Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Algoritmen voor kunstmatige intelligentie om onderscheid te maken tussen COVID-19 en grieppneumonitis met behulp van röntgenfoto's van de borst (AI-COVID-Xr)

23 april 2020 bijgewerkt door: Professor Adrian Covic

De voordelen van kunstmatige intelligentie-algoritmen (CNN's) voor het onderscheiden tussen COVID-19 en grieppneumonitis op een afdeling spoedeisende hulp met behulp van röntgenfoto's van de borst

Dit project heeft tot doel kunstmatige intelligentie (beelddiscriminatie) algoritmen te gebruiken, met name convolutionele neurale netwerken (CNN's) voor het scannen van thoraxfoto's op de afdeling spoedeisende hulp (triage) bij patiënten met vermoedelijke luchtwegsymptomen (koorts, hoest, myalgie) van coronavirusinfectie COVID 19. Het doel is om een ​​softwareoplossing te creëren en te valideren die op basis van de thoraxfoto onderscheid maakt tussen Covid-19-pneumonitis en griep

Studie Overzicht

Toestand

Onbekend

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Dit project heeft tot doel kunstmatige intelligentie (beelddiscriminatie) algoritmen te gebruiken;

  • specifiek convolutionele neurale netwerken (CNN's) voor het scannen van thoraxfoto's op de afdeling spoedeisende hulp (triage) bij patiënten met vermoedelijke luchtwegsymptomen (koorts, hoest, myalgie) van coronavirusinfectie COVID 19;
  • het doel is om een ​​softwareoplossing te creëren en te valideren die op basis van de thoraxfoto onderscheid maakt tussen Covid-19-pneumonitis en griep;
  • deze software wordt getraind door röntgenfoto's te introduceren van patiënten met/zonder COVID-19-pneumonitis en/of grieppneumonitis;
  • hetzelfde AI-algoritme zal worden uitgevoerd op toekomstige röntgenscans voor het voorspellen van mogelijke COVID-19-pneumonitis

Studietype

Observationeel

Inschrijving (Verwacht)

200

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • Italië
      • Cremona, Italië, 26100
        • Werving
        • U.O. Multidisciplinare di Patologia Mammaria e Ricerca Traslazionale; Dipartimento Universitario Clinico di Scienze Mediche, Chirurgiche e della Salute Università degli Studi di Trieste
        • Contact:
        • Hoofdonderzoeker:
          • Daniele Generali, MD, PhD
  • Roemenië
      • Iaşi, Roemenië, 700503
        • Werving
        • University of Medicine and Pharmacy Gr T Popa
        • Contact:
        • Hoofdonderzoeker:
          • Alexandru Burlacu, MD, PhD
  • Verenigd Koninkrijk
      • London, Verenigd Koninkrijk
        • Werving
        • Department of Cardiology at Chelsea and Westminster NHS hospital
        • Contact:
          • Emmanuel Ako, MD, PhD
          • Telefoonnummer: +447932970131
          • E-mail: e.ako@ucl.ac.uk
        • Hoofdonderzoeker:
          • Emmanuel Ako, MD, PhD

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Alle patiënten met griepsymptomen die op de spoedeisende hulp aankomen met hoesten, koorts, spierpijn - die verdacht worden van COVID-19-infectie

Beschrijving

Inclusiecriteria:

  • griepachtige symptomen: spierpijn, hoest, koorts, sputum
  • Röntgenfoto's van de borst
  • COVID-19 biologische tests

Uitsluitingscriteria:

  • weigering van de patiënt
  • onzekere röntgenfoto's
  • onzekere testresultaten

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Symptomatische patiënten
Ons doel is om een ​​algoritme voor kunstmatige intelligentie te identificeren dat kan worden uitgevoerd op longröntgenfoto's bij patiënten met griep/respiratoire virale symptomen die naar de afdeling spoedeisende hulp/triage komen. Dit algoritme is bedoeld om de röntgenfoto's van patiënten met COVID-19 en patiënten met grieppneumonitis te identificeren, met een nauwkeurigheid die is geverifieerd door COVID-19-tests.
Diagnostische toets: Scannen van thoraxfoto's en het uitvoeren van AI-algoritmen op afbeeldingen
Röntgenfoto's op de borst; AI CNN's; Resultaten

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
COVID-19 positieve röntgenfoto's
Tijdsspanne: 6 maanden
Aantal deelnemers met longontsteking op X-thorax en COVID 19 positief
6 maanden
COVID-19 negatieve röntgenfoto's
Tijdsspanne: 6 maanden
Aantal deelnemers met longontsteking op X-thorax en COVID 19 negatief
6 maanden

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Professor Adrian Covic

Medewerkers

Falcon Trading Iasi
Romanian Academy of Medical Sciences

Onderzoekers

  • Hoofdonderzoeker: Alexandru Burlacu, Lecturer, University of Medicine and Pharmacy Gr T Popa - Iasi
  • Hoofdonderzoeker: Radu Dabija, Lecturer, University of Medicine and Pharmacy Gr T Popa - Iasi

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

18 maart 2020

Primaire voltooiing (Verwacht)

16 augustus 2020

Studie voltooiing (Verwacht)

18 augustus 2020

Studieregistratiedata

Eerst ingediend

17 maart 2020

Eerst ingediend dat voldeed aan de QC-criteria

17 maart 2020

Eerst geplaatst (Werkelijk)

18 maart 2020

Updates van studierecords

Laatste update geplaatst (Werkelijk)

27 april 2020

Laatste update ingediend die voldeed aan QC-criteria

23 april 2020

Laatst geverifieerd

1 april 2020

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 0110

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

JA

Beschrijving IPD-plan

Ja, we delen de algoritmecode en de resultaten graag met elke geïnteresseerde wetenschapper (zonder financiële belangen)

IPD delen Ondersteunend informatietype

  • LEERPROTOCOOL
  • ICF
  • ANALYTIC_CODE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren