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

Covid Radiografische afbeeldingen Dataset voor A.I (CORDA)

4 juni 2020 bijgewerkt door: Giorgio Limerutti, Azienda Ospedaliera Città della Salute e della Scienza di Torino
De mogelijkheid om wijdverbreide en eenvoudige thoraxfoto's (CXR) te gebruiken voor vroege screening van COVID-19-patiënten trekt veel belangstelling van zowel de klinische als de kunstmatige-intelligentiegemeenschap. In dit onderzoek geven we inzicht en geven we ook waarschuwingen over wat redelijkerwijs te verwachten is door deep learning toe te passen op de COVID-classificatie van CXR-beelden. We bieden een methodologische gids en kritische lezing van een uitgebreide set statistische resultaten die kunnen worden verkregen met behulp van de momenteel beschikbare datasets. We gaan met name de uitdaging aan die wordt gevormd door de huidige kleine COVID-gegevens en laten zien hoe belangrijk de vertekening kan zijn die wordt veroorzaakt door transfer-learning met behulp van grotere openbare niet-COVID CXR-datasets. We dragen ook bij door resultaten te leveren over een middelgrote COVID CXR-dataset, die zojuist is verzameld door een van de grote noodziekenhuizen in Noord-Italië tijdens het hoogtepunt van de COVID-pandemie. Deze nieuwe gegevens stellen ons in staat om bij te dragen aan het valideren van het generalisatievermogen van voorlopige resultaten die in de wetenschappelijke gemeenschap circuleren. Onze conclusies werpen enig licht op de mogelijkheid om COVID effectief te onderscheiden met behulp van CXR.

Studie Overzicht

Toestand

Onbekend

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Het COVID-19-virus heeft zich snel verspreid op het vasteland van China en in meerdere landen over de hele wereld. Op 7 april 2020 werden in Italië, een van de zwaarst getroffen landen, 135.586 patiënten met COVID19 geregistreerd en stierven er 17.127; op het moment van schrijven is Piemonte de derde meest getroffen regio in Italië, met 13.343 geregistreerde gevallen. Vroege diagnose is een sleutelelement voor een juiste behandeling van de patiënten en het voorkomen van de verspreiding van de ziekte. Gezien het hoge tropisme van COVID-19 voor de luchtwegen en het longepitheel, kan identificatie van longbetrokkenheid bij geïnfecteerde patiënten relevant zijn voor de behandeling en monitoring van de ziekte. Virustesten worden momenteel beschouwd als de enige specifieke diagnosemethode. Het Center for Disease Control (CDC) in de VS raadt aan monsters van de bovenste luchtwegen (nasofaryngeale en orofaryngeale uitstrijkjes) of van de onderste luchtwegen indien beschikbaar (bronchoalveolaire lavage, BAL) te verzamelen en te testen voor virustesten met omgekeerde transcriptiepolymerasekettingreactie (RT-PCR) test. Huidige position papers van radiologische verenigingen (Fleischner Society, SIRM, RSNA) bevelen het routinematige gebruik van beeldvorming voor COVID-19-diagnose niet aan.

Het is echter algemeen aangetoond dat zelfs in de vroege stadia van de ziekte thoraxfoto's (CXR) en computertomografie (CT) scans pathologische bevindingen kunnen laten zien. Opgemerkt moet worden dat ze in feite niet-specifiek zijn en overlappen met andere virale infecties (zoals influenza, H1N1, SARS en MERS): de meeste auteurs rapporteren perifere bilaterale slecht gedefinieerde en matglas-opaciteiten, voornamelijk met betrekking tot de onderste kwabben, geleidelijk toenemend in uitbreiding naarmate de ziekte ernstiger wordt en leidend tot diffuse parenchymale consolidatie, is CT een gevoelig hulpmiddel voor vroege detectie van perifere matglasopaciteiten; de routinematige rol van CT-beeldvorming bij deze patiënten vormt echter een logistieke uitdaging in termen van veiligheid voor gezondheidswerkers en andere patiënten, en kan de beschikbare middelen overbelasten. Een röntgenfoto van de borstkas kan een nuttig hulpmiddel zijn, vooral in spoedeisende situaties: het kan andere mogelijke "noxa" van de longen helpen uitsluiten, een eerste ruwe schatting mogelijk maken van de mate van longaantasting en, belangrijker nog, het kan aan het bed van de patiënt worden verkregen met behulp van draagbare apparaten. beperking van mogelijke blootstelling bij gezondheidswerkers en andere patiënten. Bovendien kan CXR in de loop van de tijd worden herhaald om de evolutie van longziekte te volgen.

Methodologie:

we beschrijven de deeplearning-benadering op basis van een vrij standaardpijplijn, namelijk voorverwerking van borstbeelden en longsegmentatie, gevolgd door een classificatiemodel verkregen met transferleren. Zoals we in dit gedeelte zullen zien, is het voorbewerken van gegevens van fundamenteel belang om eventuele vooringenomenheid in de gegevens weg te nemen. We zullen met name laten zien dat het voor een diepgaand model gemakkelijk is om deze vooroordelen te herkennen die het leerproces aandrijven. Gezien de kleine omvang van COVID-datasets, spelen de grotere datasets die worden gebruikt voor pre-training een sleutelrol. Daarom bespreken we eerst welke datasets voor onze doelen gebruikt kunnen worden.

Studietype

Observationeel

Inschrijving (Verwacht)

2500

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
    • Turin
      • Torino, Turin, Italië, 10126
        • Werving
        • Azienda Ospedaliero Universitaria Citta Della Salute E Della Scienza
        • Contact:
        • Hoofdonderzoeker:
          • Giorgio Limerutti, M.D.
        • Onderonderzoeker:
          • Paolo Fonio, M.D.
        • Onderonderzoeker:
          • Marco Grosso, M.Sc.
        • Onderonderzoeker:
          • Stefano Tibaldi, M.Sc.
        • Onderonderzoeker:
          • Simona Capello, M.D.
        • Onderonderzoeker:
          • Patrizia Sardo, M.D.
        • Onderonderzoeker:
          • Claudio Berzovini, M.D.
        • Onderonderzoeker:
          • Francesca Santinelli, M.Sc.
        • Onderonderzoeker:
          • Marco Calandri, M.D.
        • Onderonderzoeker:
          • Andrea Ferraris, M.D.

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

  • VOLWASSEN
  • OUDER_ADULT
  • KIND

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Alle mensen behandeld op de afdeling radiologie

Beschrijving

Inclusiecriteria: röntgenfoto van de borstkas uitgevoerd tijdens een verblijf op de afdeling spoedeisende hulp of in het ziekenhuis

-

Uitsluitingscriteria:

  • Geen

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
gevallen van interstitiële longontsteking
X-thorax diagnose
Diagnostische toets: Algoritme voor diagnose van neuraal netwerk
we voeden het neurale netwerk met röntgenfoto's van de borst om het netwerk te leren voor automatische diagnose van interstitiële pneumonie
Negatieve controles
X-thorax Negatief voor longontsteking
Diagnostische toets: Algoritme voor diagnose van neuraal netwerk
we voeden het neurale netwerk met röntgenfoto's van de borst om het netwerk te leren voor automatische diagnose van interstitiële pneumonie

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
gevoeligheid en specificiteit van neurale netwerkdiagnose
Tijdsspanne: op dag 0
gevoeligheid en specificiteit van neurale netwerkdiagnose in vergelijking met menselijke diagnose
op dag 0

Medewerkers en onderzoekers

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

Sponsor

Azienda Ospedaliera Città della Salute e della Scienza di Torino

Medewerkers

University of Turin, Italy
Azienda Ospedaliera Ordine Mauriziano di Torino

Onderzoekers

  • Hoofdonderzoeker: Giorgio Limerutti, M.D., Radiology Unit A.O.U. Città della Salute e della Scienza

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)

24 maart 2020

Primaire voltooiing (VERWACHT)

31 december 2020

Studie voltooiing (VERWACHT)

31 maart 2021

Studieregistratiedata

Eerst ingediend

4 juni 2020

Eerst ingediend dat voldeed aan de QC-criteria

4 juni 2020

Eerst geplaatst (WERKELIJK)

5 juni 2020

Updates van studierecords

Laatste update geplaatst (WERKELIJK)

5 juni 2020

Laatste update ingediend die voldeed aan QC-criteria

4 juni 2020

Laatst geverifieerd

1 juni 2020

Meer informatie

Termen gerelateerd aan deze studie

Andere studie-ID-nummers

  • CORDA

Plan Individuele Deelnemersgegevens (IPD)

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

NEE

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