일상적인 방사선 임상 실습에서 Carebot AI CXR 2.0.21-v2.01 구현을 조사하는 다중 판독기 후향적 연구
연구 개요
상세 설명
2022년 10월 18일부터 2022년 11월 17일 사이에 Havířov 병원의 방사선진단 부서에서 환자의 익명화된 흉부 X선 이미지를 수집했습니다. 수집 프로세스에는 OR-CZ spol에서 제공하는 CloudPACS 이미징 및 보관 시스템 활용이 포함되었습니다. s r.o.
수집된 X-ray 이미지는 분석을 위해 제안된 DLAD(Carebot AI CXR)에 적용되었습니다. 그 후, DLAD의 성능을 표준 임상 실습과 비교했습니다. 여기서 방사선 전문의는 표준 보기 도구(예: 팬, 줌, WW/WL)에 대한 액세스 권한이 있는 모의 병원 환경에서 CXR 이미지를 평가하고 검토를 완료합니다. 각 방사선과 전문의는 무기폐(ATE), 경화(CON), 흉막삼출(EFF), 폐병변(LES), 피하 폐기종(SCE), 심비대(CMG), 기흉 등 7가지 방사선 소견의 유무를 판단했다. PNO).
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Havířov, 체코, 73601
- Nemocnice Havířov, p. o.
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
환자의 성별 여성: 480(50.21%) 남성: 474(49.58%) 불특정: 2(0.21%)
환자 연령 18-30세: 58세(6.07%) 31-50세: 163세(17.05%) 51-70세: 366세 38.28%) 70세 이상: 369세(38.60%)
설명
포함 기준:
- 2022년 10월 18일 및 2022년 11월 17일에 Havířov 병원의 방사선진단 부서에서 흉부 방사선 촬영을 의뢰한 18세 이상의 병원 환자, p.o.
제외 기준:
- 18세 미만 환자
- 측면 위치의 흉부 X선 이미지
- 복제된 흉부 엑스레이 이미지
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
2022년 10월 18일 및 2022년 11월 17일 기간 동안 소급 수집
지정된 기간 동안 부서에서 총 1,073장의 흉부 엑스레이를 촬영했습니다.
데이터 수집은 테스트 단계 전체에서 손상되지 않고 영향을 받지 않아 데이터 세트의 무결성을 보장합니다.
수집된 샘플은 관찰된 모집단 내에서 결과의 유병률을 정확하게 나타냅니다.
18세 미만 환자의 X선, 측면 투사 X선, 불충분한 품질의 스캔과 같은 부적격 연구를 제외하고 추가 평가를 위해 총 956개의 관련 CXR을 식별했습니다.
|
제안된 DLAD(Carebot AI CXR)는 전후방(AP) 또는 후전방(PA) 프로젝션에서 획득한 흉부 X선 이미지를 해석하는 방사선 전문의를 돕기 위해 설계된 딥러닝 기반 의료 기기입니다.
이 솔루션은 고급 딥 러닝 알고리즘을 사용하여 특정 조건과 관련된 시각적 패턴을 분석하여 비정상적인 결과를 자동으로 감지할 수 있습니다.
표적 이상에는 무기폐(ATE), 경화(CON), 흉막 삼출(EFF), 폐 병변(LES), 피하 폐기종(SCE), 심비대(CMG) 및 기흉(PNO)이 포함됩니다.
DLAD는 웹 기반 통신 도구, DICOM 파일 변환 기능, DICOM 구조 보고서 및 DICOM 프레젠테이션 상태 형식을 모두 지원하는 저장 및 보고 라이브러리와 같은 다양한 애플리케이션 주변 장치로 보완되는 예측 알고리즘으로 작동합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
성능 검사
기간: 2023년 3월
|
주요 목표는 개별 방사선 전문의와 비교하여 제안된 DLAD(Carebot AI CXR)의 성능 매개변수를 평가하는 것입니다.
성능 테스트에는 민감도와 특이도, 양성 및 음성 가능성 비율, 양성 및 음성 예측값이 포함됩니다.
앞서 언급한 매개변수는 신뢰 구간(CI) 및 p-값을 사용하여 통계적으로 비교됩니다.
비교 절차는 두 단계로 구성됩니다. DLAD와 방사선 전문의 사이에 유의미한 차이가 있는지 여부를 결정하기 위해 전체 가설 테스트가 수행됩니다.
전체 가설 검정에서 유의미한 결과가 나오면 개별 가설 검정을 수행합니다.
또한 Se 및 Sp에 대한 연속성 보정이 있는 McNemar, LR에 대한 Holm 방법 및 PV에 대한 가중 일반화 점수 통계와 같은 여러 비교 방법이 전체 오류율을 제어하기 위해 적용됩니다.
모든 검정은 5% 유의 수준에서 양측 검정으로 수행됩니다.
|
2023년 3월
|
공동 작업자 및 조사자
스폰서
간행물 및 유용한 링크
일반 간행물
- KVAK, Daniel, Anna CHROMCOVÁ, Petra OVESNÁ, Jakub DANDÁR, Marek BIROŠ, Robert HRUBÝ, Daniel DUFEK a Marija PAJDAKOVIĆ. Can Deep Learning Reliably Recognize Abnormality Patterns on Chest X-rays? A Multi-Reader Study Examining One Month of AI Implementation in Everyday Radiology Clinical Practice. arXiv. 2023, 2305.10116, 26 s.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
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
추가 관련 MeSH 약관
기타 연구 ID 번호
- CB-CXR-01-HA
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
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. .