このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

頸椎X線画像を用いた深層学習による喉頭鏡検査困難予測手法

2022年1月3日 更新者:Seoul National University Hospital

頸椎 X 線画像を使用して困難な喉頭鏡検査を予測する深層学習手法: 前向き検証研究

予期しない難しい喉頭鏡検査は、深刻な気道関連の合併症に関連しています。 研究者らは、甲状腺手術を受けた 14,135 人の患者からのデータを使用して、頸椎外側 X 線から困難な喉頭鏡検査 (Cormack-Lehane グレード 3-4) を予測するディープラーニング ベースのモデルを開発しました。 このモデルは、他のディープ ラーニング アーキテクチャよりも優れた優れた予測性能を示しました。 この研究では、研究者は困難な喉頭鏡検査を予測するためのモデルを前向きに検証し、予測力を臨床的な気道評価と比較します。

調査の概要

詳細な説明

喉頭鏡検査の困難を予測することは、患者の安全にとって重要です。予期しない困難な喉頭鏡検査は、脳の損傷、心肺停止、または死亡などの深刻な気道関連の合併症に関連するからです。 修正マランパティ分類、甲状間距離、切歯間ギャップ、上唇咬合テストなどの臨床予測因子は、臨床現場での気道評価に使用されますが、これらの指標は感度が低く、評価者間のばらつきが大きく、患者の協力が必要です。 .

研究者らは、甲状腺手術を受けている 14,135 人の患者からのデータを使用して、頸椎の側面 X 線から喉頭鏡検査の困難を予測するディープラーニング ベースのモデルを開発しました。 そして、この研究は提出中です。

この深層学習モデルは、他の深層学習モデル (VGG-Net、ResNet、Xception、ResNext、DenseNet、および SENet) と比較して、困難な喉頭鏡検査の予測において、感度 95.6%、特異度 91.2%、面積で最高のパフォーマンスを示しました。 0.972 の ROC 曲線 (AUROC) の下。

ただし、モデルは既存の医療記録を使用した遡及的設計であるため、最適な喉頭鏡検査を得るための輪状軟骨圧迫の有無は評価されず、気道評価との比較も行われませんでした。

この研究では、研究者は困難な喉頭鏡検査を予測するためのモデルを前向きに検証し、予測力を臨床的な気道評価と比較します。 この研究が前向きに結果を確認する場合、このアプローチは患者の安全性を向上させ、客観的かつ正確な気道評価を通じて気道関連の合併症を予防するのに役立ちます.

研究の種類

観察的

入学 (予想される)

367

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究連絡先

  • 名前:Hye-yeon Cho, MD
  • 電話番号:+82-10-3808-7110
  • メール:bdbd7799@gmail.com

研究連絡先のバックアップ

研究場所

    • Select A State Or Province
      • Seoul、Select A State Or Province、大韓民国、03080
        • 募集
        • Seoul National University Hospital
        • コンタクト:

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

18年歳以上 (大人、高齢者)

健康ボランティアの受け入れ

いいえ

受講資格のある性別

全て

サンプリング方法

確率サンプル

調査対象母集団

全身麻酔下で甲状腺手術を受ける患者

説明

包含基準:

  • 全身麻酔下の選択的甲状腺手術

除外基準:

  • 年齢 < 18 歳
  • 手術前3ヶ月以内に得られたC脊椎の側面X線画像なし
  • 直接喉頭鏡を使用する際の安全性が保証されていない患者。 (歯の状態が悪い、首が伸びてしまう危険性がある)
  • 気道評価のための身体検査に協力しない患者

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか?

デザインの詳細

  • 観測モデル:コホート
  • 時間の展望:見込みのある

この研究は何を測定していますか?

主要な結果の測定

結果測定
メジャーの説明
時間枠
困難な喉頭鏡検査を予測するための深層学習モデルと気道評価の受信者動作特性曲線の下の領域。
時間枠:麻酔導入中
困難な喉頭鏡検査の定義: Cormack-Lehane グレード 3 または 4 . 気道評価: 切歯間ギャップ (ミリメートル)、甲状腺オトガイ間距離 (ミリメートル)、甲状腺オトガイ高さ (ミリメートル)、胸骨距離 (ミリメートル)、および修正マランパティ クラス
麻酔導入中

二次結果の測定

結果測定
メジャーの説明
時間枠
挿管困難を予測するための深層学習モデルと気道評価の受信者動作特性曲線の下の領域。
時間枠:麻酔導入中
挿管困難:挿管困難スケール(スコア)
麻酔導入中
深層学習モデルの難しい喉頭鏡検査を予測するためのその他のパフォーマンス。
時間枠:麻酔導入中
感度 (パーセント)、特異度 (パーセント)、陽性適中率 (パーセント)、陰性適中率 (パーセント)、F1 スコア、バランス精度。
麻酔導入中

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

捜査官

  • スタディチェア:Hyung-Chul Lee、Seoul National University Hospital

出版物と役立つリンク

研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2021年12月1日

一次修了 (予想される)

2022年11月25日

研究の完了 (予想される)

2022年11月25日

試験登録日

最初に提出

2021年12月12日

QC基準を満たした最初の提出物

2022年1月3日

最初の投稿 (実際)

2022年1月4日

学習記録の更新

投稿された最後の更新 (実際)

2022年1月4日

QC基準を満たした最後の更新が送信されました

2022年1月3日

最終確認日

2021年12月1日

詳しくは

本研究に関する用語

その他の研究ID番号

  • 2111-111-1272

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

いいえ

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

購読する