Ecografia fetale cerebrale 2D assistita da IA per il rilevamento di anomalie intracraniche (ALYSSIA)
Valutazione di un modello diagnostico assistito da intelligenza artificiale per l'analisi di immagini ecografiche 2D archiviate del cervello fetale, per migliorare il rilevamento e la standardizzazione delle anomalie intracraniche
La rilevazione tempestiva delle anomalie cerebrali fetali è fondamentale per migliorare il counselling prenatale e gli esiti neurologici postnatali. L'ecografia è il metodo di imaging più comunemente utilizzato ed efficace per valutare le strutture fetali; tuttavia, l'accuratezza diagnostica può essere influenzata dall'esperienza dell'operatore, dalla posizione fetale e dalla qualità dell'immagine, portando a una variabilità nell'interpretazione. L'analisi delle immagini basata sull'intelligenza artificiale (IA) offre una nuova opportunità per standardizzare la valutazione diagnostica e ridurre la soggettività nell'interpretazione ecografica.
Questo studio mira a valutare l'accuratezza diagnostica e l'applicabilità clinica di un modello assistito da IA (Alyssia) progettato per analizzare immagini ecografiche 2D archiviate del cervello fetale. Il modello verrà addestrato e validato per distinguere tra reperti intracranici normali e anormali, concentrandosi in particolare sui ventricoli laterali e su altre regioni cerebrali rilevanti. La ricerca utilizza un disegno osservazionale e retrospettivo utilizzando dati ecografici anonimizzati ottenuti durante esami prenatali di routine tra le 18 e le 24 settimane di gestazione.
Clinici esperti esamineranno ed etichetteranno tutte le immagini idonee per stabilire classificazioni di verità di riferimento per l'addestramento e la validazione del modello. Verrà sviluppato un algoritmo basato sul deep learning per classificare automaticamente queste immagini e le sue prestazioni verranno valutate utilizzando le metriche di accuratezza, sensibilità, specificità, precisione e punteggio F1. I casi classificati erroneamente verranno analizzati qualitativamente per determinare i fattori contribuenti come la qualità dell'immagine, la variabilità anatomica e le differenze gestazionali.
Confrontando gli output del modello IA con i riferimenti etichettati da esperti, lo studio valuterà la capacità del modello di migliorare la standardizzazione diagnostica e ridurre la variabilità inter-osservatore. I risultati dovrebbero fornire preziose informazioni sull'integrazione di sistemi di supporto decisionale basati sull'IA nella neurosonografia prenatale. In definitiva, questa ricerca mira a supportare una rilevazione più precoce e affidabile delle anomalie cerebrali fetali, contribuendo a migliorare l'assistenza prenatale e a esiti più sani per madri e neonati.
Panoramica dello studio
Stato
Intervento / Trattamento
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Luoghi di studio
-
-
-
Bursa, Turchia (Türkiye)
- Nefise nazlı Yenigül
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criteri di inclusione:
- Immagini ecografiche 2D del cervello fetale archiviate ottenute durante esami prenatali di routine.
- Età gestazionale compresa tra 18 e 24 settimane al momento dell'imaging.
- Età materna compresa tra 18 e 45 anni.
- Visualizzazione chiara dei ventricoli laterali e di altre regioni intracraniche.
- Immagini che soddisfano gli standard di qualità diagnostica adatti per l'analisi.
- Immagini completamente anonimizzate senza identificatori del paziente.
- Disponibilità di una valutazione esperta per classificare ogni immagine come normale o anormale.
Criteri di esclusione:
- Immagini ecografiche con scarsa qualità diagnostica o artefatti da movimento.
- Registrazioni di immagini incomplete, duplicate o danneggiate.
- Età gestazionale ambigua o metadati clinici mancanti.
- Immagini contenenti qualsiasi informazione identificabile del paziente.
- Casi al di fuori della finestra gestazionale specificata (prima delle 18 o dopo le 24 settimane).
- Immagini non correlate al cervello fetale (dati archiviati o etichettati erroneamente).
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Immagini Cerebrali Fetali Normali
Immagini ecografiche 2D del cervello fetale archiviate classificate come normali da revisori esperti.
|
Strumento diagnostico basato sull'intelligenza artificiale progettato per classificare le immagini ecografiche archiviate 2D del cervello fetale come normali o anomale per rilevare anomalie intracraniche.
|
|
Immagini Anomale del Cervello Fetale
Immagini ecografiche 2D fetali archiviate del cervello con anomalie intracraniche confermate, etichettate da esperti.
|
Strumento diagnostico basato sull'intelligenza artificiale progettato per classificare le immagini ecografiche archiviate 2D del cervello fetale come normali o anomale per rilevare anomalie intracraniche.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Accuratezza Diagnostica del Modello Assistito dall'Intelligenza Artificiale (Alyssia)
Lasso di tempo: Dall'inizio dello studio alla validazione del modello (circa 6 settimane).
|
L'esito primario è l'accuratezza diagnostica del modello di intelligenza artificiale Alyssia nel classificare immagini ecografiche 2D archiviate del cervello fetale come normali o anormali.
Le prestazioni del modello saranno valutate confrontando le classificazioni generate dall'IA con i dati di verità di base etichettati da esperti.
|
Dall'inizio dello studio alla validazione del modello (circa 6 settimane).
|
Collaboratori e investigatori
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Stimato)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Stimato)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Altri numeri di identificazione dello studio
- E-47749665-050.04-4465
- MEF University Ethics Committe (Altro identificatore: E-47749665-050.04-4465)
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 .