호흡기(R) 감염성(I) 질병의 의료 영상(MI)에서 인공 지능(AI) 진단 도구의 응용 효율성 탐색(D) (AI-MIRID)
2024년 8월 12일 업데이트: Wen-hong Zhang, Huashan Hospital
급성 호흡기 감염 질환의 조기 식별과 엄중한 경고가 가장 중요합니다.
효과적인 수단을 활용하여 초기 단계에서 감염원을 정확하게 진단하는 것이 모든 효과적인 조치의 전제입니다.
AI-MID는 인공지능 도구를 사용하여 호흡기 질환의 임상 의료 영상 진단을 지원하는 연구 이니셔티브로, 의사가 영상을 검토하는 데 소요되는 시간을 줄이고 업무 효율성을 높이며 폐렴 감지의 민감도와 특이도를 높여 폐렴 진단의 민감도와 특이도를 높이는 것을 목표로 합니다. 풀뿌리 수준의 폐렴 검출률.
이러한 접근 방식을 통해 정확한 예방, 정확한 진단, 정확한 치료가 가능해집니다.
연구 개요
연구 유형
중재적
등록 (추정된)
2000
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Wenhong Zhang
- 전화번호: (86)52889999
- 이메일: zhangwenhong@fudan.edu.cn
연구 장소
-
-
-
Shanghai, 중국, 200040
- 모병
- Huashan Hospital
-
연락하다:
- Wenhong Zhang, Professor
- 전화번호: (86)52889999
- 이메일: zhangwenhong@fudan.edu.cn
-
-
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
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준:
- 1~90세, 성별은 지정되지 않습니다.
- 호흡기 감염 증상을 나타냄
- 병인검사 결과가 있어야 함
- 이미징 데이터가 있어야 합니다.
제외 기준:
- 의료 영상에 심각한 인공물이 있음
- 임상 진단은 동시 폐부종을 나타냅니다.
- 이중 검토로 인해 진단이 불분명하거나 오진 가능성이 있음
- 영화를 읽는 데 어려움을 초래할 수 있는 기타 상황 또는 연구자가 결정한 바에 따라 연구 참가자는 등록에 적합하지 않은 것으로 간주됩니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
간섭 없음: 개입 없음
비개입
|
|
|
실험적: 인공지능 기반 의료영상해석그룹
연구 참가자의 임상 정보, 영상 데이터 및 해당 병인학 결과를 사용하여 AI 진단 도구를 구축하여 환자의 흉부 의료 영상을 구체적으로 인식하고 해당 진단 결론을 구성합니다.
|
AI 해석 그룹에서는 연구 참여자의 임상 정보, 영상 데이터 및 해당 병인학 결과를 활용하여 환자의 흉부 의료 영상을 구체적으로 인식하고 이에 따른 진단 결론을 도출하는 AI 진단 도구를 구축합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
호흡기 감염질환 의료영상화에서 인공지능 진단도구의 진단 유효성 평가
기간: 2년
|
폐 감염 식별 시 컴퓨터 지원 탐지(CAD) 소프트웨어의 진단 효능을 평가하기 위해 연구에서는 다음 방법을 사용합니다. 영상 촬영 기준: 숙련된 방사선 전문의가 영상 표준 역할을 하는 연구 참가자의 의료 영상을 해석합니다. 컴퓨터 지원 감지: 동시에 CAD 소프트웨어는 참가자의 의료 영상을 분석하여 진단 결과를 생성합니다. 효능 평가: CAD 소프트웨어의 정확성과 일관성은 방사선 전문의의 진단과 해석을 비교하여 평가됩니다. |
2년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
호흡기 감염병 조기 식별 및 엄중 경고를 위한 인공지능 도구 활용
기간: 2년
|
연구 참가자의 의료 영상과 해당 호흡기 병원체 탐지 결과를 통합함으로써 이러한 데이터는 AI 진단 도구에 대한 훈련 세트 입력으로 사용되어 딥 러닝을 수행할 수 있습니다.
이 과정을 통해 병원체 영상을 기반으로 AI 진단 도구를 구축하게 된다.
후향적 및 전향적 연구 구간에 대한 데이터 수집이 완료된 후, 생존 분석 및 예측 모델링을 기반으로 연구 참여자의 질병 진행 및 예후를 평가할 계획입니다.
임상 데이터와 영상 데이터를 통합해 예후 평가 모델의 정확성과 정밀도를 높이는 것을 목표로 한다.
모델은 다양한 기간에 걸쳐 등록된 연구 참가자의 조건 변화에 따라 지속적으로 최적화됩니다.
|
2년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
스폰서
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)
2022년 4월 1일
기본 완료 (추정된)
2025년 12월 1일
연구 완료 (추정된)
2026년 12월 1일
연구 등록 날짜
최초 제출
2024년 8월 7일
QC 기준을 충족하는 최초 제출
2024년 8월 12일
처음 게시됨 (실제)
2024년 8월 14일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 8월 14일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 8월 12일
마지막으로 확인됨
2024년 8월 1일
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. .