- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT04897178
Machine Learning-based Anomaly Recognition System (MARS)
Use of Machine Learning Algorithms for Automated Detection of Fetal Anomalies
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
Routine second trimester anomaly scan has become a routine part of antenatal care. Early detection of fetal anomalies permits patient counselling, consideration of termination if detected anomalies are considerable, and arrangement of delivery and immediate neonatal care if indicated. Furthermore, with the expanding role of fetal interventions, early detection of fetal anomalies may expand management options, some of which may lead superior outcomes compared to postnatal interventions.
However, fetal anatomy scan necessitates a particular level of training and expertise, either by sonographers or obstetricians. Unfortunately, availability of experienced personals may be globally limited. Furthermore, first trimester anatomy scan has been evolving rapidly as ultrasound machine continues to develop and clinical research yields more information on first trimester normal standards and abnormal ranges. Accordingly, first trimester scan is anticipated to be a part of routine care in the near future. Although this tool should provide substantial benefits to obstetric patients, this would require more providers with specific training, which is unlikely to be readily available.
Artificial intelligence has been incorporated in the medical field for more than 20 years. With the advancement of deep learning algorithms, deep learning has yielded exceptional accuracy in image recognition. In the last decade, deep learning exhibits high quality performance that may exceed human performance at times. One of the earliest and most prevalent applications of deep learning in medicine are radiology-related.
In the current study, the investigators will create a series of deep learning models that appraise and identify common fetal anomalies in a series of frames including recorded videos or real time ultrasound. Deep learning algorithms will be fed by labelled images of known normal and abnormal findings representing common fetal anomalies for both training and validation. These images will be collected retrospectively through medical records of contributing centers. Their diagnostic performance will be tested on retrospectively collected videos including normal and abnormal findings. In the second stage of the study, These models will be applied to prospectively collected videos of fetal anatomy scan for further validation.
Tanulmány típusa
Beiratkozás (Várható)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
Assiut, Egyiptom, 71515
- Assiut Faculty of Medicine - Women Health Hospital
-
Aswan, Egyiptom, 81528
- Aswan Faculty of Medicine
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
Egészséges önkénteseket fogad
Tanulmányozható nemek
Mintavételi módszer
Tanulmányi populáció
Leírás
Inclusion Criteria:
- Pregnant women between 18 and 45 years
- Available ultrasound image with clear findings
- postnatal confirmation of diagnosis
Exclusion Criteria:
- Absence of research authorization on medical records
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
---|---|
Fetuses with normal anatomy
Fetuses with normal anatomy scan who demonstrate no structural abnormalities of different systems (CNS, chest and heart, abdomen, skeletal system)
|
Routine 2 dimensional Ultrasound used to screen fetuses for congenital anomalies
|
Fetuses with abnormal anatomy
Fetuses with abnormal anatomy scan who demonstrate any structural abnormalities that can be detected with ultrasound
|
Routine 2 dimensional Ultrasound used to screen fetuses for congenital anomalies
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
---|---|---|
Diagnostic accuracy
Időkeret: Fetuses between 10 weeks and 32 weeks of gestation
|
Diagnostic accuracy of deep learning models in identifying major fetal structural anomalies
|
Fetuses between 10 weeks and 32 weeks of gestation
|
Együttműködők és nyomozók
Szponzor
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Várható)
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
- OBG-AI21-P1
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. .
Klinikai vizsgálatok a Magzati anomália
-
Hospital Universitario Dr. Jose E. GonzalezBefejezveUltrahangvizsgálat | Fetal Cisterna Magna hosszaMexikó
-
Inonu UniversityBefejezveHallgassa meg a Fetal Heartbeat-etPulyka
-
Shanghai First Maternity and Infant HospitalIsmeretlen
-
Sanliurfa Mehmet Akif Inan Education and Research...BefejezveTerhességi cukorbetegség | DUCTUS VENOSUS VOLUME | PLACENTA KÖTET | 3D SZONGRÁFIA | FETAL LİVER VOLUMEPulyka
-
Thomas Jefferson UniversityToborzásGenetikai rendellenességek | Nem immunrendszerű magzatvíz | Nem immunhiányok újszülöttekbenEgyesült Államok
-
University of California, San FranciscoCalifornia Institute for Regenerative Medicine (CIRM)Jelentkezés meghívóvalHemoglobinopátiák | Alfa-talaszémia major | Thalassemia Major | Fetal Hydrops | Hemoglobinopátia; Thalassamiával | Magzati vérszegénység | Alfa; Thalassemia | Alfa talaszémia | A-thalassaemiaEgyesült Államok
-
The Hospital for Sick ChildrenLabatt Family Heart CentreToborzásPitvari flutter | Tachycardia, szupraventrikuláris | Tachycardia, atrioventricularis csomópont visszatérése | Pitvari tachycardia | Tachycardia, viszonzó | Tachycardia, paroxizmális | Fetal Hydrops | Tachycardia, pitvari ektópiásEgyesült Államok, Hong Kong, Kanada, Hollandia, Svédország, Ausztrália, Brazília, Finnország, Franciaország, Orosz Föderáció, Spanyolország, Csehország, Svájc, Egyesült Királyság
-
Medical College of WisconsinNational Heart, Lung, and Blood Institute (NHLBI); University of Wisconsin, Madison és más munkatársakToborzásHirtelen csecsemőhalál | Veleszületett szívbetegség | Terhesség elvesztése | Gastroschisis | Magzati halál | Brugada szindróma | Magas kockázatú terhesség | Halvaszületés | Hosszú QT szindróma | Magzati pusztulás | Születési rendellenesség | Twin Monochorionic Monoamniotic Placenta | Iker-ikertranszfúziós szindróma és egyéb feltételekEgyesült Államok