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.

Sistema basato sull'intelligenza artificiale per lo screening della tubercolosi polmonare: valutazione dell'accuratezza diagnostica

25 maggio 2023 aggiornato da: Anton V. Vladzymyrskyy, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department
Test di soluzioni AI per valutare l'accuratezza diagnostica per il rilevamento della tubercolosi.

Panoramica dello studio

Stato

Attivo, non reclutante

Condizioni

Intervento / Trattamento

Descrizione dettagliata

La tubercolosi rimane un problema chiave della medicina moderna. Dovrebbero essere proposti nuovi approcci per il superamento degli oneri. Le nuove strategie di screening possono includere l'intelligenza artificiale (AI). È stato sviluppato e addestrato un sistema basato sull'intelligenza artificiale per l'analisi e il triage dei raggi X del torace ("normale/tubercolosi sospetta"). È stato preparato un set di dati speciale. Ci sono 238 radiografie normali e 70 radiografie con tubercolosi polmonare nel set di dati. Il set di dati è stato suddiviso casualmente in 2 campioni:

  • campione N1 (n=140) con rapporto "normale: tubercolosi" 50:50,
  • campione N1 (n=150) con rapporto "normale: tubercolosi" 95:5. Entrambi i campioni saranno analizzati dal sistema basato su AI. I risultati saranno quantificati utilizzando metriche di accuratezza diagnostica: sensibilità e specificità, valori predittivi positivi e negativi, rapporto di verosimiglianza e area sotto la curva ROC (caratteristica operativa del ricevitore).

Tipo di studio

Osservativo

Iscrizione (Effettivo)

308

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

  • Federazione Russa
      • Moscow, Federazione Russa, 109029
        • Research and Practical Center of Medical Radiology, Department of Health Care of Moscow

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

  • Adulto
  • Adulto più anziano

Accetta volontari sani

N/A

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

308 immagini radiografiche del torace selezionate dal database del Servizio Unificato di Informazione Radiologica (URIS) di Mosca

Descrizione

Criterio di inclusione:

  • nessuna patologia in un polmone alla radiografia del torace
  • segni di tubercolosi polmonare alla radiografia del torace

Criteri di esclusione:

  • qualsiasi patologia nei polmoni (tranne la tubercolosi)

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

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
Campione N1
(n=140) con rapporto "normale: tubercolosi" 50:50
Test diagnostico: Analisi a raggi X basata sull'intelligenza artificiale e triage ("normale/tubercolosi sospetta")
Tutte le radiografie incluse saranno analizzate dal sistema basato sull'intelligenza artificiale. Quindi i risultati verranno confrontati con le opinioni di 2 radiologi esperti (eseguono la revisione tra pari di tutte le immagini incluse indipendentemente l'una dall'altra).
Altri nomi:
  • analisi di intelligenza artificiale di immagini mediche
Campione N2
(n=150) con rapporto "normale: tubercolosi" 95:5
Test diagnostico: Analisi a raggi X basata sull'intelligenza artificiale e triage ("normale/tubercolosi sospetta")
Tutte le radiografie incluse saranno analizzate dal sistema basato sull'intelligenza artificiale. Quindi i risultati verranno confrontati con le opinioni di 2 radiologi esperti (eseguono la revisione tra pari di tutte le immagini incluse indipendentemente l'una dall'altra).
Altri nomi:
  • analisi di intelligenza artificiale di immagini mediche

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Metrica di accuratezza diagnostica 1
Lasso di tempo: Giorno 1 al ricevimento dei dati
Sensibilità
Giorno 1 al ricevimento dei dati
Metrica di accuratezza diagnostica 2
Lasso di tempo: Giorno 2 al ricevimento dei dati
Specificità
Giorno 2 al ricevimento dei dati
Metrica di accuratezza diagnostica 3
Lasso di tempo: Giorno 3 al ricevimento dei dati
Valori predittivi positivi
Giorno 3 al ricevimento dei dati
Metrica di accuratezza diagnostica 4
Lasso di tempo: Giorno 4 al ricevimento dei dati
Valori predittori negativi
Giorno 4 al ricevimento dei dati
Metrica di accuratezza diagnostica 5
Lasso di tempo: Giorno 5 al ricevimento dei dati
Rapporto di verosimiglianza
Giorno 5 al ricevimento dei dati
Metrica di accuratezza diagnostica 6
Lasso di tempo: Giorno 6 al ricevimento dei dati
Area sotto la curva ROC
Giorno 6 al ricevimento dei dati

Collaboratori e investigatori

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

Sponsor

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

Investigatori

  • Investigatore principale: Anton Vladzymyrskyy, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

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)

1 febbraio 2018

Completamento primario (Effettivo)

15 marzo 2018

Completamento dello studio (Stimato)

30 dicembre 2023

Date di iscrizione allo studio

Primo inviato

28 marzo 2018

Primo inviato che soddisfa i criteri di controllo qualità

25 maggio 2023

Primo Inserito (Effettivo)

5 giugno 2023

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

5 giugno 2023

Ultimo aggiornamento inviato che soddisfa i criteri QC

25 maggio 2023

Ultimo verificato

1 maggio 2023

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • 2018-1

Piano per i dati dei singoli partecipanti (IPD)

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

NO

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 Tubercolosi, Polmonare

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Uruguay

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi