- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT07328997
인공지능이 평가한 방사선학적 평가를 기반으로 한 급성 호흡곤란 증후군의 진단 및 치료 전략과 예후 예측 모델 탐구
2025년 12월 27일 업데이트: Shanghai Zhongshan Hospital
인공지능 평가 방사선학적 평가를 기반으로 한 급성 호흡곤란 증후군의 진단 및 치료 전략 탐구와 예후 예측 모델
다기관 흉부 CT 데이터를 이용하여 ARDS 중증도에 대한 지능형 평가 모델을 구축하였습니다.
CT 정량적 특징과 임상적 특성을 바탕으로 단기 중증 사건(기계적 환기 결정, 앙와위 전략, 사망, ECMO 사용 등)에 대한 예측 모델을 수립하였습니다.
질병을 분기 및 정량화하고, ARDS의 진단 및 위험 계층화 모델을 개발하여 ARDS 진단 및 치료 전략 지침에 도움을 주었습니다.
연구 개요
연구 유형
관찰
등록 (실제)
400
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Fengling Rd
-
Shanghai, Fengling Rd, 중국, 200032, P. R.
- Department of critical care medicine, Zhongshan Hospital, Fudan University
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
확률 샘플
연구 인구
본 연구 대상군은 중국 내 3개 3차 종합병원의 중환자실(ICU)에 입원한 급성 호흡곤란 증후군(ARDS)으로 진단된 성인 환자들로 구성됩니다.
적격 참여자는 2020년 1월부터 2024년 12월까지의 전자의무기록을 통해 후향적으로 확인됩니다.
모든 포함 환자는 2023년 글로벌 ARDS 정의에 기반한 사전 정의된 포함 및 제외 기준을 충족하며, 가용한 흉부 CT 영상과 대응하는 임상 데이터를 보유합니다.
이 코호트는 다양한 ARDS 원인과 다양한 정도의 질병 중증도를 가진 실제 임상 현장의 ICU 환자 집단을 대표합니다.
설명
포함 기준:
- ARDS 진단 기준을 충족하는 경우
- 중환자실에 입원한 경우
- 흉부 CT 영상이 있는 경우
제외 기준:
- 나이가 18세 미만인 경우
- 의무기록이 누락된 경우
- 흉부 CT 영상이 없는 경우
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
훈련 그룹, 테스트 그룹, 검증 그룹
이 연구는 훈련 및 내부 검증 데이터 세트를 구성하기 위해 8:2 분할로 계층화 무작위 표본 추출 전략을 채택하고, 별도의 센터에서 독립적인 외부 테스트 코호트를 함께 사용합니다.
임상 중재 또는 치료의 무작위 배정은 포함되지 않습니다.
모델은 실제 임상 경로 및 결과에서 도출된 관찰 데이터를 사용하여 개발 및 평가되며, 질병 중증도 계층화, 치료 권장 및 사망률 예측에서의 성능 평가를 목표로 합니다.
모델 성능은 사전 지정된 통계 분석 계획에 따라 확립된 ICU 중증도 점수 및 기존 AI 기반 접근법과 비교될 것입니다.
|
CT 스캔
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
ARDS 중증도 분류의 정확성
기간: 기준선, ICU 입원 중 지표 흉부 CT 촬영 후 24시간 이내로 정의됨.
|
2023년 글로벌 ARDS 기준으로 정의된 참조 임상 분류를 기준 진실로 사용하여, 인공지능 기반 모델이 ARDS 중증도(경증, 중등도, 중증)를 분류하는 정확도.
|
기준선, ICU 입원 중 지표 흉부 CT 촬영 후 24시간 이내로 정의됨.
|
|
모델 추천과 실제 임상 관리 간의 치료 계획 일치율.
기간: 기준선, 즉 중환자실 입원 중 인덱스 흉부 CT 촬영 후 24시간 이내로 정의됩니다.
|
다섯 가지 사전 정의된 중재 양식(기계적 환기, 고유량 비강 산소 요법, 비침습적 환기, 복와위, 신경근 차단)에 대한 모델 권장 치료 전략과 실제 임상 관리 결정 간의 일치율.
|
기준선, 즉 중환자실 입원 중 인덱스 흉부 CT 촬영 후 24시간 이내로 정의됩니다.
|
|
28일 병원 내 사망 예측 정확도
기간: ICU 입원 후 최대 28일 또는 퇴원 시점 중 먼저 도래하는 시점까지
|
통합 흉부 CT 영상 특징과 임상 변수를 기반으로 28일 이내 모든 원인에 의한 입원 중 사망률을 예측하는 모델의 정확도.
|
ICU 입원 후 최대 28일 또는 퇴원 시점 중 먼저 도래하는 시점까지
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
기준 AI 모델 대비 비교적 성능 향상.
기간: 중증도 분류 및 치료 계획 매칭을 위한 기준선; 사망률 예측을 위해 중환자실 입원 후 최대 28일
|
제안된 모델이 ARDS 중증도 분류, 치료 계획 매칭, 28일 사망률 예측에서 세 가지 일반적으로 사용되는 기준 인공지능 모델에 비해 보이는 절대적 성능 향상
|
중증도 분류 및 치료 계획 매칭을 위한 기준선; 사망률 예측을 위해 중환자실 입원 후 최대 28일
|
|
28일 사망률 예측의 교정 성능.
기간: ICU 입원 후 최대 28일 또는 병원 퇴원 시점 중 먼저 도래하는 시점까지
|
사망 예측 모델의 교정은 교정 곡선과 교정 통계를 사용하여 평가되며, 예측된 28일 내원 사망률과 관찰된 28일 내원 사망률 간의 일치도를 평가합니다.
|
ICU 입원 후 최대 28일 또는 병원 퇴원 시점 중 먼저 도래하는 시점까지
|
|
영상 및 임상 특성 기여도에 기반한 모델 해석 가능성.
기간: 특징 추출을 위한 기준선; 결과 연관성 분석을 위해 중환자실 입원 후 최대 28일까지.
|
샤플리 가법적 설명(SHAP)을 사용하여 영상 유래 특성과 임상 변수가 사망률 예측에 미치는 상대적 기여도를 정량화합니다.
특성 중요도는 전체적으로 분석되며, ARDS 중증도에 따라 층화 분석됩니다.
|
특징 추출을 위한 기준선; 결과 연관성 분석을 위해 중환자실 입원 후 최대 28일까지.
|
|
치료 일치도와 28일 내원 사망률 간의 연관성.
기간: ICU 입원 후 최대 28일 또는 퇴원 시까지 중 먼저 도래하는 시점까지
|
다변량 로지스틱 회귀 분석을 통해 주요 영상 유도 구조 지표를 보정하여 평가한, 모델 권장 중재와 실제 임상 치료의 일치도와 28일 병원 내 사망률 간의 연관성.
|
ICU 입원 후 최대 28일 또는 퇴원 시까지 중 먼저 도래하는 시점까지
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Xirouchaki N, Magkanas E, Vaporidi K, Kondili E, Plataki M, Patrianakos A, Akoumianaki E, Georgopoulos D. Lung ultrasound in critically ill patients: comparison with bedside chest radiography. Intensive Care Med. 2011 Sep;37(9):1488-93. doi: 10.1007/s00134-011-2317-y. Epub 2011 Aug 2.
- Matthay MA, Arabi Y, Arroliga AC, Bernard G, Bersten AD, Brochard LJ, Calfee CS, Combes A, Daniel BM, Ferguson ND, Gong MN, Gotts JE, Herridge MS, Laffey JG, Liu KD, Machado FR, Martin TR, McAuley DF, Mercat A, Moss M, Mularski RA, Pesenti A, Qiu H, Ramakrishnan N, Ranieri VM, Riviello ED, Rubin E, Slutsky AS, Thompson BT, Twagirumugabe T, Ware LB, Wick KD. A New Global Definition of Acute Respiratory Distress Syndrome. Am J Respir Crit Care Med. 2024 Jan 1;209(1):37-47. doi: 10.1164/rccm.202303-0558WS.
- Ding XF, Li JB, Liang HY, Wang ZY, Jiao TT, Liu Z, Yi L, Bian WS, Wang SP, Zhu X, Sun TW. Predictive model for acute respiratory distress syndrome events in ICU patients in China using machine learning algorithms: a secondary analysis of a cohort study. J Transl Med. 2019 Oct 1;17(1):326. doi: 10.1186/s12967-019-2075-0.
- Zhang Z. Prediction model for patients with acute respiratory distress syndrome: use of a genetic algorithm to develop a neural network model. PeerJ. 2019 Sep 16;7:e7719. doi: 10.7717/peerj.7719. eCollection 2019.
- Zeiberg D, Prahlad T, Nallamothu BK, Iwashyna TJ, Wiens J, Sjoding MW. Machine learning for patient risk stratification for acute respiratory distress syndrome. PLoS One. 2019 Mar 28;14(3):e0214465. doi: 10.1371/journal.pone.0214465. eCollection 2019.
- Zhou Y, Feng J, Mei S, Tang R, Xing S, Qin S, Zhang Z, Xu Q, Gao Y, He Z. A deep learning model for predicting COVID-19 ARDS in critically ill patients. Front Med (Lausanne). 2023 Jul 25;10:1221711. doi: 10.3389/fmed.2023.1221711. eCollection 2023.
- Chiumello D, Coppola S, Catozzi G, Danzo F, Santus P, Radovanovic D. Lung Imaging and Artificial Intelligence in ARDS. J Clin Med. 2024 Jan 5;13(2):305. doi: 10.3390/jcm13020305.
- Albahri OS, Zaidan AA, Albahri AS, Zaidan BB, Abdulkareem KH, Al-Qaysi ZT, Alamoodi AH, Aleesa AM, Chyad MA, Alesa RM, Kem LC, Lakulu MM, Ibrahim AB, Rashid NA. Systematic review of artificial intelligence techniques in the detection and classification of COVID-19 medical images in terms of evaluation and benchmarking: Taxonomy analysis, challenges, future solutions and methodological aspects. J Infect Public Health. 2020 Oct;13(10):1381-1396. doi: 10.1016/j.jiph.2020.06.028. Epub 2020 Jul 1.
- Amisha, Malik P, Pathania M, Rathaur VK. Overview of artificial intelligence in medicine. J Family Med Prim Care. 2019 Jul;8(7):2328-2331. doi: 10.4103/jfmpc.jfmpc_440_19.
- Gutierrez G. Artificial Intelligence in the Intensive Care Unit. Crit Care. 2020 Mar 24;24(1):101. doi: 10.1186/s13054-020-2785-y.
- Ahuja AS. The impact of artificial intelligence in medicine on the future role of the physician. PeerJ. 2019 Oct 4;7:e7702. doi: 10.7717/peerj.7702. eCollection 2019.
- Shenoy S, Rajan AK, Rashid M, Chandran VP, Poojari PG, Kunhikatta V, Acharya D, Nair S, Varma M, Thunga G. Artificial intelligence in differentiating tropical infections: A step ahead. PLoS Negl Trop Dis. 2022 Jun 30;16(6):e0010455. doi: 10.1371/journal.pntd.0010455. eCollection 2022 Jun.
- Chiumello D, Marino A, Brioni M, Menga F, Cigada I, Lazzerini M, Andrisani MC, Biondetti P, Cesana B, Gattinoni L. Visual anatomical lung CT scan assessment of lung recruitability. Intensive Care Med. 2013 Jan;39(1):66-73. doi: 10.1007/s00134-012-2707-9. Epub 2012 Sep 19.
- Raghavendran K, Davidson BA, Woytash JA, Helinski JD, Marschke CJ, Manderscheid PA, Notter RH, Knight PR. The evolution of isolated bilateral lung contusion from blunt chest trauma in rats: cellular and cytokine responses. Shock. 2005 Aug;24(2):132-8. doi: 10.1097/01.shk.0000169725.80068.4a.
- Gattinoni L, Caironi P, Pelosi P, Goodman LR. What has computed tomography taught us about the acute respiratory distress syndrome? Am J Respir Crit Care Med. 2001 Nov 1;164(9):1701-11. doi: 10.1164/ajrccm.164.9.2103121. No abstract available.
- Gattinoni L, Pesenti A. The concept of "baby lung". Intensive Care Med. 2005 Jun;31(6):776-84. doi: 10.1007/s00134-005-2627-z. Epub 2005 Apr 6.
- Yadav H, Thompson BT, Gajic O. Fifty Years of Research in ARDS. Is Acute Respiratory Distress Syndrome a Preventable Disease? Am J Respir Crit Care Med. 2017 Mar 15;195(6):725-736. doi: 10.1164/rccm.201609-1767CI.
- Yildirim F, Karaman I, Kaya A. Current situation in ARDS in the light of recent studies: Classification, epidemiology and pharmacotherapeutics. Tuberk Toraks. 2021 Dec;69(4):535-546. doi: 10.5578/tt.20219611.
- Yang P, Sjoding MW. Acute Respiratory Distress Syndrome: Definition, Diagnosis, and Routine Management. Crit Care Clin. 2024 Apr;40(2):309-327. doi: 10.1016/j.ccc.2023.12.003. Epub 2024 Jan 4.
- Tzotzos SJ, Fischer B, Fischer H, Zeitlinger M. Incidence of ARDS and outcomes in hospitalized patients with COVID-19: a global literature survey. Crit Care. 2020 Aug 21;24(1):516. doi: 10.1186/s13054-020-03240-7. No abstract available.
- Riviello ED, Buregeya E, Twagirumugabe T. Diagnosing acute respiratory distress syndrome in resource limited settings: the Kigali modification of the Berlin definition. Curr Opin Crit Care. 2017 Feb;23(1):18-23. doi: 10.1097/MCC.0000000000000372.
- Villar J, Martin-Rodriguez C, Dominguez-Berrot AM, Fernandez L, Ferrando C, Soler JA, Diaz-Lamas AM, Gonzalez-Higueras E, Nogales L, Ambros A, Carriedo D, Hernandez M, Martinez D, Blanco J, Belda J, Parrilla D, Suarez-Sipmann F, Tarancon C, Mora-Ordonez JM, Blanch L, Perez-Mendez L, Fernandez RL, Kacmarek RM; Spanish Initiative for Epidemiology, Stratification and Therapies for ARDS (SIESTA) Investigators Network. A Quantile Analysis of Plateau and Driving Pressures: Effects on Mortality in Patients With Acute Respiratory Distress Syndrome Receiving Lung-Protective Ventilation. Crit Care Med. 2017 May;45(5):843-850. doi: 10.1097/CCM.0000000000002330.
- Garcia-Laorden MI, Lorente JA, Flores C, Slutsky AS, Villar J. Biomarkers for the acute respiratory distress syndrome: how to make the diagnosis more precise. Ann Transl Med. 2017 Jul;5(14):283. doi: 10.21037/atm.2017.06.49.
- McNicholas BA, Rooney GM, Laffey JG. Lessons to learn from epidemiologic studies in ARDS. Curr Opin Crit Care. 2018 Feb;24(1):41-48. doi: 10.1097/MCC.0000000000000473.
- Bellani G, Laffey JG, Pham T, Fan E, Brochard L, Esteban A, Gattinoni L, van Haren F, Larsson A, McAuley DF, Ranieri M, Rubenfeld G, Thompson BT, Wrigge H, Slutsky AS, Pesenti A; LUNG SAFE Investigators; ESICM Trials Group. Epidemiology, Patterns of Care, and Mortality for Patients With Acute Respiratory Distress Syndrome in Intensive Care Units in 50 Countries. JAMA. 2016 Feb 23;315(8):788-800. doi: 10.1001/jama.2016.0291.
- Gorman EA, O'Kane CM, McAuley DF. Acute respiratory distress syndrome in adults: diagnosis, outcomes, long-term sequelae, and management. Lancet. 2022 Oct 1;400(10358):1157-1170. doi: 10.1016/S0140-6736(22)01439-8. Epub 2022 Sep 4.
- Xu H, Sheng S, Luo W, Xu X, Zhang Z. Acute respiratory distress syndrome heterogeneity and the septic ARDS subgroup. Front Immunol. 2023 Nov 14;14:1277161. doi: 10.3389/fimmu.2023.1277161. eCollection 2023.
- Banavasi H, Nguyen P, Osman H, Soubani AO. Management of ARDS - What Works and What Does Not. Am J Med Sci. 2021 Jul;362(1):13-23. doi: 10.1016/j.amjms.2020.12.019. Epub 2020 Dec 26.
- Katzenstein AL, Bloor CM, Leibow AA. Diffuse alveolar damage--the role of oxygen, shock, and related factors. A review. Am J Pathol. 1976 Oct;85(1):209-28. No abstract available.
- Villar J, Szakmany T, Grasselli G, Camporota L. Redefining ARDS: a paradigm shift. Crit Care. 2023 Oct 31;27(1):416. doi: 10.1186/s13054-023-04699-w.
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)
2024년 5월 31일
기본 완료 (실제)
2025년 11월 30일
연구 완료 (실제)
2025년 11월 30일
연구 등록 날짜
최초 제출
2025년 12월 13일
QC 기준을 충족하는 최초 제출
2025년 12월 27일
처음 게시됨 (실제)
2026년 1월 9일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 1월 9일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 12월 27일
마지막으로 확인됨
2025년 12월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- B2024-180
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
예
IPD 계획 설명
연구 결과의 기반이 되는 개별 참가자 데이터, 즉 익명화된 인구통계학적 정보, 임상 변수, 검사실 소견, 인공호흡기 또는 HFNC 매개변수, AI 기반 정량적 CT 특징 등이 공유될 것입니다.
모든 데이터는 공유 전에 적용 가능한 규정에 따라 완전히 익명화됩니다.
이미징 데이터(CT 스캔)도 참여 기관의 허가가 있을 경우 익명화된 형식으로 제공됩니다.
IPD 공유 기간
개별 참가자 데이터는 주요 결과 발표 후 12개월부터 이용 가능하며, 최소 5년 동안 접근 가능합니다.
IPD 공유 액세스 기준
개별 참가자 데이터는 과학적으로 타당한 제안을 제시하는 자격 있는 연구자들과 공유될 것입니다.
요청에는 방법론적으로 적절한 분석 계획과 필요한 경우 기관 검토 위원회(IRB) 또는 윤리 위원회의 승인이 포함되어야 합니다.
데이터는 비식별화된 형태로만 공유될 것입니다.
모든 요청은 주 연구자와 연구 운영 위원회에 의해 검토되며, 이들은 과학적 근거, 실행 가능성 및 데이터 보호 규정 준수를 평가할 것입니다.
승인 후, 데이터는 안전하고 비밀번호로 보호된 데이터 공유 플랫폼을 통해 접근할 수 있습니다.
IPD 공유 지원 정보 유형
- 연구_프로토콜
- 수액
- ICF
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. .
CT 스캔에 대한 임상 시험
-
Humanitas Clinical and Research CenterFondazione Policlinico Universitario Agostino Gemelli IRCCS; Federico II University; Universita... 그리고 다른 협력자들모집하지 않고 적극적으로
-
University Hospitals of North Midlands NHS Trust완전한
-
Mayo ClinicIntroMedic Co., Ltd.완전한
-
Changping LaboratoryFirst Affiliated Hospital of Fujian Medical University모병
-
Centre hospitalier de l'Université de Montréal...Allergan완전한
-
Instituto Ecuatoriano de Enfermedades Digestivas완전한