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

경추 X선 영상을 이용한 어려운 후두경 예측을 위한 딥러닝 방법

2022년 1월 3일 업데이트: Seoul National University Hospital

경추 X선 영상을 이용한 어려운 후두경 예측을 위한 딥러닝 방법: 전향적 검증 연구

예상치 못한 어려운 후두경 검사는 심각한 기도 관련 합병증과 관련이 있습니다. 연구자들은 갑상선 수술을 받는 14,135명의 환자의 데이터를 사용하여 경추 측면 X-레이에서 어려운 후두경 검사(Cormack-Lehane 등급 3-4)를 예측하는 딥 러닝 기반 모델을 개발했습니다. 이 모델은 다른 딥러닝 아키텍처보다 높은 예측 성능을 보였다. 이 연구에서 연구자들은 어려운 후두경 검사를 예측하기 위한 모델을 전향적으로 검증하고 예측력을 임상 기도 평가와 비교합니다.

연구 개요

상세 설명

예상치 못한 어려운 후두경 검사는 뇌 손상, 심폐 정지 또는 사망과 같은 심각한 기도 관련 합병증과 관련되기 때문에 후두경 검사의 어려움을 예측하는 것은 환자의 안전을 위해 중요합니다. Modified Mallampati 분류, thyromental distance, inter-incisor gap, upper lip bite test와 같은 임상예측변수가 임상에서 기도 평가에 사용되지만 이들 지표는 민감도가 낮고 평가자간 변동성이 커서 환자의 협조가 필요하다. .

연구자들은 갑상선 수술을 받는 14,135명의 환자 데이터를 사용하여 경추 측면 X선에서 어려운 후두경을 예측하는 딥러닝 기반 모델을 개발했습니다. 그리고 이 연구는 제출 중입니다.

이 딥러닝 모델은 다른 딥러닝 모델(VGG-Net, ResNet, Xception, ResNext, DenseNet, SENet) 대비 어려운 후두경 예측에서 민감도 95.6%, 특이도 91.2%, 영역별 예측에서 가장 높은 성능을 보였다. 0.972의 ROC 곡선(AUROC) 아래.

그러나 모델이 기존 의무기록을 이용한 후향적 설계였기 때문에 최적의 후두경을 얻기 위한 윤상연골 압박의 유무를 평가하지 않았고, 기도 평가와도 비교하지 않았다.

이 연구에서 연구자들은 어려운 후두경 검사를 예측하기 위한 모델을 전향적으로 검증하고 예측력을 임상 기도 평가와 비교합니다. 본 연구가 전향적으로 우리의 결과를 확인한다면, 이 접근법은 객관적이고 정확한 기도 평가를 통해 환자의 안전을 향상시키고 기도 관련 합병증을 예방하는 데 도움이 될 수 있습니다.

연구 유형

관찰

등록 (예상)

367

연락처 및 위치

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

연구 연락처

연구 연락처 백업

연구 장소

    • Select A State Or Province
      • Seoul, Select A State Or Province, 대한민국, 03080
        • 모병
        • Seoul National University Hospital
        • 연락하다:

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 이상 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

샘플링 방법

확률 샘플

연구 인구

전신마취 하에 갑상선 수술을 받는 환자

설명

포함 기준:

  • 전신 마취하에 선택적 갑상선 수술

제외 기준:

  • 18세 미만
  • 수술 전 3개월 이내에 획득한 C-spine 측면 X-ray 이미지 없음
  • 직접 후두경을 사용할 때 안전성이 보장되지 않는 환자. (치아 상태 불량, 목 확장 위험)
  • 기도 평가를 위한 신체 검사에 협조하지 않는 환자

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: 유망한

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
어려운 후두경을 예측하기 위한 딥러닝 모델과 기도 평가의 수신기 작동 특성 곡선 아래 영역.
기간: 마취 유도 중
어려운 후두경 검사 정의: Cormack-Lehane 등급 3 또는 4 . 기도 평가: 절치 간 간격(밀리미터), 흉골 거리(밀리미터), 흉골 높이(밀리미터), 흉골 거리(밀리미터) 및 수정된 Mallampati 클래스
마취 유도 중

2차 결과 측정

결과 측정
측정값 설명
기간
어려운 삽관을 예측하기 위한 딥러닝 모델 및 기도 평가의 리시버 작동 특성 곡선 아래 영역.
기간: 마취 유도 중
어려운 삽관: 삽관 난이도 척도(점수)
마취 유도 중
딥러닝 모델의 어려운 후두경 예측을 위한 기타 성능.
기간: 마취 유도 중
민감도(퍼센트), 특이도(퍼센트), 양성예측도(퍼센트), 음성예측도(퍼센트), F1점수, 균형정확도.
마취 유도 중

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 연구 의자: Hyung-Chul Lee, Seoul National University Hospital

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 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 1일

기본 완료 (예상)

2022년 11월 25일

연구 완료 (예상)

2022년 11월 25일

연구 등록 날짜

최초 제출

2021년 12월 12일

QC 기준을 충족하는 최초 제출

2022년 1월 3일

처음 게시됨 (실제)

2022년 1월 4일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2022년 1월 4일

QC 기준을 충족하는 마지막 업데이트 제출

2022년 1월 3일

마지막으로 확인됨

2021년 12월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • 2111-111-1272

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니

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. .

구독하다