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

신경퇴행성 파킨슨증후군 분류를 위한 머신러닝 기법 활용 평가(인공지능) (PARKIA)

2023년 11월 28일 업데이트: Antoine VERGER, Central Hospital, Nancy, France

파킨슨병(PD)의 진단은 주로 세 가지 특징적인 증상을 찾는 환자의 임상 관찰에 의존하며 때로는 실제 과제로 남아 있습니다. 기계 학습(ML) 알고리즘은 PD를 조기에 진단하고 특발성 PD를 비정형 파킨슨 증후군과 구별하는 데 도움이 될 수 있습니다.

이러한 맥락에서 Castillo-Barnes 팀의 작업은 건강한 참가자를 식별하기 위해 DaTSCAN® 또는 Ioflupane(요오드-123 표지 방사성 의약품) 단일 광자 방출 컴퓨터 단층 촬영(SPECT) 스캔에서 추출한 형태학적 특성을 기반으로 일련의 이미징 기능을 제공했습니다. "Parkinson's Progression Markers Initiative"(PPMI) 데이터베이스의 균형 잡힌 SPECT 세트에서 파킨슨병 참가자로부터.

Shabii 등의 팀은 Ioflupane(123I-IP) 단일광자방출컴퓨터단층촬영(SPECT)으로 도파민 수송체(DAT)에서 얻은 반정량적 지표와 모양 특징을 파킨슨병 환자와 정상 대조군의 분류 성능을 평가했다. 기계 학습(ML) 기능으로 결합되었습니다.

AI 기반 방법은 진단 평가를 향상시킬 수 있습니다. AI를 사용한 여러 도파민 영상 연구는 PD 진단에 대해 최대 90%의 정확도를 보고했습니다.

이러한 자동화된 접근 방식은 텍스처 분석을 기반으로 기계 학습 방법을 사용하여 (i) PD와 건강한 대상을 구별하고, (ii) PD와 혈관성 파킨슨병을 구별하고, (iii) 다양한 형태의 비정형 파킨슨병을 구별합니다.

선형 SVM(Support Vector Machine) 모델을 사용하여 2개 센터에서 수행된 연구는 82.5%의 정확도로 파킨슨병 환자와 건강한 피험자를 구별했습니다. 이 성능은 핵 의사의 육안 평가와 유사합니다. 파라메트릭 이미지는 90.4%의 정확도로 혈관성 파킨슨증과 PD를 구별할 수 있었습니다. Nancy 팀은 Ioflupane 또는 DaTSCAN™을 사용한 SPECT 및 SPECT/CT 스캔에서 PD 검출에 대한 광범위한 경험을 보유하고 있습니다.

연구 개요

상태

정지된

연구 유형

관찰

등록 (추정된)

1664

연락처 및 위치

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

연구 장소

      • Vandoeuvre les Nancy cedex, 프랑스, 54511
        • Nuclear medicine Department CHRU de NANCY

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

18년 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

해당 없음

샘플링 방법

확률 샘플

연구 인구

2011년 11월 21일부터 2017년 9월 1일 사이에 Nancy CHRU의 핵의학과에서 DaTSCAN SPECT 스캔을 수행한 모든 환자.

설명

포함 기준:

  • 2011년 11월 21일부터 2017년 9월 1일 사이에 Nancy CHRU의 핵의학과에서 DaTSCAN SPECT 스캔을 수행한 환자.
  • 2011년 11월 21일과 2017년 9월 1일 사이에 발생한 검토는 PACS에서 처리 콘솔로 송환되었습니다.

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
모든 환자는 DaTSCAN SPECT 스캔을 받았습니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
알고리즘의 정확도
기간: 2 개월
비정형 파킨슨 증후군의 유형 예측 측면에서 새로운 데이터에 대해 구현된 알고리즘의 정확도.
2 개월

2차 결과 측정

결과 측정
측정값 설명
기간
두 네트워크 비교
기간: 2 개월
학습에서 레이블이 지정되지 않은 데이터의 중요성을 인식하기 위한 반지도 네트워크와 지도 네트워크의 성능 비교
2 개월
네트워크의 견고성 분석
기간: 2 개월
다른 데이터(다른 감마 카메라 모델의 데이터)에 대한 네트워크의 견고성 분석
2 개월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

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)

2021년 12월 20일

기본 완료 (실제)

2023년 5월 1일

연구 완료 (추정된)

2024년 9월 1일

연구 등록 날짜

최초 제출

2021년 9월 30일

QC 기준을 충족하는 최초 제출

2021년 10월 13일

처음 게시됨 (실제)

2021년 10월 15일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2023년 12월 1일

QC 기준을 충족하는 마지막 업데이트 제출

2023년 11월 28일

마지막으로 확인됨

2023년 11월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • 2021PI187

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. .

DaTSCAN SPECT 스캔에 대한 임상 시험

구독하다