Convalida di un algoritmo di intelligenza artificiale che identifica le viste di riferimento ecocardiografiche. Ultrasuoni - Guida all'acquisizione cardiaca (U-CAG)
Convalida prospettica di un algoritmo di intelligenza artificiale che identifica le viste di riferimento ecocardiografiche. Ultrasuoni - Guida all'acquisizione cardiaca
L'ecocardiografia è l'esame di elezione per lo studio delle patologie cardiache. Al di là del suo utilizzo da parte dei cardiologi, è già stato dimostrato l'interesse dell'ecocardiografia per altre specialità mediche, in particolare in terapia intensiva in caso di insufficienza emodinamica, o in medicina d'urgenza intra ed extraospedaliera per la valutazione iniziale del dolore toracico o della dispnea.
L'ecocardiografia svolge anche un ruolo importante nello screening delle malattie cardiache, in particolare delle cardiopatie valvolari. Nei paesi con un accesso molto limitato all'ecocardiografia, vi è una grave sottodiagnosi di malattie delle valvole cardiache, inclusa la febbre reumatica, che colpisce 30 milioni di persone e causa 305.000 morti in tutto il mondo. Poiché si tratta di un problema di salute pubblica globale, nel 2012 sono state redatte raccomandazioni per organizzare e facilitare lo screening ecocardiografico delle popolazioni a rischio.
L'espansione dell'uso dell'ecocardiografia è stata catalizzata dalla miniaturizzazione dei sistemi a ultrasuoni e dalla riduzione del loro prezzo. Recentemente, sono state sviluppate sonde direttamente collegate a un tablet o a un telefono a un costo limitato.
È quindi possibile considerare questi ecografi come il nuovo stetoscopio che potrebbe essere utilizzato da qualsiasi professionista della salute.
L'ultimo limite a questa democratizzazione, per essere efficace, è la formazione, e in particolare quella dei non specialisti (i.e. non cardiologi).
L'ecocardiografia rimane un esame che richiede conoscenze e pratica anatomica. L'esecuzione di un ecocardiogramma comporta la visualizzazione del cuore da diversi punti del torace. I tre punti principali sono nella zona paraspinale sinistra, all'apice del cuore e sotto lo sterno. Da queste aree, l'operatore deve ottenere diverse viste di riferimento rigorosamente definite per poter osservare correttamente le diverse strutture cardiache ed effettuare misurazioni comparabili da un esame e clinico all'altro.
Occorre quindi prima di tutto imparare a maneggiare la sonda e poter ottenere le viste di riferimento. La morfologia del paziente, la forma del torace, l'esatta posizione del cuore, i movimenti del cuore in funzione della posizione del paziente e del suo respiro sono tutti elementi di cui tenere conto e rendono ogni esame diverso dal precedente uno.
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
In risposta a questo problema, diversi team hanno sfruttato i progressi del deep learning, in particolare nel campo della visione artificiale, per aiutare i non specialisti a ottenere queste viste di riferimento. Utilizzando reti neurali convoluzionali, diversi team hanno sviluppato algoritmi per identificare e distinguere queste viste. L'obiettivo di questo lavoro è quello di fornire assistenza all'operatore identificando in tempo reale l'immagine ecografica ottenuta come vista di riferimento.
Da gennaio 2019, il laboratorio di ecocardiografia guidato dal Prof. Stéphane Lafitte e DESKi, una start-up con sede a Bordeaux specializzata in deep learning e imaging medico, lavorano a questo tipo di soluzione. In particolare, sono stati in grado di sviluppare un algoritmo basato su dati retrospettivi che classifica le immagini secondo 7 viste di riferimento (asse lungo parasternale, asse corto parasternale, 4-3-2 cavità apicali, 4 cavità sottocostali e la vena cava inferiore) e una classe che rappresenta le immagini ecografiche che non corrispondono a nessuna di queste viste.
Le particolarità di questo lavoro risiedono principalmente nel fatto che l'algoritmo rileva solo viste di qualità sufficiente (ecogenicità e parte anatomica visibile nell'immagine) per un'analisi affidabile e che l'architettura della rete neurale è compatibile con un utilizzo in tempo reale su un telefono intelligente.
Indipendentemente dai team, tutti questi algoritmi sono stati costruiti e convalidati da dati retrospettivi, ovvero loop di immagini ecografiche registrate dai cardiologi durante gli esami ecocardiografici standard. In queste registrazioni i cardiologi conservano solo le immagini corrispondenti alle viste di riferimento. Il cardiologo quindi allega ciascun loop o acquisizione di immagini a una vista di riferimento. Da queste registrazioni etichettate dai cardiologi e da un metodo di apprendimento, gli algoritmi imparano a rilevare e distinguere queste viste di riferimento. Gli algoritmi vengono quindi validati su un campione che non è stato utilizzato per l'allenamento, confrontando i loro risultati con la marcatura eseguita dai cardiologi.
Il limite di questa validazione è che tiene poco conto del comportamento dell'algoritmo quando confrontato con immagini che non sono viste di riferimento.
Infatti, prima di registrare queste viste di riferimento, l'operatore cerca la posizione della sonda che offre la vista migliore spostandola sul busto del paziente. Tutta questa fase di scansione viene eseguita durante l'esame standard senza essere registrata. Nessuna di queste soluzioni è stata quindi validata prospetticamente su acquisizioni compresa la fase di scansione delle viste di riferimento.
Attraverso uno studio prospettico monocentrico, l'obiettivo della ricerca è confrontare la marcatura effettuata dall'algoritmo e quella effettuata dai cardiologi dalle acquisizioni comprendenti la registrazione della fase di ricerca della vista di riferimento e ottenute nell'ambito delle cure di routine nel laboratorio di ecocardiografia.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
-
Pessac, Francia, 33604
- Bordeaux University Hospital
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Sessi ammissibili allo studio
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Pazienti (maschi o femmine) di età superiore ai 18 anni,
- Paziente sottoposto a un esame ecocardiografico programmato presso il laboratorio di ecocardiografia dell'ospedale universitario di Bordeaux,
- Paziente che ha dato la sua non opposizione a partecipare alla ricerca (al più tardi il giorno dell'inclusione e prima di qualsiasi esame richiesto dalla ricerca),
- Soggetti iscritti o beneficiari di un regime previdenziale,
- Donne in età fertile che beneficiano di una contraccezione efficace.
Criteri di esclusione:
- Persona sottoposta a misura di tutela giudiziaria (tutela della giustizia, tutela o curatori),
- Persona privata della libertà per decisione giudiziaria o amministrativa,
- Persona che non è in grado di dare la propria non opposizione,
- Donne incinte o che allattano.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Gruppo di ecocardiografia
|
La valutazione dell'algoritmo avviene su pazienti con indicazione per l'ecocardiografia. Questo esame viene svolto in modo standard con le eventuali esplorazioni specifiche relative all'indicazione dell'esame. Durante l'ecocardiografia, l'operatore registra la fase di ricerca delle seguenti viste di riferimento:
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Valutazione dell'algoritmo - concordanza cardiologo
Lasso di tempo: Giorno 0
|
Misurato dalla percentuale di immagini per le quali l'etichettatura dell'algoritmo e l'etichettatura del cardiologo sono identiche.
Questa percentuale è calcolata per esame.
|
Giorno 0
|
Collaboratori e investigatori
Sponsor
Investigatori
- Investigatore principale: Stéphane LAFITTE, MD PhD, University Hospital, Bordeaux
- Cattedra di studio: Bertrand MOAL, DESKi
Studiare le date dei record
Studia le date principali
Inizio studio (EFFETTIVO)
Completamento primario (EFFETTIVO)
Completamento dello studio (EFFETTIVO)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (EFFETTIVO)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (EFFETTIVO)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- CHUBX 2020/02
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
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 .