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.

Miglioramento dell'accuratezza diagnostica nell'identificazione delle fratture sulle radiografie muscoloscheletriche utilizzando il deep learning: uno studio retrospettivo multi-lettore

16 marzo 2026 aggiornato da: Carebot s.r.o.
Questo studio retrospettivo mira a valutare l’efficacia dell’intelligenza artificiale (AI) nell’identificazione delle fratture sulle radiografie muscolo-scheletriche. Confrontando le prestazioni di un modello di intelligenza artificiale di deep learning con quelle di radiologi esperti, cerchiamo di capire come l’intelligenza artificiale può aiutare a migliorare l’accuratezza del rilevamento delle fratture in contesti clinici. Lo studio ha analizzato 600 radiografie di pazienti pediatrici e adulti, concentrandosi sull’identificazione di fratture in diverse parti del corpo, tra cui piede, caviglia, ginocchio, mano, polso e altro. I risultati mostrano che l’integrazione dell’intelligenza artificiale può aumentare la sensibilità dei radiologi nel rilevamento delle fratture, migliorando potenzialmente i risultati dei pazienti riducendo il numero di infortuni mancati.

Panoramica dello studio

Stato

Completato

Condizioni

Intervento / Trattamento

Tipo di studio

Osservativo

Iscrizione (Effettivo)

600

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

  • Cechia
    • Moravskoslezský kraj
      • Frýdek-Místek, Moravskoslezský kraj, Cechia, 73801
        • Nemocnice ve Frýdku-Místku, p.o.

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

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

No

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Lo studio comprende una coorte retrospettiva di pazienti pediatrici e adulti sottoposti a radiografie muscoloscheletriche tra il 20 marzo e l'8 maggio 2023, in un ambiente ospedaliero monocentrico.

Descrizione

Criteri di inclusione:

  • Pazienti di età pari o superiore a 1 anno.
  • Radiografie muscoloscheletriche disponibili nel formato DICOM (Digital Imaging and Communications in Medicine).
  • Almeno una radiografia digitale semplice di una parte appendicolare del corpo, inclusi piede, caviglia, ginocchio, mano, polso, gomito, spalla o bacino.

Criteri di esclusione:

  • Scarsa qualità radiografica che preclude l'interpretazione umana.
  • Radiografie della colonna lombare, toracica e cervicale o delle ossa facciali/nasali.
  • Radiografie che non soddisfano i criteri di inclusione per le parti del corpo appendicolari.

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
Radiografie analizzate utilizzando l'intelligenza artificiale e la revisione del radiologo
Questa coorte è composta da 600 radiografie raccolte da pazienti pediatrici e adulti, di età compresa tra 1 e 99 anni, sottoposti a imaging a raggi X per condizioni muscolo-scheletriche. Le radiografie includono varie parti del corpo come piede, caviglia, ginocchio, mano, polso, gomito, spalla e bacino. Erano presenti fratture in 95 casi, mentre 453 casi non presentavano fratture.
Test diagnostico: Carebot AI Ossa
L'uso di un software di intelligenza artificiale basato sul deep learning, Carebot AI Bones versione 1.2.2, progettato per facilitare il rilevamento delle fratture sulle radiografie muscolo-scheletriche. Il modello AI analizza le immagini radiografiche digitali per identificare le fratture, evidenziando le aree di interesse con riquadri di delimitazione.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Sensibilità del modello AI rispetto ai radiologi nel rilevamento delle fratture sui raggi X muscoloscheletrici
Lasso di tempo: Da marzo 2023 a maggio 2023 (Periodo di analisi retrospettiva)
Questo risultato misura la sensibilità del modello AI (Carebot AI Bones 1.2.2) nel rilevare le fratture sulle radiografie muscolo-scheletriche, rispetto alla sensibilità dei radiologi con diversi livelli di esperienza. La sensibilità viene calcolata come la percentuale di casi di frattura realmente positivi identificati dal modello AI e dai radiologi rispetto a tutti i casi di frattura confermati.
Da marzo 2023 a maggio 2023 (Periodo di analisi retrospettiva)

Collaboratori e investigatori

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

Sponsor

Carebot s.r.o.

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)

20 marzo 2023

Completamento primario (Effettivo)

15 luglio 2024

Completamento dello studio (Effettivo)

15 luglio 2024

Date di iscrizione allo studio

Primo inviato

14 ottobre 2024

Primo inviato che soddisfa i criteri di controllo qualità

14 ottobre 2024

Primo Inserito (Effettivo)

16 ottobre 2024

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

18 marzo 2026

Ultimo aggiornamento inviato che soddisfa i criteri QC

16 marzo 2026

Ultimo verificato

1 marzo 2026

Maggiori informazioni

Termini relativi a questo studio

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • CB-BONES-01-FM

Piano per i dati dei singoli partecipanti (IPD)

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

NO

Descrizione del piano IPD

Per motivi di privacy e per la natura retrospettiva dello studio, i dati dei singoli partecipanti (IPD) non saranno condivisi. I dati raccolti contengono informazioni mediche sensibili protette da accordi di riservatezza e normative GDPR.

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 Carebot AI Ossa

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Gambia

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi