Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Diagnosi e prognosi assistite dall'intelligenza artificiale in COVID-19 mediante elettrocardiogrammi (AI-COV-19)

24 agosto 2021 aggiornato da: Imperial College London

Diagnosi e prognosi assistite dall'intelligenza artificiale in COVID-19 mediante elettrocardiogrammi e imaging

La malattia da coronavirus 2019 (COVID-19) è diffusa in tutto il mondo da dicembre 2019. È altamente contagioso e i casi più gravi possono portare a insufficienza respiratoria acuta o insufficienza multiorgano. L'11 marzo 2020, l'OMS ha valutato che il COVID-19 può essere definito una pandemia. Con lo sviluppo dell'apprendimento automatico, la tecnologia di intelligenza artificiale (AI) basata sull'apprendimento profondo ha dimostrato un enorme successo nel campo dell'analisi dei dati medici grazie alla sua capacità di estrarre funzionalità avanzate dall'imaging e da set di dati clinici complessi. In questo studio, miriamo a utilizzare i dati clinici raccolti nell'ambito delle cure cliniche di routine (tracciati cardiaci, raggi X e scansioni TC) per addestrare l'intelligenza artificiale e gli algoritmi di apprendimento automatico, per prevedere con precisione il decorso della malattia nei pazienti con Covid-19 infezione, utilizzando questi set di dati.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Intervento / Trattamento

Descrizione dettagliata

La malattia da coronavirus 2019 (COVID-19) è diffusa in tutto il mondo da dicembre 2019. È altamente contagioso e i casi più gravi possono portare a insufficienza respiratoria acuta o insufficienza multiorgano e infine alla morte. La malattia può essere confermata utilizzando il test di reazione a catena della polimerasi a trascrizione inversa (RT-PCR). ECG, radiografie del torace e scansioni TC sono ricche fonti di dati che forniscono informazioni sulla malattia che altrimenti non sarebbero disponibili.

Sapere chi ricoverare in ospedale o in terapia intensiva salva vite poiché aiuta a mitigare la carenza di risorse. Nuovi strumenti di intelligenza artificiale come il deep learning consentiranno una valutazione complessa dell'imaging e dei dati clinici che potrebbero potenzialmente aiutare i medici a fare una diagnosi più rapida e accurata, valutare meglio i pazienti e valutare la risposta al trattamento e, in definitiva, una migliore previsione dell'esito. Il nostro gruppo ha una significativa esperienza nell'implementazione di algoritmi di apprendimento automatico su grandi quantità di ECG, come quelli della Biobanca del Regno Unito, e propone di estendere le nostre tecniche ai dati dei pazienti con Covid-19.

Questo è uno studio di dati retrospettivo su pazienti con COVID-19 sospetto e confermato.

Lo studio mira a reclutare fino a 2000 pazienti che verranno sottoposti a ECG, radiografie del torace o scansioni TC presso il Chelsea and Westminster Hospital NHS Foundation Trust, l'Imperial College Healthcare NHS Trust e il London North West London University Healthcare NHS Trust.

Per essere incluso in questo studio, il paziente deve:

  • avere ECG, radiografia del torace e/o imaging TC del torace (con o senza mezzo di contrasto)
  • test di laboratorio dell'acido nucleico del virus Covid-19 (saggio RTPCR con campioni di tampone faringeo) o sospetto clinico di infezione da Covid19
  • avere un'età >18 anni Saranno esclusi i pazienti con ECG, radiografia del torace e studi TC subottimali a causa di artefatti. I pazienti saranno esclusi anche se l'intervallo di tempo tra ECG, TC del torace e il test RT-PCR è stato superiore a 7 giorni.

Questo studio ha ricevuto l'approvazione dell'HRA e dell'Health and Care Research Wales (HCRW) il 18 maggio 2020 a seguito della revisione del comitato etico della ricerca in una riunione tenutasi il 13 maggio 2020 (numero di protocollo: 20HH5967; riferimento REC: 20/HRA/2467).

Tipo di studio

Osservativo

Iscrizione (Anticipato)

2000

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Luoghi di studio

  • Regno Unito
      • London, Regno Unito, HA1 3UJ
        • Reclutamento
        • London North West University Healthcare NHS Trust
        • Contatto:
      • London, Regno Unito, TW7 6AF
      • London, Regno Unito, W12 0NN
        • Attivo, non reclutante
        • Imperial College London (Hammersmith campus)
      • London, Regno Unito, W2 1NY

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

14 anni e precedenti (Adulto, Adulto più anziano)

Accetta volontari sani

No

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Questo è uno studio di dati retrospettivo su pazienti con COVID-19 sospetto e confermato.

Lo studio mira a reclutare fino a 2000 pazienti che verranno sottoposti a ECG, radiografie del torace o scansioni TC presso il Chelsea and Westminster Hospital NHS Foundation Trust, l'Imperial College Healthcare NHS Trust e il London North West London University Healthcare NHS Trust.

Descrizione

Criterio di inclusione:

  • avere ECG, radiografia del torace e/o imaging TC del torace (con o senza mezzo di contrasto)
  • positività al test di laboratorio dell'acido nucleico del virus Covid-19 (test RTPCR con campioni di tampone faringeo) o sospetto clinico di infezione da Covid-19
  • avere un'età >18 anni

Criteri di esclusione:

  • ECG subottimali, radiografie del torace o studi TC per metodi di deep learning a causa di artefatti anche gravi
  • artefatti da movimento che causano la sfocatura dei contorni o artefatti significativi dovuti a protesi metalliche che causano il degrado dell'immagine
  • L'intervallo di tempo tra gli ECG, la TC del torace e il test RT-PCR era superiore a 7 giorni

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

  • Modelli osservazionali: Coorte
  • Prospettive temporali: Retrospettiva

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Precisione dell'apprendimento automatico per poter prevedere l'esito dell'infezione da coronavirus (COVID-19).
Lasso di tempo: Al termine delle analisi dei dati, circa 1 anno
Precisione con cui l'analisi basata su computer (apprendimento automatico) può diagnosticare e/o pronosticare Covid-19 Numero di partecipanti con COVID19 deceduti o sopravvissuti dopo il ricovero ospedaliero
Al termine delle analisi dei dati, circa 1 anno
Precisione dell'apprendimento automatico per poter prevedere la prognosi dell'infezione da coronavirus (COVID-19).
Lasso di tempo: Al termine delle analisi dei dati, circa 1 anno
Numero di partecipanti che hanno richiesto ventilazione invasiva rispetto a ventilazione non invasiva rispetto a cure di reparto rispetto a morti
Al termine delle analisi dei dati, circa 1 anno

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Precisione dell'apprendimento automatico per poter prevedere il coinvolgimento cardiaco dell'infezione da coronavirus (COVID-19).
Lasso di tempo: Al termine delle analisi dei dati, circa 1 anno
Numero di partecipanti con problemi cardiaci correlati a COVID19.
Al termine delle analisi dei dati, circa 1 anno
Precisione dell'apprendimento automatico rispetto alla valutazione umana per diagnosticare l'infezione da coronavirus (COVID-19).
Lasso di tempo: Al termine delle analisi dei dati, circa 1 anno
Numero di partecipanti che possono essere identificati come affetti da COVID19 utilizzando l'apprendimento automatico rispetto a test o valutazioni cliniche umane o di altro tipo
Al termine delle analisi dei dati, circa 1 anno

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Imperial College London

Collaboratori

Imperial College Healthcare NHS Trust
London North West Healthcare NHS Trust
Chelsea and Westminster Hospital NHS Foundation Trust

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

26 maggio 2020

Completamento primario (Anticipato)

1 maggio 2022

Completamento dello studio (Anticipato)

1 maggio 2022

Date di iscrizione allo studio

Primo inviato

7 agosto 2020

Primo inviato che soddisfa i criteri di controllo qualità

11 agosto 2020

Primo Inserito (Effettivo)

12 agosto 2020

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

30 agosto 2021

Ultimo aggiornamento inviato che soddisfa i criteri QC

24 agosto 2021

Ultimo verificato

1 agosto 2021

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • 20HH5967

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

Sì

Descrizione del piano IPD

Si tratta di uno studio che utilizza dati retrospettivi pseudo-anonimi acquisiti come parte dell'assistenza clinica di routine per i pazienti. Non ci sono rischi diretti per la salute dei pazienti. I problemi principali riguardano la sicurezza e l'archiviazione dei dati. Per affrontare questo problema, i membri del gruppo di assistenza diretta che non sono membri del gruppo di ricerca eseguiranno la pseudo-anonimizzazione dei dati e passeranno una serie di dati pseudo-anonimizzati al gruppo di ricerca senza accesso alla pseudo-anonimizzazione codice. Il team di ricerca non sarà quindi in grado di identificare i pazienti da quei dati. I dati pseudo-anonimizzati saranno inoltre archiviati in modo sicuro per ridurre ulteriormente i rischi.

Periodo di condivisione IPD

entro la durata dello studio

Criteri di accesso alla condivisione IPD

Ricercatori dello studio

Tipo di informazioni di supporto alla condivisione IPD

  • Protocollo di studio
  • Piano di analisi statistica (SAP)

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .

Prove cliniche su Coronavirus

Prove cliniche su Intervento nullo

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Lebanon

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi