X 線上の AI 支援による骨折検出 (FRACT-AI) (FRACT-AI)
FRACT-AI: 単純 X 線での骨折検出における最前線の臨床医の診断精度に対する人工知能強化画像解析の影響の評価
調査の概要
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前:Sarim Ather, PhD
- 電話番号:+44 7877724961
- メール:sarim.ather@ouh.nhs.uk
研究連絡先のバックアップ
- 名前:Alex Novak, MSc
- 電話番号:+44 7944653979
- メール:alex.novak@ouh.nhs.uk
研究場所
-
-
Oxfordshire
-
Oxford、Oxfordshire、イギリス、OX3 9DU
- 募集
- Oxford University Hospitals NHS Foundation Trust
-
コンタクト:
- Alex Novak, MSc
- 電話番号:+44 7944 653970
- メール:alex.novak@ouh.nhs.uk
-
副調査官:
- Abdalá T Espinosa Morgado, MSc
-
-
参加基準
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
現在、国民保健サービス (NHS) で勤務している救急医、外傷外科医、整形外科医、救急看護師、理学療法士、一般放射線科医、放射線技師が日常臨床診療の一環として X 線検査を行っています。
読者は、テムズバレー救急医療研究ネットワーク (www.TaVERNresearch.org) を構成する 5 つの NHS 組織全体から募集されます。
- オックスフォード大学病院 NHS 財団トラスト
- ロイヤル バークシャー NHS 財団トラスト
- バッキンガムシャー ヘルスケア NHS トラスト
- フリムリー ヘルス NHS 財団トラスト
- ミルトンケインズ大学病院NHS財団トラスト
説明
包含基準:
- 救急医、外傷外科医、整形外科医、救急看護師、理学療法士、一般放射線科医、放射線技師が日常診療の一環として X 線検査を行っています。
- 現在は国民保健サービス(NHS)に勤務している。
除外基準:
- 以前に正式な大学院 XR レポートトレーニングを受けた放射線科以外の医師。
- 放射線科での経歴を持つ放射線科以外の医師
研究計画
研究はどのように設計されていますか?
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
---|---|
読者・参加者
読者の選択: 以下の 5 つの臨床専門グループから 18 人の読者が選ばれます (各読者 3 人)。
以下の年功/経験レベルから:
各専門読者グループには、経験レベルごとに 1 人の読者が含まれます。 読者は、テムズバレー救急医療研究ネットワーク (www.TaVERNresearch.org) を構成する 5 つの NHS 組織全体から募集されます。
|
読み取りは、レポートおよび画像品質管理サイト (www.RAIQC.com) を介してリモートで行われます。 医療画像の表示とレポートを可能にするオンライン プラットフォーム。 参加者はどこからでも作業できますが、作業はインターネットにアクセスできるコンピュータから行う必要があります。 誤解を避けるために記載しておきますが、この作業は携帯電話やタブレットからは実行できません。 プロジェクトは 2 つのフェーズに分かれており、参加者は両方のフェーズを完了する必要があります。 プロジェクトへの総関与時間は最大 20 ~ 24 時間と推定されます。 フェーズ 1: 許容時間: 2 週間 - 参加者は 500 枚の X 線写真を確認し、構造化された報告テンプレート (複数選択、自由記述は不要) を通じて臨床意見を表明する必要があります。 休息/ウォッシュアウト期間 - 許容される時間: 4 週間。想起バイアスの影響を軽減します。 フェーズ 2 - 許容時間: 2 週間 - 各症例の AI レポートとともに 500 枚の X 線写真をレビューし、フェーズ 1 で使用したものと同じ構造化されたレポート テンプレートを通じて臨床意見を表明します。 |
グラウンドトゥルーサー
コンサルタントの筋骨格系放射線科医 2 名。
3 番目の上級筋骨格系放射線科医 (経験 20 年以上) の意見により、仲裁が行われます。
|
コンサルタントの筋骨格系放射線科医 2 名が独立して画像をレビューして、XR の「グラウンド トゥルース」所見を確立します。コンセンサスが得られた場合、これが参照標準として使用されます。
意見の相違がある場合には、3 番目の上級筋骨格系放射線科医 (経験 20 年以上) の意見が仲裁を引き受けます。
難易度スコアは、グラウンドトゥルーサーによって 4 段階のリッカート スケールを使用して各異常に割り当てられます (1 は簡単/明白、4 は難しい/不十分に視覚化されます)。
|
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 |
---|---|---|
AIアルゴリズムの性能:感度
時間枠:4週間の読書時間中に
|
Gleamer Boneview アルゴリズムの評価は、感度を決定するために参照標準と比較して実行されます。
|
4週間の読書時間中に
|
AIアルゴリズムの性能:特異性
時間枠:4週間の読書時間中に
|
Gleamer Boneview の評価は、特異性を決定するために参照標準と比較して実行されます。
|
4週間の読書時間中に
|
AI アルゴリズムのパフォーマンス: ROC 曲線下面積 (AU ROC)
時間枠:4週間の読書時間中に
|
Gleamer Boneview アルゴリズムの評価は、参照標準と比較して実行されます。
アルゴリズムからの連続確率スコアは ROC 分析に利用され、事前定義された操作カットオフを持つバイナリ分類結果は感度、特異度、陽性的中率、および陰性的中率の評価に使用されます。
|
4週間の読書時間中に
|
AI 支援ありとなしのリーダーのパフォーマンス: 感度
時間枠:4週間の読書時間中に
|
この研究には 2 つのセッション (AI オーバーレイの有無) が含まれ、18 人の読者全員が毎回 500 件の XR ケースすべてをレビューし、想起バイアスを軽減するウォッシュアウト期間を設けます。
ケースは 2 つの読み取りの間で、またすべての読み取り者に対してランダム化されます。
|
4週間の読書時間中に
|
AI 支援ありとなしのリーダーのパフォーマンス: 特異性
時間枠:4週間の読書時間中に
|
この研究には 2 つのセッション (AI オーバーレイの有無) が含まれ、18 人の読者全員が毎回 500 件の XR ケースすべてをレビューし、想起バイアスを軽減するウォッシュアウト期間を設けます。
ケースは 2 つの読み取りの間で、またすべての読み取り者に対してランダム化されます。
|
4週間の読書時間中に
|
AI 支援ありとなしのリーダーのパフォーマンス: ROC 曲線下面積 (AU ROC)
時間枠:4週間の読書時間中に
|
この研究には 2 つのセッション (AI オーバーレイの有無) が含まれ、18 人の読者全員が毎回 500 件の XR ケースすべてをレビューし、想起バイアスを軽減するウォッシュアウト期間を設けます。
ケースは 2 つの読み取りの間で、またすべての読み取り者に対してランダム化されます。
|
4週間の読書時間中に
|
AI 支援を使用した場合と使用しない場合の読者速度。
時間枠:4週間の読書時間中に
|
AI 支援を使用した場合と使用しない場合の、XR のレビューにかかった平均時間。
|
4週間の読書時間中に
|
協力者と研究者
協力者
出版物と役立つリンク
一般刊行物
- Chilamkurthy S, Ghosh R, Tanamala S, Biviji M, Campeau NG, Venugopal VK, Mahajan V, Rao P, Warier P. Deep learning algorithms for detection of critical findings in head CT scans: a retrospective study. Lancet. 2018 Dec 1;392(10162):2388-2396. doi: 10.1016/S0140-6736(18)31645-3. Epub 2018 Oct 11.
- Hussain F, Cooper A, Carson-Stevens A, Donaldson L, Hibbert P, Hughes T, Edwards A. Diagnostic error in the emergency department: learning from national patient safety incident report analysis. BMC Emerg Med. 2019 Dec 4;19(1):77. doi: 10.1186/s12873-019-0289-3.
- Donaldson LJ, Reckless IP, Scholes S, Mindell JS, Shelton NJ. The epidemiology of fractures in England. J Epidemiol Community Health. 2008 Feb;62(2):174-80. doi: 10.1136/jech.2006.056622.
- National Clinical Guideline Centre (UK). Fractures (Non-Complex): Assessment and Management. London: National Institute for Health and Care Excellence (NICE); 2016 Feb. Available from http://www.ncbi.nlm.nih.gov/books/NBK344251/
- Blazar E, Mitchell D, Townzen JD. Radiology Training in Emergency Medicine Residency as a Predictor of Confidence in an Attending. Cureus. 2020 Jan 9;12(1):e6615. doi: 10.7759/cureus.6615.
- Snaith B, Hardy M. Emergency department image interpretation accuracy: The influence of immediate reporting by radiology. Int Emerg Nurs. 2014 Apr;22(2):63-8. doi: 10.1016/j.ienj.2013.04.004. Epub 2013 May 30.
- York TJ, Jenkins PJ, Ireland AJ. Reporting Discrepancy Resolved by Findings and Time in 2947 Emergency Department Ankle X-rays. Skeletal Radiol. 2020 Apr;49(4):601-611. doi: 10.1007/s00256-019-03317-7. Epub 2019 Nov 21.
- van Leeuwen KG, Schalekamp S, Rutten MJCM, van Ginneken B, de Rooij M. Artificial intelligence in radiology: 100 commercially available products and their scientific evidence. Eur Radiol. 2021 Jun;31(6):3797-3804. doi: 10.1007/s00330-021-07892-z. Epub 2021 Apr 15.
- Duron L, Ducarouge A, Gillibert A, Laine J, Allouche C, Cherel N, Zhang Z, Nitche N, Lacave E, Pourchot A, Felter A, Lassalle L, Regnard NE, Feydy A. Assessment of an AI Aid in Detection of Adult Appendicular Skeletal Fractures by Emergency Physicians and Radiologists: A Multicenter Cross-sectional Diagnostic Study. Radiology. 2021 Jul;300(1):120-129. doi: 10.1148/radiol.2021203886. Epub 2021 May 4.
- Fenton JJ, Taplin SH, Carney PA, Abraham L, Sickles EA, D'Orsi C, Berns EA, Cutter G, Hendrick RE, Barlow WE, Elmore JG. Influence of computer-aided detection on performance of screening mammography. N Engl J Med. 2007 Apr 5;356(14):1399-409. doi: 10.1056/NEJMoa066099.
- Patel MR, Norgaard BL, Fairbairn TA, Nieman K, Akasaka T, Berman DS, Raff GL, Hurwitz Koweek LM, Pontone G, Kawasaki T, Sand NPR, Jensen JM, Amano T, Poon M, Ovrehus KA, Sonck J, Rabbat MG, Mullen S, De Bruyne B, Rogers C, Matsuo H, Bax JJ, Leipsic J. 1-Year Impact on Medical Practice and Clinical Outcomes of FFRCT: The ADVANCE Registry. JACC Cardiovasc Imaging. 2020 Jan;13(1 Pt 1):97-105. doi: 10.1016/j.jcmg.2019.03.003. Epub 2019 Mar 17.
- Obuchowski NA, Bullen J. Multireader Diagnostic Accuracy Imaging Studies: Fundamentals of Design and Analysis. Radiology. 2022 Apr;303(1):26-34. doi: 10.1148/radiol.211593. Epub 2022 Feb 15.
- Smith BJ, Hillis SL. Multi-reader multi-case analysis of variance software for diagnostic performance comparison of imaging modalities. Proc SPIE Int Soc Opt Eng. 2020 Feb;11316:113160K. doi: 10.1117/12.2549075. Epub 2020 Mar 16.
便利なリンク
- 3. Clinical negligence claims in Emergency Departments in England. Report 2 of 3: Missed fractures. NHS Resolution. March 2022
- 11. The NICE Evidence Standards Framework for digital health and care technologies. (ECD7) Last Updated: 9 August
- 12. Emergency Medicine Refresh Top 10
- Improving Radiographic Fracture Recognition Performance and Efficiency Using Artificial Intelligence. Radiology
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
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。
症例の閲覧の臨床試験
-
Children's Hospital Medical Center, Cincinnati積極的、募集していない