뇌 MRI(MAGNET)에서 가돌리늄 기반 조영제 감소를 위한 인공지능 모델에 대한 다기관 연구 (MAGNET)
뇌 MRI(MAGNET)에서 가돌리늄 기반 조영제 감소를 위한 인공 지능 모델의 다기관 및 전향적 코호트 연구
MAGNET은 새로운 인공 지능(AI) 방법과 조영 전 이미지 및/또는 저선량 이미지를 결합하여 가상 조영 강화 T1(vir-T1c)을 합성하는 가돌리늄 기반 조영제(GBCA)를 최소화하기 위한 다기관 및 전향적 연구입니다. ) 이미지, 대규모 임상 및 MRI 데이터베이스를 기반으로 하며 이후 임상적 가치에 대해 검증되었습니다. 환자에 대한 MRI 검사에는 조영제 투여 전후의 T1 강조 영상(T1WI)과 저용량(10% 또는 25%) 및 최대 용량(100%), T2 강조 영상(T2WI)의 두 가지 용량 수준이 포함되었습니다. , 유체 감쇠 반전 복구(FLAIR), 확산 가중 영상 시퀀스(DWI) 및 계산된 겉보기 확산 계수(ADC), 모두 획득된 3차원[3D] 또는 2차원[2D]). 정맥주사용 가돌리늄 조영제의 표준용량은 0.1mmol/kg(체중)으로 수동주입 또는 고압주사기를 이용하여 4mL/s의 유속으로 자동주입하였다. 가돌리늄 조영제의 정맥 주사 기준은 0.1mmol/kg(체중)이며 수동 또는 자동으로 고압 주사기를 사용하여 4mL/s의 속도로 주입한다.
또한 조건이 허락하는 경우 동맥 스핀 라벨링(ASL), 아미드-양성자 전달 화학 교환 포화 전달(APT-CEST), 감수성 가중 영상(SWI) 또는 정량적 감수성 매핑(QSM)을 동시에 획득할 수 있습니다.
연구 개요
상세 설명
GBCA를 이용한 MRI는 뇌 질환 진단을 위한 영상 검사에서 없어서는 안 될 부분입니다. 일반적으로 GBCA는 안전하며 GBCA는 1989년에 FDA 승인을 받은 이후 약간의 경미한 부작용이 있습니다. GBCA의 광범위한 사용에 대한 현재 관행에 도전하는 수많은 문제가 있습니다. GBCA는 특정 상황에서 신원성 전신 섬유증(NSF)을 유발할 수 있고, 알레르기 반응을 일으키고, 태아 사망 위험을 증가시킬 수 있으며, 치상핵 및 담창구와 같은 뇌에 축적될 수 있습니다. 진단 능력을 유지하면서 선량을 줄이기 위한 노력이 필요합니다. 인공 지능(AI) 기술은 의료 분야에서 큰 잠재력을 보여주었습니다. AI의 한 갈래인 딥 러닝(DL)은 이미지 분할, 컴퓨터 지원 진단, GBCA 선량 감소에 적용되었습니다.
이 연구는 GBCA의 사용을 최소화하기 위해 의심되거나 알려진 뇌 이상이 있는 환자를 포함하는 전향적 뇌 MRI 데이터 세트를 구축하고자 합니다. 그런 다음 DL 모델을 훈련시켜 조영 전 이미지 및/또는 저선량 T1 이미지를 처리하여 가상 대비 강화 T1(vir-T1c) 이미지를 예측하고 전체 선량 이미지를 참조 표준으로 사용합니다. 나중에 임상 진단 성능에 대한 DL 모델의 vir-T1c 이미지를 정량적 및 정성적으로 평가하고 비교하여 병변 감지, 진단 및 치료에 중점을 두어 보편적인 DL 모델을 탐색하고 임상 실습에서 향상된 이미지를 더 빠르고 편리하게 제공합니다. GBCA 사용을 최소화하기 위해 다음을 수행합니다.
- 기존(T1WI, T2WI, FLAIR, DWI/ADC), 새로운 생리학적 MRI 기술(ASL, APT-CEST, SWI/QSM)을 포함한 조영 전 이미지에 새로운 인공 지능(AI) 방법을 사용하여 관류에서 생리 정보를 추가합니다. vir-T1c 이미지를 합성하기 위한 대사 및 감수성 이미지 및/또는 저선량 이미지(10% 또는 25%);
- 의사 평가자의 뇌 질환 진단 및 치료 평가에 영향을 미치지 않고 따라서 환자 예후에 영향을 미치지 않고 GBCA를 생략하거나 최소화할 수 있는 시기(어떤 환자 및 후속 조치 시간)를 정량화합니다.
이 연구는 1.5T 및 3.0T 스캐너 또는 GBCA 종류를 포함한 제조업체를 제한하지 않습니다.
연구 유형
등록 (예상)
연락처 및 위치
연구 연락처
- 이름: Yaou Liu, PHD
- 전화번호: +86 1059975396
- 이메일: yaouliu80@163.com
연구 연락처 백업
- 이름: Siyao Xu, Postgraduate
- 전화번호: +86 17780540030
- 이메일: xusiyao97@163.com
연구 장소
-
-
Beijing
-
Beijing, Beijing, 중국, 100053
- 모병
- Beijing Tiantan Hospital
-
연락하다:
- Yaou Liu, PhD
- 이메일: yaouliu80@163.com
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
- 종양, 혈관 장애, 염증성 질환, 신경 퇴행성 질환 및 외상, 후속 조치, 일상적인 뇌 및 기타 GBCA로 MRI 검사가 필요한 뇌 질환이 의심되거나 알려진 환자.
- 환자 및/또는 환자의 부모 및/또는 법적 대리인으로부터 얻은 정보에 입각한 서면 동의.
제외 기준:
- MR 검사에 금기 사항이 있는 환자.
- 불완전한 MRI 데이터와 명백한 이미지 아티팩트가 있는 환자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
뇌 질환
이 연구는 뇌 질환의 종류를 제한하지 않습니다.
코호트에는 종양, 혈관 장애, 염증성 질환, 신경 퇴행성 질환 및 외상, 후속 조치, 일상적인 뇌 및 GBCA로 MRI 검사가 필요한 기타를 포함하여 의심되거나 알려진 뇌 질환이 있는 환자가 포함됩니다.
|
두 가지 선량 수준의 환자에 대한 MRI 검사: 저선량(10% 또는 25%)을 선택할 수 있습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
정량적 지표
기간: 제안한 딥러닝 모델을 학습하고 적용한 후 평균 1년
|
PSNR(peak signal-to-noise ratio) 및 SSIM(structural similarity index)을 측정하여 vir-T1c와 full-dose 이미지 간의 불일치를 정량적으로 설명합니다.
PSNR은 복셀별 차이를 측정하며 PSNR 범위는 -1과 1 사이입니다.
SSIM은 비국소적 구조적 유사성을 비교하고 PSNR의 최소값은 0입니다. 메트릭은 별도로 보고됩니다(예: SSIM, 0.90; PSNR,42 in vir-T1c, SSIM, 0.94; PSNR,45 in full-dose 이미지). .
|
제안한 딥러닝 모델을 학습하고 적용한 후 평균 1년
|
|
질적 평가
기간: 제안한 딥러닝 모델을 학습 및 적용 후 평균 15개월
|
향상 정도, 균질성 및 패턴을 평가하여 vir-T1c와 전체 용량 이미지 간의 불일치를 정성적으로 설명합니다. 첫째, 0은 두개내 또는 비증강 병변이 없음을 나타냅니다. 조영증강 정도는 1로 약간의 조영증강, 2로 중등도 조영증강, 3으로 확연히 조영증강을 나타냅니다. 향상 균질성의 경우, 1은 이질적인 향상을 나타내고, 2는 약간 이질적인 향상을 나타내고, 3은 균일한 향상을 나타냅니다. 조영증강 양상은 1로 하면 종괴증강(50% 이상 비율증강), 2는 결절증강(50% 이하 비율증강), 3은 고리증강, 4는 선형증강, 5는 기타증강을 나타낸다. |
제안한 딥러닝 모델을 학습 및 적용 후 평균 15개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
임상 효과
기간: 제안한 딥러닝 모델의 훈련 및 적용 후, 평균 18개월
|
다른 서열을 결합한 vir-T1c 이미지가 신경방사선과 및 신경과 전문의의 평가에 따라 진단 또는 치료에 영향을 미치는지 여부를 1에서 5점까지 기술합니다. 0은 향상 오류를 나타내며 사용할 수 없습니다. 1은 비진단을 나타냅니다. 2는 진단 또는 치료에 상당한 영향을 미친다는 것을 나타냅니다. 3은 진단 또는 치료에 적당히 영향을 미친다는 것을 나타냅니다. 4는 진단이나 치료에 거의 영향을 미치지 않음을 나타냅니다. 5는 진단 또는 치료에 완전히 영향을 미치지 않음을 나타냅니다. |
제안한 딥러닝 모델의 훈련 및 적용 후, 평균 18개월
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Yaou Liu, PhD, Study Principal Investigator
간행물 및 유용한 링크
일반 간행물
- Jayachandran Preetha C, Meredig H, Brugnara G, Mahmutoglu MA, Foltyn M, Isensee F, Kessler T, Pfluger I, Schell M, Neuberger U, Petersen J, Wick A, Heiland S, Debus J, Platten M, Idbaih A, Brandes AA, Winkler F, van den Bent MJ, Nabors B, Stupp R, Maier-Hein KH, Gorlia T, Tonn JC, Weller M, Wick W, Bendszus M, Vollmuth P. Deep-learning-based synthesis of post-contrast T1-weighted MRI for tumour response assessment in neuro-oncology: a multicentre, retrospective cohort study. Lancet Digit Health. 2021 Dec;3(12):e784-e794. doi: 10.1016/S2589-7500(21)00205-3. Epub 2021 Oct 20.
- Luo H, Zhang T, Gong NJ, Tamir J, Venkata SP, Xu C, Duan Y, Zhou T, Zhou F, Zaharchuk G, Xue J, Liu Y. Deep learning-based methods may minimize GBCA dosage in brain MRI. Eur Radiol. 2021 Sep;31(9):6419-6428. doi: 10.1007/s00330-021-07848-3. Epub 2021 Mar 18.
- Gong E, Pauly JM, Wintermark M, Zaharchuk G. Deep learning enables reduced gadolinium dose for contrast-enhanced brain MRI. J Magn Reson Imaging. 2018 Aug;48(2):330-340. doi: 10.1002/jmri.25970. Epub 2018 Feb 13.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (예상)
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 연구와 관련된 용어
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
IPD 공유 기간
IPD 공유 액세스 기준
IPD 공유 지원 정보 유형
- 연구_프로토콜
- 수액
- ICF
- ANALYTIC_CODE
- CSR
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. .
뇌 질환에 대한 임상 시험
-
University of Dublin, Trinity College알려지지 않은Brain Health 은퇴 엘리트 선수
-
University of Pennsylvania완전한Intrntl Classification of Diseases, 9th Revision, (ICD-9-CM) 410의 주진단 또는 이차진단 코드가 있는 환자(5번째 숫자가 2인 경우 제외)미국