén hozzávetőlegesen 1 év
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A gépi tanulás pontossága a koronavírus-fertőzés (COVID-19) kardiális érintettségének előrejelzéséhez
Időkeret: Az adatelemzések végén hozzávetőlegesen 1 év
|
Azon résztvevők száma, akiknek COVID19-hez kapcsolódó szívproblémái voltak.
|
Az adatelemzések végén hozzávetőlegesen 1 év
|
|
A gépi tanulás pontossága az emberi értékeléshez képest a koronavírus-fertőzés (COVID-19) diagnosztizálásához
Időkeret: Az adatelemzések végén hozzávetőlegesen 1 év
|
Azon résztvevők száma, akikről gépi tanulással, illetve humán vagy más klinikai teszttel vagy értékeléssel azonosítható a COVID19-fertőzött
|
Az adatelemzések végén hozzávetőlegesen 1 év
|
Együttműködők és nyomozók
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Várható)
A tanulmány befejezése (Várható)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- 20HH5967
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
IPD megosztási időkeret
IPD-megosztási hozzáférési feltételek
Az IPD megosztását támogató információ típusa
- Tanulmányi Protokoll
- Statisztikai elemzési terv (SAP)
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .