- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT04756518
COVID-19-infectie en machinaal leren met behulp van kunstmatige intelligentie (AI)
Snelle diagnose van COVID-19-positieve patiënten met kunstmatige intelligentie (AI)-algoritme met behulp van klinische en beeldanalytische parameters om de subsets van lymfocyten in het perifere bloed te evalueren
COVID-19-infectie wordt momenteel bevestigd door een complexe, uit meerdere stappen bestaande procedure die begint met een slijmvliesuitstrijkje, gevolgd door extractie en verwerking van viraal RNA en qPCR.
Deze studie heeft tot doel een nieuwe methode te onderzoeken met behulp van machine learning en kunstmatige intelligentie (AI) om COVID-19-infectie te diagnosticeren door middel van de morfologische analyse van de lymfocytensubgroep in het perifere bloed. Deze studie zal ook patiënten met COVID 19-infectie risicostratificeren op basis van de bovenstaande bevinding samen met andere klinische, hematologische en biochemische parameters om de klinische uitkomst met hoge gevoeligheid en specificiteit te voorspellen.
Studie Overzicht
Toestand
Conditie
Gedetailleerde beschrijving
Dit is een observationele studie die zal worden uitgevoerd in East Suffolk en North Essex NHS Foundation Trust (ESNEFT) in samenwerking met University of Suffolk (UoS).
Onderzoekers streven ernaar subsets van lymfocyten in de toekomstige bloeduitstrijkjes te analyseren met behulp van machine learning en AI-algoritmen verkregen van deelnemers met een positieve qPCR-test voor COVID-19 die een ziekenhuisopname nodig hadden. De controlegroep zal bestaan uit gearchiveerde gegevens van bloeduitstrijkjes van patiënten met zowel i) niet-vermoedelijke virale infecties, als ii) patiënten met een niet-COVID-19-virale infectie verkregen voorafgaand aan het ontstaan van een COVID-19-infectie in het Verenigd Koninkrijk . In totaal zullen 785 bloeduitstrijkjes worden geanalyseerd. Het doel van deze studie is om de diagnose van COVID-19-infectie vast te stellen op basis van de lymfocytmorfologie bij patiënten met een COVID-19-infectie van andere patiënten met niet-COVID-19-virale infecties. Een high-definition beeld van eencellige lymfocyten van patiënten met COVID 19-infectie en controlegroep zal worden geanalyseerd met behulp van open source histopathologische beeldvormingssoftware CellProfiler tegen zeer fijne cytoplasmatische en nucleaire details van de cellen door middel van algoritmen voor al dan niet gecontroleerd machinaal leren om terugkerend patroon te identificeren dat uniek is aan COVID 19-infectie. De studie zal ook andere relevante klinische, hematologische en biochemische parameters beoordelen in combinatie met de bovenstaande morfologische kenmerken om een risicostratificatietool te ontwikkelen om de klinische uitkomst van patiënten met COVID-19-infectie met hoge specificiteit en gevoeligheid te voorspellen met behulp van een bio-informatica-pijplijn.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studiecontact
- Naam: ESNEFT R&D department
- Telefoonnummer: 6343 01473 704343
- E-mail: R&D@esneft.nhs.uk
Studie Locaties
-
-
-
Ipswich, Verenigd Koninkrijk, IP4 5PD
- East Suffolk and North Essex NHS Foundation Trust
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Vrouwelijke of mannelijke deelnemers
- Ouder dan 18 jaar (geen maximumleeftijd)
- Patiënten met SARS-COV-2 positieve diagnose op basis van qPCR (COVID 19-onderzoeksgroep)
- Objectglaasjes van perifere bloeduitstrijkjes van patiënten zonder virale infectie, teruggeplaatst in het archief met laboratoriumglaasjes binnen de faciliteit voorafgaand aan de opkomst van COVID-19-infectie in het Verenigd Koninkrijk (controlegroep)
- Objectglaasjes van perifere bloeduitstrijkjes van patiënten met een niet-SARS-CoV-2-virale infectie die vóór het uitbreken van een COVID-19-infectie in het Verenigd Koninkrijk in het archief met laboratoriumglaasjes in het ziekenhuis werden teruggeplaatst (controlegroep).
Uitsluitingscriteria:
- Patiënten jonger dan 18 jaar
- Patiënten met SARS-COV-2-negatieve diagnose op basis van qPCRPPatiënten met hematologische maligniteiten met lymfocytose als overheersende manifestatie.
- Patiënten die in het verleden lymfopenie hebben gehad als gevolg van onderliggende ontstekingsaandoeningen.
- Patiënten met lymfopenie als gevolg van eerdere cytotoxische of immunosuppressieve therapie.
- Positieve diagnose van het humaan immunodeficiëntievirus (HIV).
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
---|
COVID 19-groep
De COVID 19-groep zal bestaan uit perifere bloeduitstrijkjes van patiënten die in het ziekenhuis liggen bij wie de qPCR-uitslag positief was voor COVID-19.
|
Controlegroep
Een controlegroep zal bestaan uit i) perifere bloeduitstrijkjes van patiënten zonder virale infectie en ii) van patiënten met een niet-SARS-CoV-2 virale infectie.
Perifere bloedglaasjes van de controlegroep zullen willekeurig worden geselecteerd uit het archief met laboratoriumglaasjes binnen de faciliteit.
De gebruikte laboratoriumdia's zijn inclusief dia's die zijn gearchiveerd vóór de opkomst van COVID-19-infectie in het Verenigd Koninkrijk.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Diagnose van COVID-19.
Tijdsspanne: 6 maanden
|
Bepaal of alleen lymfocyten de ziekte van COVID-19 met hoge specificiteit en gevoeligheid kunnen diagnosticeren, met behulp van op AI gebaseerde beeldanalysemodellering.
|
6 maanden
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Ernst van COVID-19-infectiemodellering
Tijdsspanne: 6 maanden
|
De secundaire uitkomstmaat van de studie zal zijn om risicostratificatiemodellering te creëren, om te helpen bij het voorspellen van de ernst en mortaliteit van de infectie, gebaseerd op ons bovengenoemde, nieuwe diagnostische hulpmiddel en aanvullende klinische, hematologische en biochemische parameters; zorgen voor een hoge specificiteit, met als gevolg een gemakkelijker beheer van patiënten, zowel in een ziekenhuis als in een ambulante setting.
Het voorgestelde model is bedoeld om de klinische parameters te gebruiken en te evalueren, waaronder zuurstofverzadiging op het moment van aderlating, en andere vitale statistieken, waaronder: hartslag, bloeddruk en ademhalingsfrequentie, samen met andere parameters zoals LDH, ferritine, C-reactief proteïne ( CRP), D-dimeren, nierfunctie, allemaal bij elkaar om het ziekteverloop en de ernst ervan te voorspellen.
|
6 maanden
|
Medewerkers en onderzoekers
Medewerkers
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Schatting)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 20/053
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .
Klinische onderzoeken op COVID-19
-
University of Roma La SapienzaQueen Mary University of London; Università degli studi di Roma Foro Italico; Bios...VoltooidPost acute gevolgen van COVID-19 | Post COVID-19-conditie | Lang-COVID | Chronisch COVID-19-syndroomItalië
-
Yang I. PachankisActief, niet wervendCOVID-19 luchtweginfectie | COVID-19 Stresssyndroom | COVID-19 Vaccin Bijwerking | COVID-19-geassocieerde trombo-embolie | COVID-19 post-intensive care-syndroom | COVID-19-geassocieerde beroerteChina
-
Massachusetts General HospitalWervingPost-acuut COVID-19-syndroom | Lange COVID | Post acute gevolgen van COVID-19 | Lange COVID-19Verenigde Staten
-
Indonesia UniversityWervingPost-COVID-19-syndroom | Lange COVID | Post COVID-19-conditie | Post-COVID-syndroom | Lange COVID-19Indonesië
-
University Hospital, Ioannina1st Division of Internal Medicine, University Hospital of IoanninaWervingCOVID-19 Longontsteking | COVID-19 luchtweginfectie | Covid-19-pandemie | COVID-19 acuut ademnoodsyndroom | COVID-19-geassocieerde longontsteking | COVID 19 geassocieerde coagulopathie | COVID-19 (Coronavirusziekte 2019) | COVID-19-geassocieerde trombo-embolieGriekenland
-
Dr. Soetomo General HospitalIndonesia-MoH; Universitas Airlangga; Biotis Pharmaceuticals, IndonesiaWervingCovid-19-pandemie | Covid-19-vaccins | COVID-19-virusziekteIndonesië
-
Erasmus Medical CenterDa Vinci Clinic; HGC RijswijkNog niet aan het wervenPost-COVID-19-syndroom | Lange COVID | Lange Covid19 | Post COVID-19-conditie | Post-COVID-syndroom | Post COVID-19-conditie, niet gespecificeerd | Post-COVID-toestandNederland
-
Sheba Medical CenterOnbekend
-
First Affiliated Hospital Xi'an Jiaotong UniversityShangluo Central Hospital; Ankang Central Hospital; Hanzhong Central Hospital; Yulin... en andere medewerkersWervingCOVID-19 | Post-COVID-19-syndroom | Postacute COVID-19 | Acuut COVID-19China
-
Endourage, LLCWervingLange COVID | Lange Covid19 | Postacute COVID-19 | Langeafstands COVID | Langeafstands COVID-19 | Postacuut COVID-19-syndroomVerenigde Staten