Mesterséges intelligencia-SARS-COV-2 (COVID-19) Kockázatértékelés (AI-SCoRE)
2025. április 29. frissítette: Antonio Esposito, IRCCS San Raffaele
Mesterséges intelligencia-SARS-COV-2 kockázatértékelés
Klinikai kihívás a COVID-19 betegek kezelése a pandémiával szembeni túlterhelt kórházban.
A döntéshozatal javítása lehetővé teszi a rendelkezésre álló erőforrások jobb elosztását és a nagyobb kockázatú betegek jobb kezelését.
A mellkas CT-t széles körben alkalmazták a COVID-19 pneumonia diagnózisára. Számos tapasztalat dokumentálta a mesterséges intelligencia képességét a COVID-19 tüdőgyulladás detektálásának javítására és rögzítésére, elsősorban a mellkas röntgenfelvételével.
A jelen tanulmány célja egy mesterséges intelligencia -megközelítés kidolgozása és validálása volt, amely integrálja a klinikai és képalkotó adatokat (automatikusan kinyerve a dedikált neurális hálózatok elfogadásával) egy felhőplatform létrehozására, amely képes automatikus betegek kockázati rétegződésének elvégzésére. Ilyen megközelítést lehet alkalmazni a COVID-19 betegek triatisingjéhez a sürgősségi osztályon, azzal a céllal, hogy javítsa az egészségügyi személyzet döntéshozatalát és az erőforrások elosztását az egészségügyi vészhelyzetek során.
A tanulmány áttekintése
Állapot
Befejezve
Körülmények
Tanulmány típusa
Megfigyelő
Beiratkozás (Tényleges)
2000
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
-
Milano, Olaszország, 20132
- IRCCS San Raffaele
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
18 év (Felnőtt, Idősebb felnőtt)
Egészséges önkénteseket fogad
Nem
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
A SARS-COV-2 fertőzés megerősített RT-PCR-sel történő megerősített betegek, akik nem kontrasztos mellkasi CT-vizsgálatot végeztek a sürgősségi osztályba való belépés utáni 72 órán belül
Leírás
Befogadási kritériumok:
- Megerősített SARS-COV-2 fertőzés RT-PCR-sel
- Nem kontraszt mellkas CT letapogatása a sürgősségi osztályba való belépéstől számított 72 órán belül elvégzi
Kizárási kritériumok:
- életkor <18 év
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
Covid-19 első hullámos betegek
1700 beteg visszamenőlegesen beiratkozott 15 olasz kórházba, 2012.16.16 -ig, 29/4/2020.
|
|
Covid-19 második hullámos betegek
300 beteg, aki prospektív módon beiratkozott az IRCCS SAN Raffaele Kórházba, 2010.10.10 -től 31/12/2020.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Időkeret |
|---|---|
|
Az AI platform képzése, tesztelése és validálása az olasz első hullámú COVID-19 betegek előrejelzésére.
Időkeret: 9 hónap
|
9 hónap
|
Másodlagos eredményintézkedések
Eredménymérő |
Időkeret |
|---|---|
|
A kifejlesztett AI platform érvényesítése a COVID-19 betegek olasz második hullámán
Időkeret: 3 hónap
|
3 hónap
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Együttműködők
Nyomozók
- Kutatásvezető: Antonio Esposito, MD, IRCCS San Raffaele
Publikációk és hasznos linkek
A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.
Általános kiadványok
- Ai T, Yang Z, Hou H, Zhan C, Chen C, Lv W, Tao Q, Sun Z, Xia L. Correlation of Chest CT and RT-PCR Testing for Coronavirus Disease 2019 (COVID-19) in China: A Report of 1014 Cases. Radiology. 2020 Aug;296(2):E32-E40. doi: 10.1148/radiol.2020200642. Epub 2020 Feb 26.
- Li L, Qin L, Xu Z, Yin Y, Wang X, Kong B, Bai J, Lu Y, Fang Z, Song Q, Cao K, Liu D, Wang G, Xu Q, Fang X, Zhang S, Xia J, Xia J. Using Artificial Intelligence to Detect COVID-19 and Community-acquired Pneumonia Based on Pulmonary CT: Evaluation of the Diagnostic Accuracy. Radiology. 2020 Aug;296(2):E65-E71. doi: 10.1148/radiol.2020200905. Epub 2020 Mar 19.
- Emanuel EJ, Persad G, Upshur R, Thome B, Parker M, Glickman A, Zhang C, Boyle C, Smith M, Phillips JP. Fair Allocation of Scarce Medical Resources in the Time of Covid-19. N Engl J Med. 2020 May 21;382(21):2049-2055. doi: 10.1056/NEJMsb2005114. Epub 2020 Mar 23. No abstract available.
- Ciceri F, Castagna A, Rovere-Querini P, De Cobelli F, Ruggeri A, Galli L, Conte C, De Lorenzo R, Poli A, Ambrosio A, Signorelli C, Bossi E, Fazio M, Tresoldi C, Colombo S, Monti G, Fominskiy E, Franchini S, Spessot M, Martinenghi C, Carlucci M, Beretta L, Scandroglio AM, Clementi M, Locatelli M, Tresoldi M, Scarpellini P, Martino G, Bosi E, Dagna L, Lazzarin A, Landoni G, Zangrillo A. Early predictors of clinical outcomes of COVID-19 outbreak in Milan, Italy. Clin Immunol. 2020 Aug;217:108509. doi: 10.1016/j.clim.2020.108509. Epub 2020 Jun 12.
- Patel D, Kher V, Desai B, Lei X, Cen S, Nanda N, Gholamrezanezhad A, Duddalwar V, Varghese B, Oberai AA. Machine learning based predictors for COVID-19 disease severity. Sci Rep. 2021 Feb 25;11(1):4673. doi: 10.1038/s41598-021-83967-7.
- Palmisano A, Scotti GM, Ippolito D, Morelli MJ, Vignale D, Gandola D, Sironi S, De Cobelli F, Ferrante L, Spessot M, Tonon G, Tacchetti C, Esposito A. Chest CT in the emergency department for suspected COVID-19 pneumonia. Radiol Med. 2021 Mar;126(3):498-502. doi: 10.1007/s11547-020-01302-y. Epub 2020 Nov 9.
- Park JH, Lee SG, Ahn S, Kim JY, Song J, Moon S, Cho H. Strategies to prevent COVID-19 transmission in the emergency department of a regional base hospital in Korea: From index patient until pandemic declaration. Am J Emerg Med. 2021 Aug;46:247-253. doi: 10.1016/j.ajem.2020.07.056. Epub 2020 Jul 24.
- Wehbe RM, Sheng J, Dutta S, Chai S, Dravid A, Barutcu S, Wu Y, Cantrell DR, Xiao N, Allen BD, MacNealy GA, Savas H, Agrawal R, Parekh N, Katsaggelos AK. DeepCOVID-XR: An Artificial Intelligence Algorithm to Detect COVID-19 on Chest Radiographs Trained and Tested on a Large U.S. Clinical Data Set. Radiology. 2021 Apr;299(1):E167-E176. doi: 10.1148/radiol.2020203511. Epub 2020 Nov 24.
- Schalekamp S, Huisman M, van Dijk RA, Boomsma MF, Freire Jorge PJ, de Boer WS, Herder GJM, Bonarius M, Groot OA, Jong E, Schreuder A, Schaefer-Prokop CM. Model-based Prediction of Critical Illness in Hospitalized Patients with COVID-19. Radiology. 2021 Jan;298(1):E46-E54. doi: 10.1148/radiol.2020202723. Epub 2020 Aug 13.
- Cheng FY, Joshi H, Tandon P, Freeman R, Reich DL, Mazumdar M, Kohli-Seth R, Levin M, Timsina P, Kia A. Using Machine Learning to Predict ICU Transfer in Hospitalized COVID-19 Patients. J Clin Med. 2020 Jun 1;9(6):1668. doi: 10.3390/jcm9061668.
- Liang W, Yao J, Chen A, Lv Q, Zanin M, Liu J, Wong S, Li Y, Lu J, Liang H, Chen G, Guo H, Guo J, Zhou R, Ou L, Zhou N, Chen H, Yang F, Han X, Huan W, Tang W, Guan W, Chen Z, Zhao Y, Sang L, Xu Y, Wang W, Li S, Lu L, Zhang N, Zhong N, Huang J, He J. Early triage of critically ill COVID-19 patients using deep learning. Nat Commun. 2020 Jul 15;11(1):3543. doi: 10.1038/s41467-020-17280-8.
- Wong HYF, Lam HYS, Fong AH, Leung ST, Chin TW, Lo CSY, Lui MM, Lee JCY, Chiu KW, Chung TW, Lee EYP, Wan EYF, Hung IFN, Lam TPW, Kuo MD, Ng MY. Frequency and Distribution of Chest Radiographic Findings in Patients Positive for COVID-19. Radiology. 2020 Aug;296(2):E72-E78. doi: 10.1148/radiol.2020201160. Epub 2020 Mar 27.
- Chorath A, Choi Y, Turkbey EB, Ahlman MA, Sibley CT, Liu S, Bluemke DA, Sandfort V. Coronary CT Angiography and Carotid MRI Improve Phenotyping of Disease Extent Compared with ACC/AHA Risk Score Alone. Radiol Cardiothorac Imaging. 2020 Feb 27;2(1):e190068. doi: 10.1148/ryct.2020190068.
- Neri E, Miele V, Coppola F, Grassi R. Use of CT and artificial intelligence in suspected or COVID-19 positive patients: statement of the Italian Society of Medical and Interventional Radiology. Radiol Med. 2020 May;125(5):505-508. doi: 10.1007/s11547-020-01197-9. Epub 2020 Apr 29.
- Giannini F, Toselli M, Palmisano A, Cereda A, Vignale D, Leone R, Nicoletti V, Gnasso C, Monello A, Manfrini M, Khokhar A, Sticchi A, Biagi A, Turchio P, Tacchetti C, Landoni G, Boccia E, Campo G, Scoccia A, Ponticelli F, Danzi GB, Loffi M, Muri M, Pontone G, Andreini D, Mancini EM, Casella G, Iannopollo G, Nannini T, Ippolito D, Bellani G, Franzesi CT, Patelli G, Besana F, Costa C, Vignali L, Benatti G, Sverzellati N, Scarnecchia E, Lombardo FP, Anastasio F, Iannaccone M, Vaudano PG, Pacielli A, Baffoni L, Gardi I, Cesini E, Sperandio M, Micossi C, De Carlini CC, Spreafico C, Maggiolini S, Bonaffini PA, Iacovoni A, Sironi S, Senni M, Fominskiy E, De Cobelli F, Maggioni AP, Rapezzi C, Ferrari R, Colombo A, Esposito A. Coronary and total thoracic calcium scores predict mortality and provides pathophysiologic insights in COVID-19 patients. J Cardiovasc Comput Tomogr. 2021 Sep-Oct;15(5):421-430. doi: 10.1016/j.jcct.2021.03.003. Epub 2021 Mar 11.
- Esposito A, Palmisano A, Toselli M, Vignale D, Cereda A, Rancoita PMV, Leone R, Nicoletti V, Gnasso C, Monello A, Biagi A, Turchio P, Landoni G, Gallone G, Monti G, Casella G, Iannopollo G, Nannini T, Patelli G, Di Mare L, Loffi M, Sergio P, Ippolito D, Sironi S, Pontone G, Andreini D, Mancini EM, Di Serio C, De Cobelli F, Ciceri F, Zangrillo A, Colombo A, Tacchetti C, Giannini F. Chest CT-derived pulmonary artery enlargement at the admission predicts overall survival in COVID-19 patients: insight from 1461 consecutive patients in Italy. Eur Radiol. 2021 Jun;31(6):4031-4041. doi: 10.1007/s00330-020-07622-x. Epub 2020 Dec 23.
- Ufuk F, Demirci M, Sagtas E, Akbudak IH, Ugurlu E, Sari T. The prognostic value of pneumonia severity score and pectoralis muscle Area on chest CT in adult COVID-19 patients. Eur J Radiol. 2020 Oct;131:109271. doi: 10.1016/j.ejrad.2020.109271. Epub 2020 Sep 9.
- Monaco CG, Zaottini F, Schiaffino S, Villa A, Della Pepa G, Carbonaro LA, Menicagli L, Cozzi A, Carriero S, Arpaia F, Di Leo G, Astengo D, Rosenberg I, Sardanelli F. Chest x-ray severity score in COVID-19 patients on emergency department admission: a two-centre study. Eur Radiol Exp. 2020 Dec 15;4(1):68. doi: 10.1186/s41747-020-00195-w. Erratum In: Eur Radiol Exp. 2021 Apr 14;5(1):17. doi: 10.1186/s41747-021-00215-3.
- Bai HX, Wang R, Xiong Z, Hsieh B, Chang K, Halsey K, Tran TML, Choi JW, Wang DC, Shi LB, Mei J, Jiang XL, Pan I, Zeng QH, Hu PF, Li YH, Fu FX, Huang RY, Sebro R, Yu QZ, Atalay MK, Liao WH. Artificial Intelligence Augmentation of Radiologist Performance in Distinguishing COVID-19 from Pneumonia of Other Origin at Chest CT. Radiology. 2020 Sep;296(3):E156-E165. doi: 10.1148/radiol.2020201491. Epub 2020 Apr 27. Erratum In: Radiology. 2021 Apr;299(1):E225. doi: 10.1148/radiol.2021219004.
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2020. február 16.
Elsődleges befejezés (Tényleges)
2020. szeptember 30.
A tanulmány befejezése (Tényleges)
2021. június 30.
Tanulmányi regisztráció dátumai
Először benyújtva
2021. április 6.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2021. április 6.
Első közzététel (Tényleges)
2021. április 8.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2025. május 1.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2025. április 29.
Utolsó ellenőrzés
2025. április 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- AI-SCoRE
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
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. .