- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05080296
Evaluatie van het gebruik van machine learning-technieken om neurodegeneratieve PARKinson-syndromen te classificeren (kunstmatige intelligentie) (PARKIA)
De diagnose van de ziekte van Parkinson (PD) steunt vooral op klinische observatie van de patiënt, op zoek naar de drie kenmerkende symptomen en blijft soms een echte uitdaging. Machine Learning (ML)-algoritmen kunnen helpen om PD vroegtijdig te diagnosticeren en idiopathische PD te onderscheiden van atypische Parkinson-syndromen.
In deze context leverde het werk van het team van Castillo-Barnes een reeks beeldvormende kenmerken op gebaseerd op morfologische kenmerken geëxtraheerd uit DaTSCAN® of Ioflupane (jodium-123-gelabelde radiofarmaceutische) single-photon emissie computertomografie (SPECT) scans om gezonde deelnemers te onderscheiden van deelnemers met de ziekte van Parkinson in een uitgebalanceerde set SPECT's uit de database "Parkinson's Progression Markers Initiative" (PPMI).
Het team van Shabii et al evalueerde de classificatieprestaties van Parkinson-patiënten en normale controles wanneer semi-kwantitatieve indicatoren en vormkenmerken verkregen op de dopaminetransporter (DAT) door Ioflupane (123I-IP) single-photon emissie computertomografie (SPECT) zijn gecombineerd als een functie voor machine learning (ML).
Op AI gebaseerde methoden kunnen diagnostische beoordelingen verbeteren. Verschillende onderzoeken naar dopaminerge beeldvorming met behulp van AI hebben een nauwkeurigheid tot 90% gerapporteerd voor de diagnose van PD.
Deze geautomatiseerde benaderingen maken gebruik van machinale leermethoden, gebaseerd op textuuranalyses, om (i) PD te onderscheiden van gezonde proefpersonen, (ii) PD en vasculair parkinsonisme te onderscheiden, en (iii) onderscheid te maken tussen verschillende vormen van atypisch parkinsonisme.
Een studie uitgevoerd in 2 centra waarbij gebruik werd gemaakt van een SVM-model (lineaire support vector machine) onderscheidde patiënten met PD en gezonde proefpersonen met een nauwkeurigheid van 82,5%. Deze prestatie is vergelijkbaar met visuele beoordeling door nucleair artsen. Een lineair SVM-model gebaseerd op parametrische beelden konden PD onderscheiden van vasculair parkinsonisme met een nauwkeurigheid van 90,4%. Het Nancy-team heeft uitgebreide ervaring met de detectie van PD in SPECT- en SPECT/CT-scans met Ioflupane of DaTSCAN™
Studie Overzicht
Toestand
Conditie
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
-
Vandoeuvre les Nancy cedex, Frankrijk, 54511
- Nuclear medicine department CHRU de NANCY
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Patiënten die tussen 21/11/2011 en 01/09/2017 een DaTSCAN SPECT-scan hebben uitgevoerd op de afdeling nucleaire geneeskunde van de CHRU van Nancy.
- Beoordelingen die plaatsvonden tussen 21-11-2011 en 1-9-2017 werden gerepatrieerd van PACS naar de verwerkingsconsoles.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
---|
Alle patiënten ondergingen DaTSCAN SPECT-scans
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Nauwkeurigheid van het algoritme
Tijdsspanne: 2 maanden
|
Nauwkeurigheid van het algoritme dat is geïmplementeerd voor de nieuwe gegevens in termen van het voorspellen van het type atypisch parkinsonsyndroom.
|
2 maanden
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Vergelijking van twee netwerken
Tijdsspanne: 2 maanden
|
Vergelijking van de prestaties van het semi-gesuperviseerde netwerk met het gesuperviseerde netwerk, om het belang van niet-gelabelde gegevens bij leren te erkennen
|
2 maanden
|
Analyseer de robuustheid van het netwerk
Tijdsspanne: 2 maanden
|
Analyseer de robuustheid van het netwerk voor verschillende gegevens (gegevens van verschillende modellen gammacamera's)
|
2 maanden
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
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
- 2021PI187
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 DaTSCAN SPECT-scans
-
Centre Hospitalier Universitaire de NīmesVoltooid
-
AHS Cancer Control AlbertaOnbekend
-
Assiut UniversityOnbekendDimercaptobarnsteenzuur SPECT en Planar
-
Chang Gung Memorial HospitalVoltooidKwantitatieve analyse van SPECT MPI
-
National Taiwan University HospitalVoltooidBijtkracht | Scan vertragingTaiwan
-
University Hospital, BrestVoltooidPatenten met normale VQ/SPECTFrankrijk
-
Spectrum DynamicsVoltooidKwantitatieve validatie voor ventriculaire SPECT-beeldvormingVerenigde Staten
-
University Hospital, BordeauxCommission of the French RadiologyVoltooidElke pathologie die een CT-scan van de schedel vereistFrankrijk
-
National Institute of Mental Health (NIMH)VoltooidGezond | PET-scan | Glutamaat receptor | mGlur5-eiwit | Excitatoire aminozuurreceptoren | GeneesmiddelenkinetiekVerenigde Staten
-
Laval UniversityVoltooidThoracale CT-scan | Rechter bovenkwab anatomie | Rechtszijdige endobronchiale buis met dubbel lumen