Interesse in het gebruik van een deep learning-algoritme voor de detectie van otosclerose op temporale bot-CT met hoge resolutie (OtoIA)
Otosclerose is een relatief frequente pathologie, van multifactoriële oorsprong met een genetische en hormonale rol, voornamelijk bij vrouwen. Deze ziekte veroorzaakt een stoornis van het botmetabolisme van het midden- en binnenoor, verantwoordelijk voor een progressieve doofheid, die ernstig kan worden.
Er zijn verschillende elementen nodig om de diagnose otosclerose te stellen: het klinisch onderzoek en de ondervraging, de audiometrische beoordeling en ten slotte de temporale bot-CT.
De CT-scan maakt het mogelijk foci van otosclerose in het bot van het midden- of binnenoor te detecteren. Deze diagnose is soms moeilijk en vereist interpretatie door een getrainde radioloog.
De onderzoekers willen het vermogen van een deep learning-algoritme evalueren om deze foci van otosclerose te detecteren en de diagnostische prestaties ervan vergelijken met die van een getrainde radioloog.
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Otosclerose is een relatief frequente pathologie, van multifactoriële oorsprong met een genetische en hormonale rol, voornamelijk bij vrouwen. Deze ziekte veroorzaakt een stoornis van het botmetabolisme van het midden- en binnenoor, verantwoordelijk voor een progressieve doofheid, die ernstig kan worden.
Er zijn verschillende elementen nodig om de diagnose otosclerose te stellen: het klinisch onderzoek en de ondervraging, de audiometrische beoordeling en ten slotte de temporale bot-CT.
De CT-scan maakt het mogelijk foci van otosclerose in het bot van het midden- of binnenoor te detecteren. Deze diagnose is soms moeilijk en vereist interpretatie door een getrainde radioloog.
De onderzoekers willen het vermogen van een deep learning-algoritme evalueren om deze foci van otosclerose te detecteren en de diagnostische prestaties ervan vergelijken met die van een getrainde radioloog.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
-
Pierre-Bénite, Frankrijk, 69310
- Hospices Civils de Lyon, Centre Hospitalier Lyon sud, Service d'ORL, d'otoneurchirurgie et de chirurgie cervico-facaile
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria * :
- ouder dan 18 jaar
- hoge resolutie temporale bot CT-scan beschikbaar voor analyse
- voor de "casus" -groep: chirurgische bevestiging van een positieve diagnose voor otosclerose
- voor de "controlegroep": een eerste radiologische analyse ten gunste van een normale temporale bot-CT-scanner en een eerste radiologisch rapport dat ook als normaal wordt beschouwd
Uitsluitingscriteria * :
- leeftijd onder de 18
- geen hoge resolutie temporale bot-CT-scan beschikbaar voor analyse
- onwil om deel te nemen aan het onderzoek
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
GEVAL
Patiënten met chirurgisch bevestigde otosclerose die aanvankelijk werden geraadpleegd voor conductief gehoorverlies met normale otoscopie en met een computertomografie met hoge resolutie van temporaal bot beschikbaar
|
Elke CT-scan wordt geïnterpreteerd door een radioloog en wordt toegewezen als positief of negatief voor de diagnose van otosclerose
Elke CT-scan wordt gescreend door het deep learning-algoritme en wordt toegewezen als positief of negatief voor de diagnose van otosclerose
|
|
CONTROLE
Willekeurige patiënten met een computertomografiescan met hoge resolutie van temporaal bot uitgevoerd zonder verdenking van otosclerose en als normaal beschouwd
|
Elke CT-scan wordt geïnterpreteerd door een radioloog en wordt toegewezen als positief of negatief voor de diagnose van otosclerose
Elke CT-scan wordt gescreend door het deep learning-algoritme en wordt toegewezen als positief of negatief voor de diagnose van otosclerose
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Diagnostische prestaties van het kunstmatige intelligentie-algoritme vergeleken met de diagnostische prestaties van de radioloog: gevoeligheid, specificiteit, positief en negatief voorspellende waarde, gebied onder de ROC-curve
Tijdsspanne: tot voltooiing van de studie, gemiddeld 5 maanden
|
Deze diagnostische prestaties zullen worden vastgesteld op basis van de positieve of negatieve diagnoses van het algoritme en de radioloog, vergeleken met de "casus"- of "controle"-status van elke patiënt die in het onderzoek is opgenomen
|
tot voltooiing van de studie, gemiddeld 5 maanden
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Maxime FIEUX, MD, Hospices Civils de Lyon
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
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 22-5019 / 69HCL22_1193
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 .