Identificatie van parameters voor hypospadie met behulp van digitale fotografie en kunstmatige intelligentie (ASHOKA)

Dit is een ontwikkelingsprotocol voor een digitaal patroonherkenningsprogramma voor de identificatie van verschillende hypospadieparameters met behulp van een kunstmatig neuraal netwerk. De populatie voor deze studie bestaat uit kinderen waarvan wordt vermoed dat ze hypospadie hebben en die zijn opgenomen of doorverwezen naar ziekenhuizen in Indonesië.

De toestemming voor het vastleggen van de beelden die nodig zijn in het onderzoek zal worden verkregen van de ouders van hypospadiepatiënten als onderdeel van de zorgstandaard die als klinische referentie moet worden gebruikt. De foto's die voor dit onderzoek zijn gemaakt, werden bewaard in een gecodeerde database. De inclusiecriteria van deze studie zijn kinderen <18 jaar oud die verdacht worden van hypospadie, met leeftijdsafhankelijke controle. Degenen met een voorgeschiedenis van herstel van hypospadie of degenen die weigeren deel te nemen aan het onderzoek, worden uitgesloten.

De klinische uitkomsten gemeten in deze studie zijn:

1. Hypospadiestatus: hypospadie of niet-hypospadie
2. Meatale locatie: glanulair, coronaal, distale schacht, proximale schacht, penoscrotaal
3. Vleesvorm: normaal, abnormaal
4. Kwaliteit van de plasbuisplaat: goed, slecht
5. Eikeldiameter: in mm
6. Eikelvorm: normaal, abnormaal De klinische uitkomsten werden preoperatief en 1 maand postoperatief gemeten

Een hypospadie en een normaal penisbeeld met een database met overeenkomende leeftijd werden gebruikt om het kunstmatige neurale netwerk te trainen. Drie beeldaspecten van de penis (ventrale, dorsale en laterale aspecten, waaronder de eikel, de schacht en het scrotum) werden van elke proefpersoon genomen. De gegevens waren gelabeld met parameters voor hypospadie: status van hypospadie, locatie van het vlees, vorm van het vlees, kwaliteit van de urethrale plaat, diameter van de eikel en vorm van de eikel. De gegevens zijn geüpload om het kunstmatige neurale netwerk te trainen.

Het plan voor statistische analyse wordt gevolgd voor alle analyses van klinische uitkomsten. Standaardfout, 95% betrouwbaarheidsintervallen en P-waarden worden waar mogelijk gerapporteerd. Intra- en interbeoordelaarsanalyse zal worden uitgevoerd met behulp van de Fleiss Kappa statistische analyse. De gegevens worden als statistisch significant beschouwd als de p-waarde kleiner is dan 0,05. Bovendien worden nauwkeurigheid, precisie, herinnering en f1-scorewaarden berekend om de prestaties van het herkenningsmodel te meten.