- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT04395482
SARS-CoV2 유발 폐 손상의 폐 CT 스캔 분석 (TAC-COVID19)
기계 학습에 의한 SARS-CoV2 유도 폐 손상의 폐 CT 스캔 분석: 다기관 후향적 코호트 연구.
연구 개요
상세 설명
배경:
2월에 SARS-CoV2 양성 환자의 첫 번째 사례가 코로나바이러스 질병 2019(COVID-19)라고 하는 심각한 형태의 급성 호흡 부전을 일으킬 수 있는 바이러스인 이탈리아 롬바르디아에서 기록되었습니다.
폐 형태학의 질적 평가는 환자의 입원 및 입원 시 이 감염의 거시적 특성을 설명하기 위해 확인되었습니다.
현재 SARS-CoV2에 의해 유발된 실질 폐 손상을 정량 분석으로 철저하게 기술한 연구는 없습니다.
이 연구의 가설은 SARS-CoV2에 의해 유발된 중증 호흡 부전을 앓고 있는 환자에서 CT 스캔을 통해 평가된 폐 실질의 특정 형태학적 및 양적 변경이 호흡 교환의 변경 정도의 심각성에 영향을 미칠 수 있다는 것입니다. (산소화 및 CO2 제거) 환자 결과에 영향을 미칩니다.
CT 스캔으로 평가된 특징적인 폐 형태학적 패턴의 존재는 집중 치료에서 다르게 혜택을 받을 수 있는 특정 환자 클러스터를 인식할 수 있게 하여 환자의 중증도와 사망 위험을 계층화하는 데 크게 기여할 수 있습니다.
이것은 핵산 증폭 테스트에서 SARS-CoV2 양성으로 확인된 완전히 새로운 환자 집단의 폐 CT 이미지에 대한 탐색적 임상 기술 연구입니다.
샘플 크기(n. 환자):
이 연구는 포함 기준에 따라 모든 환자를 수집합니다. 총 500명의 환자가 수집될 것으로 예상됩니다.
약 80 명의 환자가 각 지역 실험 센터에 등록됩니다.
다음 환자 데이터가 분석됩니다.
- CT 스캔에 할당된 혈액 가스 분석 데이터, 입원 시, CT 스캔 수행 시, 집중 치료 입원 및 입원 후 7일 동안 수행된 검사
- 연령, 성별 및 체질량 지수(BMI)와 같은 환자 특성
- 동반이환
- 순차적 장기 부전 평가(SOFA)를 통한 장기 기능 장애의 존재
- 입원 전 입원 및 증상과 관련된 실험실 데이터.
- 입원 시, CT 촬영 시, 중환자실 입원 시, 입원 후 7일 동안 인공호흡기 및 혈역학 파라미터.
폐 CT 스캔 분석의 기계 학습 접근 방식은 다음을 평가하는 것을 목표로 합니다.
- 양적 및 질적 폐 변형;
- 딥 러닝 알고리즘을 사용하여 인공 지능을 통해 식별된 특정 형태적 폐 클러스터에서 이러한 형태적 특성의 계층화.
윤리적 측면:
폐 CT 스캔 이미지는 수집되고 익명화됩니다. 이후 이미지는 딥 러닝 알고리즘을 사용하여 인공 지능을 활용하는 고급 정량 분석을 위해 식별되지 않은 형식으로 밀라노-비코카 대학교 기관 Google 드라이브 계정에서 펜실베니아 대학교, 마취 및 중환자실 및 방사선과로 전송됩니다.
데이터는 종이 사례 보고서 양식(CRF)을 통해 익명의 방식으로 수집되고 프로젝트의 과학 코디네이터가 분석합니다.
연구의 후향적 특성과 이 대유행 긴급 상황에서 환자의 정보에 입각한 동의를 얻는 데 기술적 어려움이 있는 경우 정보에 입각한 동의가 면제됩니다.
통계 분석:
연속 데이터는 Shapiro-Wilk 테스트로 평가할 데이터 분포에 따라 평균 ± 표준 편차 또는 중앙값 및 사분위수 범위로 표현됩니다. 범주형 변수는 비율(빈도)로 표현됩니다.
딥 러닝 분할 알고리즘은 전체 CT 폐에서 폐 실질을 분할합니다. 폐 용적, 폐 중량 및 혼탁 강도 분포 분석이 적용됩니다. 둘째, 환자를 계층화하기 위한 클러스터링 분석을 수행한다. 강도 및 공간 클러스터링 알고리즘이 모두 테스트됩니다. 셋째, 이미지 및 기타 모든 환자 데이터를 사용하여 부상 진행을 예측하도록 모델을 훈련합니다. 통계적 유의성은 p<0.05(양측)의 존재에서 고려될 것이다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
San Marino, 산 마리노
- Istituto per la Sicurezza Sociale-Ospedale della Repubblica di San Marino
-
-
-
-
-
Bergamo, 이탈리아
- Ospedale Papa Giovanni XXIII
-
Bergamo, 이탈리아
- Policlinico San Marco-San Donato group
-
Ferrara, 이탈리아
- Azienda Ospedaliero-Universitaria di Ferrara
-
Lecco, 이탈리아
- ASST di Lecco Ospedale Alessandro Manzoni
-
Melzo, 이탈리아
- ASST Melegnano-Martesana, Ospedale Santa Maria delle Stelle
-
Monza, 이탈리아
- ASST Monza
-
Rimini, 이탈리아
- AUSL Romagna-Ospedale Infermi di Rimini
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준(COVID-19 코호트):
- 18세 이상의 환자;
- 비인두 면봉, 기관지 흡인 샘플 또는 기관지 폐포 세척에 의한 SARS-CoV2의 핵산 증폭 검사 또는 혈청학으로 양성 확인;
- 입원 후 7일 이내에 수행된 폐 CT 스캔;
포함 기준(ARDS 코호트):
- 18세 이상의 환자;
- 베를린 기준에 따라 ARDS 진단을 받고 병원에 입원한 환자;
- ARDS 진단 후 7일 이내에 수행된 폐 CT 스캔;
제외 기준(ARDS 코호트):
● 비인두 면봉, 기관지 흡인 샘플 또는 기관지 폐포 세척에 의한 SARS-CoV2의 핵산 증폭 검사 또는 혈청학으로 양성 확인
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 회고전
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
---|---|
covid-19 폐렴 관련 환자
이 연구는 COVID-19 환자에게 수행된 폐 CT 스캔 이미지를 최대한 많이 수집하여 폐 손상 정도, 특정 폐 변형 패턴의 존재를 특성화할 수 있는 큰 샘플 크기를 얻는 것을 목표로 합니다. , 그리고 환자의 결과와의 잠재적 연관성 - 보다 집중적인 치료 전략에 잠재적으로 후보가 될 수 있는 이러한 환자의 중증도 손상 등급을 더 잘 이해하도록 의료진을 지원하는 관점에서.
|
이 연구 프로젝트는 코로나19 환자의 CT 스캔 분석을 통해 폐의 형태학적 특성을 평가하고, 이를 인공지능 기술을 이용해 특정 패턴으로 식별하고 결과에 미치는 영향을 평가한다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
코로나19로 인한 실질폐손상의 정성분석
기간: 퇴원까지(약 6개월)
|
인공지능 기술을 통한 흉부 CT로 정성 분석을 통해 코로나19로 인한 실질 폐 손상을 설명합니다.
|
퇴원까지(약 6개월)
|
COVID-19에 의한 실질 폐 손상의 정량적 분석
기간: 퇴원까지(약 6개월)
|
인공지능 기술을 통한 흉부 CT 정량 분석을 통해 코로나19로 인한 폐실질 손상을 설명한다.
|
퇴원까지(약 6개월)
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
중등도 호흡 부전 환자에서 실질 형태학적 CT 스캔의 잠재적 영향.
기간: 퇴원까지(약 6개월)
|
중증 중등도 호흡 부전 환자에서 실질 형태학적 CT 스캔의 잠재적 영향은 집중 치료 사망률로 평가되었습니다.
|
퇴원까지(약 6개월)
|
중등도 호흡 부전 환자에서 실질 형태학적 CT 스캔의 잠재적 영향.
기간: 퇴원까지(약 6개월)
|
병원 사망률로 평가된 중증 중등도 호흡 부전 환자에서 실질 형태 CT 스캔의 잠재적 영향.
|
퇴원까지(약 6개월)
|
중등도 호흡 부전 환자에서 실질 형태학적 CT 스캔의 잠재적 영향.
기간: 퇴원까지(약 6개월)
|
기계 환기가 없는 날로 평가된 중증 중등도 호흡 부전 환자의 실질 형태 CT 스캔의 잠재적 영향.
|
퇴원까지(약 6개월)
|
COVID-19 및 ARDS 환자의 폐 스캔을 자동으로 세분화합니다.
기간: 퇴원까지(약 6개월)
|
가설은 동물 모델의 급성 호흡곤란 증후군(ARDS) 및 환자의 만성 폐쇄성 폐질환(COPD)에서 폐 분할을 위한 심층 신경망 모델의 사용이 COVID-19 환자의 폐를 자가 분할하는 데 적용될 수 있다는 것입니다. 인공 지능을 사용한 학습 전달 메커니즘을 통해
|
퇴원까지(약 6개월)
|
COVID-19 환자의 흉부 CT 기능에 대한 지식과 머신 러닝 및 기타 정량적 기술을 통한 세부 정보.
기간: 퇴원까지(약 6개월)
|
COVID-19 환자의 CT 패턴을 ARDS 환자의 CT 패턴과 비교하는 기계 학습 및 기타 정량적 기술을 사용하여 COVID-19 환자의 흉부 CT 특징 및 세부 사항에 대한 지식을 확장합니다.
|
퇴원까지(약 6개월)
|
딥러닝 모델을 활용한 인공지능 분석으로 임상 결과를 예측할 수 있는 능력
기간: 퇴원까지(약 6개월)
|
입원 7일 이내 획득한 흉부 CT의 특성을 분석하여 딥러닝 모델을 활용한 인공지능 분석을 통해 임상 결과를 예측할 수 있는 능력을 판단한다. 정량적 CT 데이터와 임상 데이터를 결합합니다.
|
퇴원까지(약 6개월)
|
공동 작업자 및 조사자
간행물 및 유용한 링크
일반 간행물
- Huang C, Wang Y, Li X, Ren L, Zhao J, Hu Y, Zhang L, Fan G, Xu J, Gu X, Cheng Z, Yu T, Xia J, Wei Y, Wu W, Xie X, Yin W, Li H, Liu M, Xiao Y, Gao H, Guo L, Xie J, Wang G, Jiang R, Gao Z, Jin Q, Wang J, Cao B. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet. 2020 Feb 15;395(10223):497-506. doi: 10.1016/S0140-6736(20)30183-5. Epub 2020 Jan 24. Erratum In: Lancet. 2020 Jan 30;:
- Chen N, Zhou M, Dong X, Qu J, Gong F, Han Y, Qiu Y, Wang J, Liu Y, Wei Y, Xia J, Yu T, Zhang X, Zhang L. Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet. 2020 Feb 15;395(10223):507-513. doi: 10.1016/S0140-6736(20)30211-7. Epub 2020 Jan 30.
- Wang D, Hu B, Hu C, Zhu F, Liu X, Zhang J, Wang B, Xiang H, Cheng Z, Xiong Y, Zhao Y, Li Y, Wang X, Peng Z. Clinical Characteristics of 138 Hospitalized Patients With 2019 Novel Coronavirus-Infected Pneumonia in Wuhan, China. JAMA. 2020 Mar 17;323(11):1061-1069. doi: 10.1001/jama.2020.1585. Erratum In: JAMA. 2021 Mar 16;325(11):1113.
- Zhou F, Yu T, Du R, Fan G, Liu Y, Liu Z, Xiang J, Wang Y, Song B, Gu X, Guan L, Wei Y, Li H, Wu X, Xu J, Tu S, Zhang Y, Chen H, Cao B. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet. 2020 Mar 28;395(10229):1054-1062. doi: 10.1016/S0140-6736(20)30566-3. Epub 2020 Mar 11. Erratum In: Lancet. 2020 Mar 28;395(10229):1038. Lancet. 2020 Mar 28;395(10229):1038.
- Yang X, Yu Y, Xu J, Shu H, Xia J, Liu H, Wu Y, Zhang L, Yu Z, Fang M, Yu T, Wang Y, Pan S, Zou X, Yuan S, Shang Y. Clinical course and outcomes of critically ill patients with SARS-CoV-2 pneumonia in Wuhan, China: a single-centered, retrospective, observational study. Lancet Respir Med. 2020 May;8(5):475-481. doi: 10.1016/S2213-2600(20)30079-5. Epub 2020 Feb 24. Erratum In: Lancet Respir Med. 2020 Apr;8(4):e26.
- Shi H, Han X, Jiang N, Cao Y, Alwalid O, Gu J, Fan Y, Zheng C. Radiological findings from 81 patients with COVID-19 pneumonia in Wuhan, China: a descriptive study. Lancet Infect Dis. 2020 Apr;20(4):425-434. doi: 10.1016/S1473-3099(20)30086-4. Epub 2020 Feb 24.
- Ai T, Yang Z, Hou H, Zhan C, Chen C, Lv W, Tao Q, Sun Z, Xia L. Correlation of Chest CT and RT-PCR Testing for Coronavirus Disease 2019 (COVID-19) in China: A Report of 1014 Cases. Radiology. 2020 Aug;296(2):E32-E40. doi: 10.1148/radiol.2020200642. Epub 2020 Feb 26.
- Pan F, Ye T, Sun P, Gui S, Liang B, Li L, Zheng D, Wang J, Hesketh RL, Yang L, Zheng C. Time Course of Lung Changes at Chest CT during Recovery from Coronavirus Disease 2019 (COVID-19). Radiology. 2020 Jun;295(3):715-721. doi: 10.1148/radiol.2020200370. Epub 2020 Feb 13.
- Chung M, Bernheim A, Mei X, Zhang N, Huang M, Zeng X, Cui J, Xu W, Yang Y, Fayad ZA, Jacobi A, Li K, Li S, Shan H. CT Imaging Features of 2019 Novel Coronavirus (2019-nCoV). Radiology. 2020 Apr;295(1):202-207. doi: 10.1148/radiol.2020200230. Epub 2020 Feb 4.
- Remuzzi A, Remuzzi G. COVID-19 and Italy: what next? Lancet. 2020 Apr 11;395(10231):1225-1228. doi: 10.1016/S0140-6736(20)30627-9. Epub 2020 Mar 13.
- Grasselli G, Pesenti A, Cecconi M. Critical Care Utilization for the COVID-19 Outbreak in Lombardy, Italy: Early Experience and Forecast During an Emergency Response. JAMA. 2020 Apr 28;323(16):1545-1546. doi: 10.1001/jama.2020.4031. No abstract available.
- Dong E, Du H, Gardner L. An interactive web-based dashboard to track COVID-19 in real time. Lancet Infect Dis. 2020 May;20(5):533-534. doi: 10.1016/S1473-3099(20)30120-1. Epub 2020 Feb 19. No abstract available. Erratum In: Lancet Infect Dis. 2020 Sep;20(9):e215.
- Zhou S, Wang Y, Zhu T, Xia L. CT Features of Coronavirus Disease 2019 (COVID-19) Pneumonia in 62 Patients in Wuhan, China. AJR Am J Roentgenol. 2020 Jun;214(6):1287-1294. doi: 10.2214/AJR.20.22975. Epub 2020 Mar 5.
- Xiong Y, Sun D, Liu Y, Fan Y, Zhao L, Li X, Zhu W. Clinical and High-Resolution CT Features of the COVID-19 Infection: Comparison of the Initial and Follow-up Changes. Invest Radiol. 2020 Jun;55(6):332-339. doi: 10.1097/RLI.0000000000000674.
- Salehi S, Abedi A, Balakrishnan S, Gholamrezanezhad A. Coronavirus Disease 2019 (COVID-19): A Systematic Review of Imaging Findings in 919 Patients. AJR Am J Roentgenol. 2020 Jul;215(1):87-93. doi: 10.2214/AJR.20.23034. Epub 2020 Mar 14.
- Dai WC, Zhang HW, Yu J, Xu HJ, Chen H, Luo SP, Zhang H, Liang LH, Wu XL, Lei Y, Lin F. CT Imaging and Differential Diagnosis of COVID-19. Can Assoc Radiol J. 2020 May;71(2):195-200. doi: 10.1177/0846537120913033. Epub 2020 Mar 4.
- Li Y, Xia L. Coronavirus Disease 2019 (COVID-19): Role of Chest CT in Diagnosis and Management. AJR Am J Roentgenol. 2020 Jun;214(6):1280-1286. doi: 10.2214/AJR.20.22954. Epub 2020 Mar 4.
- Xie X, Zhong Z, Zhao W, Zheng C, Wang F, Liu J. Chest CT for Typical Coronavirus Disease 2019 (COVID-19) Pneumonia: Relationship to Negative RT-PCR Testing. Radiology. 2020 Aug;296(2):E41-E45. doi: 10.1148/radiol.2020200343. Epub 2020 Feb 12.
- Fang Y, Zhang H, Xie J, Lin M, Ying L, Pang P, Ji W. Sensitivity of Chest CT for COVID-19: Comparison to RT-PCR. Radiology. 2020 Aug;296(2):E115-E117. doi: 10.1148/radiol.2020200432. Epub 2020 Feb 19. No abstract available.
- Bai HX, Hsieh B, Xiong Z, Halsey K, Choi JW, Tran TML, Pan I, Shi LB, Wang DC, Mei J, Jiang XL, Zeng QH, Egglin TK, Hu PF, Agarwal S, Xie FF, Li S, Healey T, Atalay MK, Liao WH. Performance of Radiologists in Differentiating COVID-19 from Non-COVID-19 Viral Pneumonia at Chest CT. Radiology. 2020 Aug;296(2):E46-E54. doi: 10.1148/radiol.2020200823. Epub 2020 Mar 10.
- Bernheim A, Mei X, Huang M, Yang Y, Fayad ZA, Zhang N, Diao K, Lin B, Zhu X, Li K, Li S, Shan H, Jacobi A, Chung M. Chest CT Findings in Coronavirus Disease-19 (COVID-19): Relationship to Duration of Infection. Radiology. 2020 Jun;295(3):200463. doi: 10.1148/radiol.2020200463. Epub 2020 Feb 20.
- Guo L, Wei D, Zhang X, Wu Y, Li Q, Zhou M, Qu J. Clinical Features Predicting Mortality Risk in Patients With Viral Pneumonia: The MuLBSTA Score. Front Microbiol. 2019 Dec 3;10:2752. doi: 10.3389/fmicb.2019.02752. eCollection 2019. Erratum In: Front Microbiol. 2020 Jun 09;11:1304.
- Ki M; Task Force for 2019-nCoV. Epidemiologic characteristics of early cases with 2019 novel coronavirus (2019-nCoV) disease in Korea. Epidemiol Health. 2020;42:e2020007. doi: 10.4178/epih.e2020007. Epub 2020 Feb 9.
유용한 링크
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
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
기타 연구 ID 번호
- TAC-COVID19
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. .
코로나19에 대한 임상 시험
-
Texas Woman's UniversityNational Institutes of Health (NIH)아직 모집하지 않음COVID19 테스트
-
Cairo UniversityKasr El Aini Hospital알려지지 않은
-
Assistance Publique - Hôpitaux de Paris알려지지 않은
-
Brugmann University Hospital모병
-
Istituti Clinici Scientifici Maugeri SpAIstituto Auxologico Italiano; Azienda Ospedaliera Bolognini di Seriate Bergamo; Azienda Socio... 그리고 다른 협력자들완전한
-
Abderrahmane Mami HospitalDacima Consulting; Eshmoun Clinical Research Center빼는
-
Aarhus University HospitalUniversity of Aarhus; Pharma Nord완전한