뇌졸중 후 부종의 자동 예측 (APICES)
2025년 9월 3일 업데이트: University Hospital Tuebingen
중대뇌동맥 허혈-뇌졸중 후 악성 뇌부종의 자동 예측
MCA 허혈 환자의 악성 뇌부종 조기 발견을 위한 기계 학습 사용
연구 개요
상세 설명
큰 허혈성 뇌졸중에 따른 악성 뇌부종은 모든 허혈성 뇌졸중의 최대 10%를 차지합니다. 사망률은 높으며 대부분의 생존자는 심각한 장애를 가지고 있습니다. 감압 두개골 절제술이 사망률을 상당히 감소시키는 것으로 나타났지만 생존자들 사이에서 높은 이환율이 보고되었습니다. 개별 환자에서 신경외과적 감압술을 시행해야 하는 최적의 시점은 다양하며 논쟁의 대상입니다.
외과적 치료로 혜택을 볼 수 있는 환자를 식별하기 위한 악성 뇌부종의 조기 예측은 임상적 과제입니다. 본 연구의 목적은 악성 뇌부종의 조기 예측을 위한 모델을 개발하기 위해 1,500명의 대규모 허혈성 MCA 뇌졸중 환자의 임상 데이터뿐만 아니라 CT 이미지의 종합적인 분석을 위해 기계 학습을 사용하는 것입니다. 첫 번째 단계에서 알고리즘은 특징적인 영상 특징과 1400개의 후향적 데이터 세트의 임상 데이터를 자동으로 식별하여 다단계 모델(학습 단계)을 생성합니다. 그런 다음 100개의 다른 소급 데이터 세트로 모델을 테스트하는 검증 단계가 이어집니다.
연구 유형
관찰
등록 (실제)
1687
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
-
Berlin, 독일
- Charité Universitätsmedizin Berlin
-
Bonn, 독일
- Universitätsklinikum Bonn
-
Bremen, 독일
- Fraunhofer- Gesellschaft zur Förderung der angewandten Forschung e.V., Fraunhofer MEVIS
-
Düsseldorf, 독일
- Universitätsklinikum Düsseldorf
-
Hamburg, 독일
- Universitätsklinikum Hamburg-Eppendorf
-
Hanover, 독일
- Klinikum der Medizinischen Hochschule Hannover
-
Heidelberg, 독일
- Universitätsklinikum Heidelberg
-
Leipzig, 독일
- Universitatsklinikum Leipzig
-
Munich, 독일
- Technische Universität München
-
Munich, 독일
- Klinikum der Ludwig-Maximilians-Universität München
-
Münster, 독일
- Universitatsklinikum Munster
-
Regensburg, 독일
- Universitätsklinikum Regensburg
-
Stuttgart, 독일
- Klinikum Stuttgart
-
Tübingen, 독일, 72076
- University Hospital Tuebingen
-
Tübingen, 독일
- Hertie Institute for AI in Brain Health
-
Ulm, 독일
- Universitätsklinikum Ulm
-
Würzburg, 독일
- Universitätsklinikum Würzburg
-
-
-
-
-
Oxford, 영국
- BRAINOMIX Limited
-
-
-
-
-
Vienna, 오스트리아
- St. John's Hospital
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
1500개의 후향적 데이터 세트가 5개의 대형 독일 뇌졸중 단위에서 수집됩니다.
데이터 세트에는 악성 뇌 부종이 있거나 없는 부분총 MCA 경색(M1-M2 폐색) 환자, 재관류 요법이 있거나 없는 환자, 신경외과적 감압술이 있거나 없는 환자, 악성 뇌 부종에 따른 사망이 있거나 없는 환자의 영상 데이터 및 임상 데이터가 포함됩니다.
악성 뇌부종으로 사망한 환자의 데이터 세트가 포함될 것입니다.
각 데이터 세트는 초기 NCCT, CTA(가능한 경우 DSA), 뇌졸중 발병 후 14일까지의 추적 NCCT 및 임상 데이터로 구성됩니다.
설명
포함 기준:
- 급성 ≥ 소계 MCA 경색(M1-M2 폐색)
- 악성 뇌 부종이 있거나 없는 경우
- 재관류 요법의 유무에 관계없이
- 신경외과적 감압의 유무에 관계없이
- 악성 뇌부종에 따른 사망 유무에 관계없이
제외 기준:
- 비급성 MCA 경색
- < 소계 MCA 경색
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
|---|
|
악성 부종이 없는 MCA 허혈
|
|
악성 부종을 동반한 MCA 허혈
외과적 치료 없이 악성 부종이 없는 MCA 허혈
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
딥러닝 알고리즘으로 검출된 재개관 치료 후 뇌졸중 관련 악성 부종 환자 수
기간: 2019년 4월~2022년 3월
|
딥 러닝 알고리즘은 뇌졸중 관련 악성 부종을 나타내는 특정 이미지 결과 및 특정 임상 데이터를 자동으로 식별하는 데 사용됩니다.
1차 결과 측정은 초기 CT 및 24시간 후속 CT 및 임상 매개변수를 기반으로 뇌졸중 관련 악성 부종이 발병하는 환자의 조기 발견의 민감도/특이성/음성 예측값/양성 예측값입니다.
|
2019년 4월~2022년 3월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
악성 부종의 조기 발견을 위해 정확하게 식별된 특정 영상 소견의 수
기간: 2019년 4월~2022년 3월
|
악성 뇌부종의 조기 발견을 위해 사용되는 특정 영상 소견은 측부 상태, 응고 부담 점수, 정맥 점수, CSF 부피 변화입니다.
이 연구에서는 특정 이미지 결과에 수동으로 주석을 달고 딥 러닝 알고리즘을 사용하여 자동으로 감지합니다.
이차 결과 측정은 딥 러닝 알고리즘으로 식별된 특정 이미징 결과의 민감도/특이성/NPV/PPV입니다.
|
2019년 4월~2022년 3월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Sven Poli, MD MSc, sven.poli@uni-tuebingen.de
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2019년 4월 1일
기본 완료 (실제)
2023년 9월 30일
연구 완료 (추정된)
2025년 12월 31일
연구 등록 날짜
최초 제출
2019년 4월 25일
QC 기준을 충족하는 최초 제출
2019년 8월 13일
처음 게시됨 (실제)
2019년 8월 15일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
2025년 9월 10일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 9월 3일
마지막으로 확인됨
2025년 9월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
뇌졸중, 급성에 대한 임상 시험
-
Institut National de la Santé Et de la Recherche...모병
-
National Medical Research Center for Therapy and...Stupino Clinical Hospital, Moscow Region State Medical Institution완전한