이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

심전도를 이용한 코로나19의 인공지능 진단 및 예후 (AI-COV-19)

2021년 8월 24일 업데이트: Imperial College London

심전도와 영상을 이용한 코로나19 인공지능 진단 및 예후

코로나바이러스 감염증 2019(COVID-19)는 2019년 12월 이후 전 세계적으로 확산되었습니다. 전염성이 매우 높으며 심한 경우 급성 호흡 곤란 또는 다발성 장기 부전으로 이어질 수 있습니다. 2020년 3월 11일 WHO는 COVID-19가 팬데믹으로 특징지어질 수 있다고 평가했습니다. 머신러닝의 발전과 함께 딥러닝 기반의 인공지능(AI) 기술은 영상 및 복잡한 임상 데이터에서 풍부한 특징을 추출하는 능력으로 인해 의료 데이터 분석 분야에서 엄청난 성공을 거두고 있습니다. 이 연구에서 우리는 Covid-19 환자의 질병 경과를 정확하게 예측하기 위해 일상적인 임상 치료(심장 추적, X선 및 CT 스캔)의 일부로 수집된 임상 데이터를 사용하여 인공 지능 및 기계 학습 알고리즘을 훈련하는 것을 목표로 합니다. 이러한 데이터 세트를 사용하여 감염.

연구 개요

상태

모병

정황

개입 / 치료

상세 설명

코로나바이러스 감염증 2019(COVID-19)는 2019년 12월 이후 전 세계적으로 확산되었습니다. 전염성이 매우 강하며 심한 경우 급성 호흡 곤란 또는 다발성 장기 부전으로 이어져 궁극적으로 사망에 이를 수 있습니다. 역전사 중합효소연쇄반응(RT-PCR) 검사를 통해 질병을 확인할 수 있다. ECG, 흉부 엑스레이 및 CT 스캔은 다른 방법으로는 사용할 수 없는 질병에 대한 통찰력을 제공하는 풍부한 데이터 소스입니다.

누가 병원이나 중환자실에 입원해야 하는지 알면 자원 부족을 완화하는 데 도움이 되므로 생명을 구할 수 있습니다. 딥 러닝과 같은 새로운 인공 지능 도구를 사용하면 잠재적으로 임상의가 더 빠르고 정확한 진단을 내리고, 환자를 더 잘 분류하고, 치료 반응을 평가하고, 궁극적으로 더 나은 결과를 예측하는 데 도움이 될 수 있는 이미징 및 임상 데이터의 복잡한 평가가 가능합니다. 우리 그룹은 UK Biobank와 같은 방대한 양의 ECG에서 기계 학습 알고리즘을 구현한 상당한 경험을 가지고 있으며 우리의 기술을 Covid-19 환자의 데이터로 확장할 것을 제안합니다.

COVID-19 의심 및 확진 환자에 대한 후향적 데이터 연구입니다.

이 연구는 Chelsea and Westminster Hospital NHS Foundation Trust, Imperial College Healthcare NHS Trust 및 London North West London University Healthcare NHS Trust에서 ECG, 흉부 X선 또는 CT 스캔을 받도록 추천될 최대 2000명의 환자를 모집하는 것을 목표로 합니다.

이 연구에 포함되려면 환자는 다음을 충족해야 합니다.

  • ECG, 흉부 x-레이 및/또는 흉부 CT 영상(조영 유무에 관계없이)이 있어야 합니다.
  • 실험실 Covid-19 바이러스 핵산 검사(인후 면봉 샘플을 사용한 RTPCR 분석) 또는 Covid19 감염에 대한 임상적 의심
  • 인공물로 인해 ECG, 흉부 방사선 사진 및 CT 검사가 최적이 아닌 환자는 18세 이상으로 제외됩니다. ECG, 흉부 CT 및 RT-PCR 분석 사이의 시간 간격이 7일보다 길면 환자도 제외됩니다.

이 연구는 2020년 5월 13일에 개최된 회의에서 연구 윤리 위원회의 검토에 이어 2020년 5월 18일에 HRA 및 건강 관리 연구 웨일즈(Health and Care Research Wales, HCRW) 승인을 받았습니다(프로토콜 번호: 20HH5967; REC 참조: 20/HRA/2467).

연구 유형

관찰

등록 (예상)

2000

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

  • 영국
      • London, 영국, HA1 3UJ
        • 모병
        • London North West University Healthcare NHS Trust
        • 연락하다:
      • London, 영국, TW7 6AF
      • London, 영국, W12 0NN
        • 모집하지 않고 적극적으로
        • Imperial College London (Hammersmith campus)
      • London, 영국, W2 1NY

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

14년 이상 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

샘플링 방법

비확률 샘플

연구 인구

COVID-19 의심 및 확진 환자에 대한 후향적 데이터 연구입니다.

이 연구는 Chelsea and Westminster Hospital NHS Foundation Trust, Imperial College Healthcare NHS Trust 및 London North West London University Healthcare NHS Trust에서 ECG, 흉부 X선 또는 CT 스캔을 받도록 추천될 최대 2000명의 환자를 모집하는 것을 목표로 합니다.

설명

포함 기준:

  • ECG, 흉부 x-레이 및/또는 흉부 CT 영상(조영 유무에 관계없이)이 있어야 합니다.
  • 양성 실험실 Covid-19 바이러스 핵산 검사(인후 면봉 샘플을 사용한 RTPCR 분석) 또는 Covid-19 감염에 대한 임상적 의심
  • 18세 이상

제외 기준:

  • 중증을 포함한 인공물로 인해 딥 러닝 방법에 대한 최적이 아닌 ECG, 흉부 방사선 사진 또는 CT 연구
  • 윤곽이 흐려지는 동작 인공물 또는 금속성 보철물로 인해 이미지 저하를 유발하는 중요한 인공물
  • ECG, 흉부 CT 및 RT-PCR 분석 사이의 시간 간격은 7일보다 길었습니다.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 관찰 모델: 보병대
  • 시간 관점: 회고전

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
코로나바이러스(COVID-19) 감염의 결과를 예측할 수 있는 기계 학습의 정확성
기간: 데이터 분석 종료 시 약 1년
컴퓨터 기반 분석(머신 러닝)이 Covid-19를 진단 및/또는 예측할 수 있는 정확도 입원 후 사망하거나 생존한 COVID19 참가자 수
데이터 분석 종료 시 약 1년
코로나바이러스(COVID-19) 감염의 예후를 예측할 수 있는 기계 학습의 정확도
기간: 데이터 분석 종료 시 약 1년
침습 vs 비침습 인공호흡 vs 병동 기반 치료 vs 사망이 필요한 참가자 수
데이터 분석 종료 시 약 1년

2차 결과 측정

결과 측정
측정값 설명
기간
코로나바이러스(COVID-19) 감염의 심장 침범을 예측할 수 있는 기계 학습의 정확도
기간: 데이터 분석 종료 시 약 1년
COVID19 관련 심장 문제가 있는 참가자 수.
데이터 분석 종료 시 약 1년
코로나바이러스(COVID-19) 감염을 진단하기 위한 기계 학습 대 인간 평가의 정확도
기간: 데이터 분석 종료 시 약 1년
기계 학습과 인간 또는 기타 임상 테스트 또는 평가를 사용하여 COVID19에 걸린 것으로 식별될 수 있는 참가자 수
데이터 분석 종료 시 약 1년

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Imperial College London

협력자

Imperial College Healthcare NHS Trust
London North West Healthcare NHS Trust
Chelsea and Westminster Hospital NHS Foundation Trust

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)

2020년 5월 26일

기본 완료 (예상)

2022년 5월 1일

연구 완료 (예상)

2022년 5월 1일

연구 등록 날짜

최초 제출

2020년 8월 7일

QC 기준을 충족하는 최초 제출

2020년 8월 11일

처음 게시됨 (실제)

2020년 8월 12일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2021년 8월 30일

QC 기준을 충족하는 마지막 업데이트 제출

2021년 8월 24일

마지막으로 확인됨

2021년 8월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • 20HH5967

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

예

IPD 계획 설명

이것은 환자를 위한 일상적인 임상 치료의 일부로 획득한 후향적 의사 익명 데이터를 사용한 연구입니다. 환자의 건강에 직접적인 위험은 없습니다. 주요 문제는 데이터 보안 및 저장에 관한 것입니다. 이 문제를 해결하기 위해 연구팀의 구성원이 아닌 다이렉트 케어 팀원은 데이터의 의사 익명화를 수행하고 의사 익명화에 액세스할 수 없는 일련의 의사 익명 데이터를 연구팀에 전달합니다. 암호. 따라서 연구팀은 해당 데이터에서 환자를 식별할 수 없습니다. 의사 익명 데이터는 위험을 더욱 최소화하기 위해 안전하게 저장됩니다.

IPD 공유 기간

공부 기간 내

IPD 공유 액세스 기준

연구 연구원

IPD 공유 지원 정보 유형

  • 연구 프로토콜
  • 통계 분석 계획(SAP)

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

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. .

무개입에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Kyrgyzstan

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다