- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05566158
소장폐색 진단을 위한 인공지능을 이용한 CT 기반 진단모델 개발 및 검증 원문보기 KCI 원문보기 인용 (SMARTLOOP2)
소장 폐쇄(SBO)는 일반적인 비외상성 외과 응급 상황입니다. 모든 지침에서는 SBO가 의심되는 환자에 대한 1차 영상 검사로 컴퓨터 단층촬영(CT)을 권장합니다. CT의 목적은 여러 가지입니다. 기능적), (iii) 폐쇄 부위, 즉 전이 영역(TZ)을 파악하고, (iv) 원인을 식별하고, (v) 교살 또는 천공과 같은 관리에 영향을 미치는 합병증을 찾습니다.
수행되는 스캔 수가 기하급수적으로 증가하는 상황에서, 특히 응급 관리 설정에서 방사선 전문의를 지원하는 방법은 다음과 같은 경우에 유용합니다.
- 수행된 스캔을 정렬하여 더 높은 병리 가능성(우리의 경우 폐색)으로 스캔 분석의 우선 순위를 지정할 수 있습니다.
- 방사선 전문의가 폐색 및 그 유형(기능적 또는 기계적)을 진단하고 심각도의 징후를 식별하도록 돕습니다.
- 응급 의사와 소화기 외과 의사가 질병 관리(외과적 또는 내과적)에 대한 결정을 내리도록 돕기 위해.
기계 학습은 지난 수십 년 동안 처음에는 데이터 저장 용량의 증가에 힘입어 급속도로 발전했으며, 그 다음에는 방사선 진단 지원의 맥락에서 그래픽 처리 장치를 기반으로 하는 병렬 처리 하드웨어의 등장에 힘입었습니다. 이에 따라 의료영상 분야에서 심층신경망에 대한 연구가 급증하고 있다. 그러나 SBO에 집중하는 팀은 거의 없습니다. 공개된 유일한 분류 모델은 표준 복부 방사선 사진에 대해 생성되었습니다. SBO 진단을 위한 CT의 이점과 이미지 분석을 위한 다중 평면 재구성의 기여도와 비교할 수 있는 3D 모델의 기여도에도 불구하고 ZT에 대한 예비 연구를 제외하고 CT 또는 3D 모델을 사용한 연구는 없습니다. 여러 평면의 공간에서.
연구 개요
상태
정황
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Gif-sur-Yvette, 프랑스
- Central for Visual Computing - OPIS Inria group
-
Paris, 프랑스, 75014
- Groupe Hospitalier Paris Saint-Joseph
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
- 18세 이상인 환자
- CT 스캔을 통해 Saint Joseph Hospital Group 내에서 최소 1회 복부 골반 획득을 수행한 환자
- "폐쇄" 또는 "폐쇄", "구토" 또는 "장폐색"이라는 용어가 포함된 보고서
- 프랑스어를 사용하는 환자
제외 기준:
- 이미징을 사용할 수 없음
- CT 획득 시 복부-골반 용적이 없음
- 후견인 또는 큐레이터인 환자
- 자유를 박탈당한 환자
- 법원의 보호를 받는 환자
- 이 연구를 위한 자신의 데이터 사용에 반대하는 환자
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 회고전
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
소화 폐색의 자동 감지
기간: 1학년
|
이 결과는 폐색의 존재 또는 부재를 식별하는 모델의 능력(민감도, 특이성 및 예측 값)에 해당합니다.
|
1학년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
기능적 폐색과 기계적 폐색의 자동 구별
기간: 1학년
|
이 결과는 기능적 폐색 대 기계적 폐색의 감지에 해당합니다.
|
1학년
|
수술 적응증 알고리즘
기간: 1학년
|
이 결과는 수술 예측을 위한 임상-방사선-생물학적 알고리즘의 성능에 해당합니다.
|
1학년
|
접합 영역의 라디오믹스를 통한 분석
기간: 1학년
|
이 결과는 기계적 소화성 폐색의 연결 영역의 방사능학을 통한 분석에 해당합니다(연결 영역은 확장-평평 전이가 있는 영역이므로 장애물이 있는 영역임).
|
1학년
|
접합 영역 자동 감지
기간: 1학년
|
이 결과는 기계적 소화 장애의 연결 영역을 식별하는 자동 감지 성능에 해당합니다.
|
1학년
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Quentin Vanderbecq, MD, Groupe hospitalier Paris saint Joseph
간행물 및 유용한 링크
일반 간행물
- Ten Broek RPG, Krielen P, Di Saverio S, Coccolini F, Biffl WL, Ansaloni L, Velmahos GC, Sartelli M, Fraga GP, Kelly MD, Moore FA, Peitzman AB, Leppaniemi A, Moore EE, Jeekel J, Kluger Y, Sugrue M, Balogh ZJ, Bendinelli C, Civil I, Coimbra R, De Moya M, Ferrada P, Inaba K, Ivatury R, Latifi R, Kashuk JL, Kirkpatrick AW, Maier R, Rizoli S, Sakakushev B, Scalea T, Soreide K, Weber D, Wani I, Abu-Zidan FM, De'Angelis N, Piscioneri F, Galante JM, Catena F, van Goor H. Bologna guidelines for diagnosis and management of adhesive small bowel obstruction (ASBO): 2017 update of the evidence-based guidelines from the world society of emergency surgery ASBO working group. World J Emerg Surg. 2018 Jun 19;13:24. doi: 10.1186/s13017-018-0185-2. eCollection 2018.
- Expert Panel on Gastrointestinal Imaging, Chang KJ, Marin D, Kim DH, Fowler KJ, Camacho MA, Cash BD, Garcia EM, Hatten BW, Kambadakone AR, Levy AD, Liu PS, Moreno C, Peterson CM, Pietryga JA, Siegel A, Weinstein S, Carucci LR. ACR Appropriateness Criteria(R) Suspected Small-Bowel Obstruction. J Am Coll Radiol. 2020 May;17(5S):S305-S314. doi: 10.1016/j.jacr.2020.01.025.
- Frager D, Medwid SW, Baer JW, Mollinelli B, Friedman M. CT of small-bowel obstruction: value in establishing the diagnosis and determining the degree and cause. AJR Am J Roentgenol. 1994 Jan;162(1):37-41. doi: 10.2214/ajr.162.1.8273686.
- Montagnon E, Cerny M, Cadrin-Chenevert A, Hamilton V, Derennes T, Ilinca A, Vandenbroucke-Menu F, Turcotte S, Kadoury S, Tang A. Deep learning workflow in radiology: a primer. Insights Imaging. 2020 Feb 10;11(1):22. doi: 10.1186/s13244-019-0832-5.
- Cheng PM, Tejura TK, Tran KN, Whang G. Detection of high-grade small bowel obstruction on conventional radiography with convolutional neural networks. Abdom Radiol (NY). 2018 May;43(5):1120-1127. doi: 10.1007/s00261-017-1294-1.
- Kim DH, Wit H, Thurston M, Long M, Maskell GF, Strugnell MJ, Shetty D, Smith IM, Hollings NP. An artificial intelligence deep learning model for identification of small bowel obstruction on plain abdominal radiographs. Br J Radiol. 2021 Jun 1;94(1122):20201407. doi: 10.1259/bjr.20201407. Epub 2021 Apr 27.
- Vanderbecq Q, Ardon R, De Reviers A, Ruppli C, Dallongeville A, Boulay-Coletta I, D'Assignies G, Zins M. Adhesion-related small bowel obstruction: deep learning for automatic transition-zone detection by CT. Insights Imaging. 2022 Jan 24;13(1):13. doi: 10.1186/s13244-021-01150-y.
- Hodel J, Zins M, Desmottes L, Boulay-Coletta I, Julles MC, Nakache JP, Rodallec M. Location of the transition zone in CT of small-bowel obstruction: added value of multiplanar reformations. Abdom Imaging. 2009 Jan-Feb;34(1):35-41. doi: 10.1007/s00261-007-9348-4.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
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 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. .