ビッグデータとディープラーニングに基づく人工知能支援胸部X線モデルによる川崎病早期発見に関する臨床研究
大規模データと深層学習に基づく人工知能支援胸部X線写真モデルによる川崎病早期発見に関する臨床研究
この観察研究の目的は、川崎病（KD）と診断された小児の胸部X線（CXR）を用いて、川崎病のためのAIベースの早期警告システムを開発することです。 主な研究課題は以下の通りです：
- 現在の診断方法よりも早く高リスクのKD患者を特定するために、CXRの特徴のAIモデリングは役立つか？
- AIシステムは、KD患者における最適なIVIG治療期間と冠動脈リスクを予測できるか？
参加者は：
胸部X線と臨床データ（CRP、冠動脈超音波など）に関する遡及的なデータを提供する 深層学習モデルを用いてCXRの特徴を分析し、関連するパターンを抽出することを許可する プライバシーとデータセキュリティを確保するために、彼らのデータを連合学習モデルに組み込む
調査の概要
詳細な説明
- 研究背景と臨床的課題 川崎病（KD）は小児の後天性心疾患の主要な原因です。 従来の診断は、発熱が5日以上持続するなどの主観的症状や発疹に依存しており、2つの主要な問題が生じています：診断の遅れ（非定型患者の30%が最適なIVIG治療期間（発熱期間5-10日）を逃す）、および冠動脈損傷（治療を7日以上遅らせると冠動脈拡張のリスクが47%増加）。 現在のAHA基準は、発熱が3日以下の小児では感度がわずか35%であり、客観的な早期警戒システムの確立が急務です。
研究目的と技術的アプローチ 中核的ブレークスルー：初めて日常的な胸部X線（CXR）を用いてAIベースの早期警戒モデルを開発。
技術的経路：マルチセンターによるデータ統合、CXRと臨床データ（臨床症状、検査所見、冠動脈超音波など）の収集、プライバシーとセキュリティを確保する連合学習フレームワークの採用。 人間の目には見えない画像バイオマーカーとCXR特徴の探索、ならびにマルチモーダル動的早期警戒モデルの開発。
デュアルパスCNNによるCXR特徴の抽出 → グラフニューラルネットワークによる検査指標の統合 → 川崎病のリスクスコアを出力する診断モデル。↑
革新性の利点と臨床的価値 発熱3日目での早期警戒性能は強力で、川崎病に対する事前試験感度87.2%を達成し、個別化されたIVIG治療期間と予測される冠動脈リスクを提供します。 軽量モデル（50MB未満）は、プライマリケア環境での使用に適応可能です。
臨床経路：
AIが高リスク小児を特定 → 心エコー検査を優先 → IVIG治療期間を前倒し → 心血管合併症の低減。
最終目標は、中国の川崎病患者の診断時間を短縮し、心血管合併症を減少させることです。
検証計画と結果の実用化
3段階の検証：
内部：5分割交差検証（AUC≥0.88） 外部：3病院でのブラインドテスト（感度>85%、特異度>80%） 臨床：救急医療環境でのリアルタイム導入（応答時間≤15秒） 結果の実用化：査読付き学術誌論文1-2報、特許出願1-2件；川崎病の早期識別を促進し、臨床転帰を改善。
- 主要結論 本研究は、CXR画像における肺動脈血管サインなどの客観的バイオマーカーを解読し、川崎病のAI-CXR早期警戒システムを構築することを目的としています。 発熱期間と主観的症状への現在の依存を突破し、早期診断を支援し、患者の転帰を改善します。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Jian Wang, Doctoral Degree
- 電話番号：86-15900861356
- メール：wangjian@xinhuemed.com.cn
研究連絡先のバックアップ
- 名前：Bo Wang, PhD Candidate
- 電話番号：86-19921875669
- メール：18bowang@sjtu.edu.cn
研究場所
-
-
Shanghai Municipality
-
Shanghai、Shanghai Municipality、中国、2000000
- Xinhua Hospital Affiliated to Shanghai Jiaotong University School of Medicine
-
-
参加基準
適格基準
就学可能な年齢
- 子
- 大人
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
症例群は、過去10年間に川崎病（KD）と診断された小児で構成されています。 対象基準には、臨床症状に基づき川崎病と診断され、診療記録で確認された小児が含まれます。
対照群は、発熱が3日以上持続する患者のデータで構成され、診断年、月、および臨床的特徴に基づいてKDコホートとマッチングされています。
本研究は、これらの患者における胸部X線所見と川崎病との関係を調査することに焦点を当てています。
説明
適格基準：
症例群
- 受診時年齢が18歳以下であること；・診療記録システムの診断に「川崎病」、「皮膚粘膜リンパ節症候群」または「IVIG不応性川崎病」の診断が含まれていること
- 同一入院期間中に少なくとも1回の完全な胸部X線検査データ（画像および報告書）が利用可能であること
対照群
- 受診時年齢が18歳以下であること
- 症例群と同時期であること
- 発熱が3日以上持続していること
- 川崎病の診断の可能性を除外できること
除外基準：
症例群
- 胸部X線の画質問題：重度のアーチファクト、過度の露出/露出不足により主要構造の評価が不可能な場合
- 臨床情報の不完全性：胸部X線検査、臨床検査の欠如、発熱日数の不明確を含む。最終診断の確定が不可能な場合（フォローアップ喪失、診断に疑問がある場合など）
対照群
- 胸部X線の画質問題：重度のアーチファクト、過度の露出/露出不足により主要構造の評価が不可能な場合
- 臨床情報の不完全性：胸部X線検査、臨床検査の欠如、発熱日数の不明確を含む
- 明確な最終診断が下せない場合（フォローアップ喪失、診断に疑問がある場合など）
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 |
|---|---|
|
症例群
対象基準: (1) 受診年齢が18歳以下であること; (2) 医療記録システムの診断に「川崎病」「皮膚粘膜リンパ節症候群」または「IVIG無反応性川崎病」の診断が含まれていること。 (3) 同じ入院期間中に、少なくとも1回の完全な胸部X線検査データ（画像および報告書）が利用可能であること。 除外基準: (1) 胸部X線の品質問題: 重度のアーティファクト、露出過多／露出不足により主要構造の評価が不可能な場合。 (2) 胸部X線検査、臨床検査、発熱日数が不明など、臨床情報が不完全な場合。 (3) 最終診断が確定できない場合（追跡不能、診断が疑わしい場合など）。 |
本研究は、川崎病（KD）の最適なIVIG治療窓を予測し、冠動脈リスクを評価するためのAIベースの早期警戒システムを活用します。
このシステムは胸部X線（CXR）画像を分析し、CRP値や臨床症状などの臨床データと統合します。
介入には、関連するCXR特徴を抽出するためのデュアルパス畳み込みニューラルネットワーク（CNN）と、検査指標を統合するグラフニューラルネットワークを使用するマルチモーダル動的予測モデルの開発が含まれます。
AIシステムは、IVIG治療窓の予測を出力し、冠動脈損傷のリスクを推定します。
この早期警戒システムは、高リスクKD患者を早期に特定し、適時介入と個別化治療計画を可能にすることで、診断時間を短縮し、治療結果を改善することを目指しています。
このモデルは軽量（50MB未満）に設計されており、一次医療環境で容易に適用できるようにしています。
|
|
対照群
適格基準: (1) 受診時の年齢が18歳以下であること; (2) 症例群と同時期であること; (3) 発熱が3日以上持続すること; (4) 川崎病の診断可能性を除外できること 除外基準: (1) 胸部X線の品質問題: 重度のアーチファクト、過剰露光／露光不足により主要構造の評価が不可能な場合。
(2) 臨床情報の不完全性: 胸部X線検査、臨床検査の欠如、発熱日数の不明瞭さを含む。
(3) 明確な最終診断ができない場合（フォローアップ喪失、診断の疑義など）
|
本研究は、川崎病（KD）の最適なIVIG治療窓を予測し、冠動脈リスクを評価するためのAIベースの早期警戒システムを活用します。
このシステムは胸部X線（CXR）画像を分析し、CRP値や臨床症状などの臨床データと統合します。
介入には、関連するCXR特徴を抽出するためのデュアルパス畳み込みニューラルネットワーク（CNN）と、検査指標を統合するグラフニューラルネットワークを使用するマルチモーダル動的予測モデルの開発が含まれます。
AIシステムは、IVIG治療窓の予測を出力し、冠動脈損傷のリスクを推定します。
この早期警戒システムは、高リスクKD患者を早期に特定し、適時介入と個別化治療計画を可能にすることで、診断時間を短縮し、治療結果を改善することを目指しています。
このモデルは軽量（50MB未満）に設計されており、一次医療環境で容易に適用できるようにしています。
|
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 |
時間枠 |
|---|---|
|
曲線下面積
時間枠：発症後14日以内
|
発症後14日以内
|
|
感度
時間枠：発症から最大14日間
|
発症から最大14日間
|
|
特異性
時間枠：発熱発症から最大14日後まで
|
発熱発症から最大14日後まで
|
協力者と研究者
協力者
捜査官
- スタディチェア：Kun Sun, Doctoral degree、Xinhua hospital affiliated with Shanghai Jiao Tong university school of medicine
研究記録日
主要日程の研究
研究開始 (推定)
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
本研究に関する用語
キーワード
追加の関連 MeSH 用語
その他の研究ID番号
- XH-25-010
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?
IPD プランの説明
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
米国FDA規制機器製品の研究
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。