- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05790473
Algoritme voor kunstmatige intelligentie voor de screening van abnormale foetale hersenbevindingen bij echografie in het eerste trimester (AIRFRAME)
Visualisatie van de posterieure fossa-hersenruimten, hun ruimtelijke relatie en metingen kunnen worden verkregen in het sagittale middenaanzicht van de foetuskop, dezelfde die wordt gebruikt voor NT-meting (9), en speelt een belangrijke rol bij de vroege diagnose van neuralebuisdefecten, zoals open spinale dysrafie (5) en posterieure fossa-afwijkingen, zoals DWM of BPC (7). De beoordeling van de foetale fossa posterior in het eerste trimester is echter nog steeds een uitdaging vanwege verschillende beperkingen, waaronder onwillekeurige bewegingen van de foetus en de kleine omvang van de hersenstructuren, waardoor het onderzoek moeilijk wordt en er een verkeerde diagnose wordt gesteld. Bovendien is het ook afhankelijk van de operator voor het verkrijgen van hoogwaardige ultrasone beelden, standaardmetingen en nauwkeurige diagnose.
Het gebruik van nieuwe technologieën om de verwerving van beelden te verbeteren, om automatisch metingen uit te voeren of om te helpen bij de diagnose van foetale afwijkingen, kan van groot belang zijn voor de optimale beoordeling van de foetale hersenen, met name in het eerste trimester (10). Kunstmatige intelligentie (AI) wordt beschreven als het vermogen van een computerprogramma om processen uit te voeren die verband houden met menselijke intelligentie, zoals leren, denken en probleemoplossing. Deep Learning (DL), een subset van Machine Learning (ML), is een tak van AI, gedefinieerd door de mogelijkheid om automatisch functies uit gegevens te leren zonder menselijke tussenkomst. In DL zijn de invoer en uitvoer verbonden door meerdere lagen die losjes zijn gemodelleerd naar de neurale paden van het menselijk brein. Op het gebied van beeldherkenning wordt een van de meest veelbelovende typen DL-netwerken vertegenwoordigd door convolutionele neurale netwerken (CNN). Deze zijn ontworpen om zeer representatieve beeldkenmerken op een volledig geautomatiseerde manier te extraheren, waardoor ze toepasbaar zijn bij diagnostische besluitvorming.
Op basis van deze observaties stellen we een onderzoeksproject voor dat gericht is op de ontwikkeling van een op echografie gebaseerd AI-algoritme, dat in staat is om de foetale posterieure fossa-structuren te beoordelen tijdens de echografie van het eerste trimester en onderscheid te maken tussen normale en abnormale bevindingen door middel van een volledig automatische gegevensverwerking. .
Studie Overzicht
Toestand
Interventie / Behandeling
Gedetailleerde beschrijving
De toepassing van AI in verloskundige echografie omvat drie aspecten: structuuridentificatie, automatische en gestandaardiseerde metingen en classificatiediagnose. Aangezien verloskundige echografie tijdrovend is, kan het gebruik van AI ook de onderzoekstijd verkorten en de workflow verbeteren.
Onderzoeksopzet: dit is een multicenter retrospectieve observationele cohortstudie en daaropvolgende prospectieve cohortstudie. Het onderzoeksontwerp zal in twee verschillende fasen worden georganiseerd.
De eerste fase, de retrospectieve haalbaarheidsstudie, heeft tot doel het AI-algoritme te ontwikkelen en te trainen met normale en abnormale beelden die retrospectief zijn verkregen tijdens echografie in het eerste trimester van tien internationale centra voor foetale geneeskunde.
De tweede fase, een prospectieve klinische validatie, heeft tot doel het AI-algoritme te testen bij de beoordeling van de anatomie van de foetale fossa posterior in een echte klinische setting met echte patiënten van elk van de deelnemende centra voor foetale geneeskunde.
Omgeving: Drie (3) centra voor foetale geneeskunde.
Deelnemers: eenlingzwangere populatie die echografisch onderzoek onderging tussen 11 - 14 weken zwangerschap in tien foetale geneeskundecentra.
Primair eindpunt: het valideren van een nieuwe, op AI gebaseerde technologie, die mogelijk kan worden gebruikt als screeningsinstrument voor foetale hersenafwijkingen in het eerste trimester.
Secundaire eindpunten: het verbeteren van de prestaties van de standaardscreening in het eerste trimester van de foetale fossa posterior, waarbij een betrouwbare echografische beoordeling binnen een kortere uitvoeringstijd wordt gegarandeerd. Om een hogere herhaalbaarheid en reproduceerbaarheid te detecteren, waardoor de echografiescreening ook op grote schaal kan worden geïmplementeerd, waardoor de gezondheidszorg wordt geoptimaliseerd. die echografie ondergingen bij 11+0 - 13+6 weken zwangerschap met een foetale posterieure fossa anomalie, zoals open spinale dysrafie, DWM of BPC. Normale beelden van de foetale achterste fossa bij dezelfde zwangerschapsduur zullen worden geleverd door de promotiecentra - d.w.z. Fondazione Policlinico A. Gemelli, IRCCS en Universiteit van Parma. Klinische, echografie, prenatale en postnatale informatie van elk geval zal worden opgehaald uit de medische dossiers van de patiënt en door de hoofdonderzoeker van elk deelnemend centrum in een elektronisch databasebestand worden ingevoerd. De verkregen beelden worden geanonimiseerd, opgeslagen als DICOM en gedeeld via een speciaal cloudopslagsysteem dat wordt opgezet door het bio-engineeringteam. Elk centrum krijgt toegang tot het websysteem met behulp van een persoonlijke ID en wachtwoord.
In de tweede fase van de studie zal het algoritme prospectief worden getest en gevalideerd in een echte klinische setting met echte patiënten uit elk van de deelnemende centra voor foetale geneeskunde. In- en exclusiecriteria, beeldvormingsprotocol en gegevensverzameling zullen tijdens de retrospectieve fase hetzelfde zijn.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Alessandra Familiari, MD
- Telefoonnummer: 3285887422
- E-mail: familiari.ale@gmail.com
Studie Locaties
-
-
-
Rome, Italië, 00168
- Werving
- FP Gemelli IRCCS
-
Contact:
- Alessandra Familiari
- Telefoonnummer: 3285887422
- E-mail: familiari.ale@gmail.com
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Vrouwen met eenlingzwangerschappen die echografisch zijn onderzocht tussen 11+0 - 13+6 weken zwangerschap of een foetale kruin-stuitlengte tussen 45 - 84 mm.
Uitsluitingscriteria:
- Vrouwen die op de vaste zwangerschapsduur geen screeningsscan in het eerste trimester hebben gehad.
- Vrouwen waarbij een goede visualisatie van het sagittale middenaanzicht van het foetushoofd technisch niet mogelijk was.
- Vrouwen die niet in staat zijn om de geïnformeerde toestemming te geven.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
---|---|
Geval
Foetussen met hersenafwijkingen
|
Ontwikkeling van AI-algoritme voor vroege detectie van foetale hersenafwijkingen in het eerste trimester van de zwangerschap
|
Controles
Normaal met normale hersenen
|
Ontwikkeling van AI-algoritme voor vroege detectie van foetale hersenafwijkingen in het eerste trimester van de zwangerschap
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
AI-algoritme
Tijdsspanne: 2 jaar
|
Aantal gedetecteerde gevallen met toepassing van AI-algoritmen
|
2 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Reproduceerbaarheid
Tijdsspanne: 1 jaar
|
Aantal gedetecteerde gevallen met toepassing van AI-algoritme vergeleken met het aantal gedetecteerde gevallen met standaardtechnieken voor prenatale diagnose
|
1 jaar
|
Medewerkers en onderzoekers
Medewerkers
Onderzoekers
- Hoofdonderzoeker: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli
Publicaties en nuttige links
Algemene publicaties
- Garcia-Rodriguez R, Garcia-Delgado R, Romero-Requejo A, Medina-Castellano M, Garcia-Hernandez JA, Gonzalez-Martin JM, Sepulveda W. First-trimester cystic posterior fossa: reference ranges, associated findings, and pregnancy outcomes. J Matern Fetal Neonatal Med. 2021 Mar;34(6):933-942. doi: 10.1080/14767058.2019.1622673. Epub 2019 Jun 4.
- Chaoui R, Benoit B, Mitkowska-Wozniak H, Heling KS, Nicolaides KH. Assessment of intracranial translucency (IT) in the detection of spina bifida at the 11-13-week scan. Ultrasound Obstet Gynecol. 2009 Sep;34(3):249-52. doi: 10.1002/uog.7329.
- Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020 Oct;56(4):498-505. doi: 10.1002/uog.22122.
- Chen Z, Liu Z, Du M, Wang Z. Artificial Intelligence in Obstetric Ultrasound: An Update and Future Applications. Front Med (Lausanne). 2021 Aug 27;8:733468. doi: 10.3389/fmed.2021.733468. eCollection 2021.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
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
- 5526
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
IPD-tijdsbestek voor delen
IPD-toegangscriteria voor delen
IPD delen Ondersteunend informatietype
- LEERPROTOCOOL
- SAP
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 Misvorming van de hersenen
-
Assistance Publique Hopitaux De MarseilleOnbekendBrain Awake ChirurgieFrankrijk
-
University of Dublin, Trinity CollegeOnbekendBrain Health Gepensioneerde topsporters
-
Medical University of ViennaVoltooidPerioperatief | Brain Natriuretisch Peptide | Aanvullende zuurstof | HartrisicopatiëntenOostenrijk
-
Hospices Civils de LyonVoltooidPosterior Brain Fossa-tumoren bij kinderenFrankrijk
-
Kartal Kosuyolu Yuksek Ihtisas Education and Research...Trakya University Faculty of Medicine HospitalVoltooidHartoperatie | Desfluraan | Cardiopulmonale bypass | Coronaire Bypass Graft Chirurgie | Brain Natriuretisch Peptide | Resultaat
-
GE HealthcareCovance; i3 StatprobeVoltooidBrain Fibrillarab-niveausVerenigde Staten
-
First Affiliated Hospital Xi'an Jiaotong UniversityVoltooidHartinfarct | Revalidatie | Brain-computer-interfaceChina
-
Assiut UniversityVoltooidBrain Voxel-gebaseerde morfometrie in manieEgypte
-
Daiichi Sankyo Europe, GmbH, a Daiichi Sankyo CompanyBeëindigdChronisch hartfalen | Hoog B-type (of Brain) Natriuretic Peptide (BNP) niveau in het bloedDuitsland, Frankrijk, Nederland
-
University of FloridaVoltooidBrain Imaging van Placebo-analgesieVerenigde Staten
Klinische onderzoeken op Kunstmatige intelligentie
-
SynCardia Systems. LLCGoedgekeurd voor marketing
-
Centre hospitalier de l'Université de Montréal...VoltooidColorectaal adenoom | Colorectale poliepCanada
-
Pakistan Institute of Living and LearningNog niet aan het wervenZelfmoord | Zelf pijnigingPakistan
-
Rabin Medical CenterVoltooidDiabetes type 1Israël, Duitsland, Slovenië
-
Sansum Diabetes Research InstituteJuvenile Diabetes Research FoundationVoltooidDiabetes mellitus type 1Verenigde Staten