超音波胎児体重推定評価に関する初心者の意思決定における人工知能のサポート - ランダム化試験 (scan-AId)
2024年5月8日 更新者：Mary Le Ngo、Copenhagen Academy for Medical Education and Simulation
Scan-AId: 超音波胎児体重推定評価の初心者の意思決定を人工知能がサポート - ランダム化試験
このランダム化対照臨床試験の目的は、医学生が代表を務めるこの研究では、初心者が実施した場合に、どのタイプの人工知能 (AI) が超音波による胎児体重推定 (EFW) の診断精度に影響を与えるかを知ることです。 回答することを目的とした主な質問は次のとおりです。
- 超音波による胎児体重診断の精度向上において、初心者にとってどのタイプの人工知能が機能しますか?
- 人工知能は画質を向上させますか?また、AI システムは初心者でも使用できますか? 参加者は、単純なブラック ボックス AI フィードバック システムまたはより精巧な説明可能な AI のいずれかを使用して超音波 EFW を実行するように求められます。 これは彼らの意思決定をサポートするためのものです。 研究者はこれを対照群と比較して、効果があるかどうかを確認します。
調査の概要
詳細な説明
このランダム化比較臨床試験の目的は、医学生が代表を務めるこの研究では、初心者が実施した場合に、どのタイプの人工知能 (AI) が超音波による胎児体重推定 (EFW) の診断精度に影響を与えるかを知ることです。
研究の目的は次のとおりです。
- 超音波胎児体重診断の精度を向上させる初心者にとって、どのタイプの人工知能サポート システムが機能しますか?
- 人工知能は画質を向上させますか、AI サポートを利用するときに参加者にかかる認知負荷を評価しますか、AI システムは初心者でも使用できますか?
参加者は、シンプルなブラック ボックス AI または詳細な説明可能な AI フィードバック システムを使用して、超音波推定胎児体重 (EFW) を実施する任務を負います。 AI システムは、参加者が EFW に適切な画像をキャプチャしたかどうかを判断するのに役立ちます。 次に、結果を対照グループの結果と比較します。
超音波検査は、同日または前日にクリニックで専門の超音波検査技師によるEFWを受けている、在胎週数30～37週の胎児をもつ妊婦に対して行われます。 各ランダム化アームの 1 人の参加者が、同じ妊婦に対して EFW を実行します。
研究の種類
介入
入学 (推定)
75
段階
- 適用できない
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。
研究場所
-
-
-
Copenhagen、デンマーク、2100
- Rigshospitalet
-
-
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
- 大人
- 高齢者
健康ボランティアの受け入れ
はい
説明
包含基準:
- 過去に胎児超音波検査や腹部超音波検査の研修を受けたことがない医学生。
- 参加者はデンマーク語または英語の話し言葉と書き言葉を理解する必要があります。
除外基準:
• この研究に参加する前に正式な胎児訓練または腹部訓練を受けた医学生。
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
- 主な目的：診断
- 割り当て：ランダム化
- 介入モデル：並列代入
- マスキング：独身
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的：フィードバックグループ 1 (FG1)
FG1 の参加者は、「標準プレーン」、「非標準プレーン」、または「オフプレーン」などの簡単な説明とともに、基本的なブラック ボックス AI サポートを受けます。
|
胎児超音波 EFW 計算に使用される適切な標準平面画像を取得するために、参加者を支援する 2 つのレベルの AI フィードバック。
|
|
実験的：フィードバックグループ 2 (FG2)
FG2 の参加者は、解剖学的構造と解剖学的セグメンテーションのより詳細な説明による説明可能な AI サポートを受けることができます。
|
胎児超音波 EFW 計算に使用される適切な標準平面画像を取得するために、参加者を支援する 2 つのレベルの AI フィードバック。
|
|
介入なし：対照群（CG）
CG の参加者には、EFW の超音波標準平面画像へのガイドとなる標準平面ポスターが用意されています。
|
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 |
|---|---|---|
|
診断精度
時間枠：15分
|
各グループの精度は、推定胎児体重と超音波検査者の専門家EFWの間の差異のパーセンテージとして定義されました。
|
15分
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
画質
時間枠：5分前参加者
|
Salomon 基準スコアは、画質の評価に使用されます。 ポイントは、存在するランドマークの数、画像の最適化の品質、およびキャリパーの配置に応じて与えられます。 最小値: 1 最大値: 18。 スコアが高いほど、画質が優れていることを示します。 |
5分前参加者
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
AIシステムの使いやすさ
時間枠：5分
|
参加者は、AI フィードバック システムを評価するために使用されるシステム ユーザビリティ スケール (SUS) のアンケートに答えるように求められます。 最小 1 最大 100。 スコアが高いほど、システムの使いやすさが向上していることを示します。 |
5分
|
|
反応時間の測定
時間枠：5分
|
参加者の反応時間の測定は、認知負荷の測定となります。 反応時間は、参加者が超音波スキャンを実行している間に二次的なタスクとして測定されます。 |
5分
|
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。
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。
一般刊行物
- Borsci S, Federici S, Lauriola M. On the dimensionality of the System Usability Scale: a test of alternative measurement models. Cogn Process. 2009 Aug;10(3):193-7. doi: 10.1007/s10339-009-0268-9. Epub 2009 Jun 30.
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019 Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7.
- Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ; SPIRIT-AI and CONSORT-AI Working Group. Guidelines for clinical trial protocols for interventions involving artificial intelligence: the SPIRIT-AI extension. Lancet Digit Health. 2020 Oct;2(10):e549-e560. doi: 10.1016/S2589-7500(20)30219-3. Epub 2020 Sep 9.
- Andreasen LA, Tabor A, Norgaard LN, Rode L, Gerds TA, Tolsgaard MG. Detection of growth-restricted fetuses during pregnancy is associated with fewer intrauterine deaths but increased adverse childhood outcomes: an observational study. BJOG. 2021 Jan;128(1):77-85. doi: 10.1111/1471-0528.16380. Epub 2020 Jul 27.
- Andreasen LA, Tabor A, Norgaard LN, Taksoe-Vester CA, Krebs L, Jorgensen FS, Jepsen IE, Sharif H, Zingenberg H, Rosthoj S, Sorensen AL, Tolsgaard MG. Why we succeed and fail in detecting fetal growth restriction: A population-based study. Acta Obstet Gynecol Scand. 2021 May;100(5):893-899. doi: 10.1111/aogs.14048. Epub 2021 Jan 12.
- Andreasen LA, Feragen A, Christensen AN, Thybo JK, Svendsen MBS, Zepf K, Lekadir K, Tolsgaard MG. Multi-centre deep learning for placenta segmentation in obstetric ultrasound with multi-observer and cross-country generalization. Sci Rep. 2023 Feb 8;13(1):2221. doi: 10.1038/s41598-023-29105-x.
- Nicholls D, Sweet L, Hyett J. Psychomotor skills in medical ultrasound imaging: an analysis of the core skill set. J Ultrasound Med. 2014 Aug;33(8):1349-52. doi: 10.7863/ultra.33.8.1349.
- Govaerts MJ, Schuwirth LW, Van der Vleuten CP, Muijtjens AM. Workplace-based assessment: effects of rater expertise. Adv Health Sci Educ Theory Pract. 2011 May;16(2):151-65. doi: 10.1007/s10459-010-9250-7. Epub 2010 Sep 30.
- Tolsgaard MG, Pusic MV, Sebok-Syer SS, Gin B, Svendsen MB, Syer MD, Brydges R, Cuddy MM, Boscardin CK. The fundamentals of Artificial Intelligence in medical education research: AMEE Guide No. 156. Med Teach. 2023 Jun;45(6):565-573. doi: 10.1080/0142159X.2023.2180340. Epub 2023 Mar 2.
- Tolsgaard MG, Boscardin CK, Park YS, Cuddy MM, Sebok-Syer SS. The role of data science and machine learning in Health Professions Education: practical applications, theoretical contributions, and epistemic beliefs. Adv Health Sci Educ Theory Pract. 2020 Dec;25(5):1057-1086. doi: 10.1007/s10459-020-10009-8. Epub 2020 Nov 3.
- Degallier-Rochat S, Kurpicz-Briki M, Endrissat N, Yatsenko O. Human augmentation, not replacement: A research agenda for AI and robotics in the industry. Front Robot AI. 2022 Oct 4;9:997386. doi: 10.3389/frobt.2022.997386. eCollection 2022. No abstract available.
- Vasey B, Novak A, Ather S, Ibrahim M, McCulloch P. DECIDE-AI: a new reporting guideline and its relevance to artificial intelligence studies in radiology. Clin Radiol. 2023 Feb;78(2):130-136. doi: 10.1016/j.crad.2022.09.131.
- Liu X, Cruz Rivera S, Moher D, Calvert MJ, Denniston AK; SPIRIT-AI and CONSORT-AI Working Group. Reporting guidelines for clinical trial reports for interventions involving artificial intelligence: the CONSORT-AI extension. Lancet Digit Health. 2020 Oct;2(10):e537-e548. doi: 10.1016/S2589-7500(20)30218-1. Epub 2020 Sep 9.
- Salomon LJ, Alfirevic Z, Da Silva Costa F, Deter RL, Figueras F, Ghi T, Glanc P, Khalil A, Lee W, Napolitano R, Papageorghiou A, Sotiriadis A, Stirnemann J, Toi A, Yeo G. ISUOG Practice Guidelines: ultrasound assessment of fetal biometry and growth. Ultrasound Obstet Gynecol. 2019 Jun;53(6):715-723. doi: 10.1002/uog.20272.
- Hadlock FP. Sonographic estimation of fetal age and weight. Radiol Clin North Am. 1990 Jan;28(1):39-50.
- Bloch R, Norman G. Generalizability theory for the perplexed: a practical introduction and guide: AMEE Guide No. 68. Med Teach. 2012;34(11):960-92. doi: 10.3109/0142159X.2012.703791.
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)
2024年2月14日
一次修了 (推定)
2024年6月30日
研究の完了 (推定)
2024年9月1日
試験登録日
最初に提出
2024年1月22日
QC基準を満たした最初の提出物
2024年1月22日
最初の投稿 (実際)
2024年1月30日
学習記録の更新
投稿された最後の更新 (実際)
2024年5月10日
QC基準を満たした最後の更新が送信されました
2024年5月8日
最終確認日
2024年4月1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。