인공지능 기반 비알코올성 지방간 질환의 진단 및 특성 규명. (NASHAI)
연구 개요
상세 설명
이 관찰 연구의 목적은 다음과 같습니다.
- 클러스터링 또는 클러스터링 알고리즘(AI)을 기반으로 NAFLD로 인한 중대한 간 질환의 예측 모델 설계
- 프로세스 및 자원 최적화를 통해 1차 진료에서 병원 진료에 이르기까지 이러한 환자를 보다 효과적으로 관리할 수 있도록 질병의 중증도에 따라 환자를 분류하기 위해 이 모델을 적용하고 검증합니다.
- 디지털화된 간 생검을 통해 피험자 코호트에서 이미지를 자동으로 인식하기 위한 컨볼루션 신경망에 기반한 딥 러닝 시스템을 개발하고 NASH 피험자의 생검을 정확하고 정확하게 분류할 수 있는 쌍별 분석을 수행합니다.
설계:
NAFLD의 진단 예측 모델의 결정 및 검증에 대한 관찰 연구.
이 연구에는 4단계가 있습니다.
1단계와 2단계는 클러스터를 식별하고 진단 알고리즘을 구축하기 위한 비지도 및 지도 인공 지능 학습을 모두 나타냅니다. ETHON 코호트에서 생성된 데이터에 대해 수행됩니다(아래 참조).
3상은 NALFD 환자의 괴사 염증 등급과 섬유증 단계에 따라 간 생검을 계층화하기 위한 지원 전략으로 딥 러닝 시스템 기술을 적용하는 것으로 구성됩니다. 연구가 시작될 때까지 NAFLD의 스페인 레지스트리에서 수집된 간 생검이 사용될 것입니다.
마지막으로, NAFLD의 스페인 레지스트리에 등록될 환자의 데이터로 4단계 유효성 검사가 수행됩니다.
인구:
- 연구 코호트(상 I-III):
A. 이미 생성된 ETHON(Epidemiological Study of Hepatic Infections) 코호트*에서 식별된 일반 인구의 대상자(19-74세 사이의 12,246명 대상자) 및 B. 스페인 NAFLD 등록부에 속하는 대상자(HEPAmet) (연구 초기에 이미 수집된 1,800명의 피험자)
*ETHON 코호트는 2015년에서 2017년 사이에 19-74세 스페인 일반 인구의 C형 간염 유병률을 연구하기 위해 모집되었습니다. Lavin AC, Llerena S, Gomez M, Escudero MD, Rodriguez L, Estebanez LA, Gamez B, Puchades L, Cabezas J, Serra MA, Calleja JL, Crespo J. 스페인 인구에서 C형 간염의 유행. PREVHEP 연구(ETHON 코호트). J 헤파톨. 2017;66:S272.
- - 검증 코호트(제4상):
연구 시작부터 스페인 및 유럽 등록부에서 모집된 간 생검에 의해 NAFLD로 진단된 환자.
-포함 및 제외 기준:
포함 기준: ETHON 코호트에 속하거나 NAFLD의 Hepamet Spanish 레지스트리 또는 유럽 NAFLD 레지스트리에 등록된 19-74세 피험자
제외 기준: 포함 기준을 충족하지 않는 피험자와 ETHON 코호트에 참여하거나 언급된 등록부에 등록하기 위한 동의서에 서명하지 않은 피험자.
연구 유형
등록 (예상)
연락처 및 위치
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
- ETHON 코호트에 속하거나 NAFLD의 Hepamet Spanish 레지스트리 또는 유럽 NAFLD 레지스트리에 등록된 19-74세 피험자
제외 기준:
- 포함 기준을 충족하지 않는 피험자와 ETHON 코호트에 참여하거나 언급된 등록부에 등록하기 위한 동의서에 서명하지 않은 피험자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 다른
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
에톤
ETHON에서 확인된 일반 인구의 피험자
|
이것은 관찰 연구입니다.
일반적인 임상 실습 외에는 개입이 계획되지 않습니다.
|
|
HEPAmet
NAFLD(HEPAmet)의 스페인 레지스트리에 속하는 피험자
|
이것은 관찰 연구입니다.
일반적인 임상 실습 외에는 개입이 계획되지 않습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
기간 |
|---|---|
|
인공 지능 알고리즘을 적용한 후 ETHON 코호트에서 NAFLD 및 NASH로 진단된 피험자 수
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
|
인공 지능 알고리즘을 적용한 후 ETHON 코호트에서 NAFLD 및 NASH로 진단된 피험자의 비율
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
|
Hepamet 비침습 점수 대비 조직학적 진단에 대한 AI 알고리즘의 NASH 진단 민감도
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
|
Hepamet 비침습 점수 대비 조직학적 진단에 대한 AI 알고리즘의 NASH 진단 특이도
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
|
Hepamet 비침습 점수와 비교하여 조직학적 진단에 대한 AI 알고리즘의 NASH 진단 측면에서 양성 예측도.
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
|
Hepamet 비침습 점수와 비교하여 조직학적 진단에 대한 AI 알고리즘의 NASH 진단 측면에서 음성 예측도.
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
|
AI 알고리즘과 조직학적 진단 간의 NASH 진단에 대한 Kappa 일치 계수.
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
|
AI 알고리즘과 Hepamet 비침습 점수 간의 NASH 진단에 대한 Kappa 일치 계수.
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
|
NASH 진단 및 병기 결정을 위한 알고리즘을 통해 얻은 다양한 역치 설정에서의 ROC 곡선
기간: 2019년 10월부터 2021년 3월까지
|
2019년 10월부터 2021년 3월까지
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (예상)
기본 완료 (예상)
연구 완료 (예상)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .