- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT06124989
Machine learning voor de evaluatie van het terugvalrisico bij acute galpancreatitis. (MINERVA)
Een nieuw machinaal leermodel voor de voorspelling van terugval van acute galpancreatitis (Machine learning voor de evaluatie van het terugvalrisico bij acute galpancreatitis - MINERVA)
Het MINERVA-project (Machine learning for the relapse Risk EValuation in Acute biliary pancreatitis) komt voort uit de behoefte in de klinische praktijk om een operationele beslissing te nemen bij patiënten die in het ziekenhuis worden opgenomen met de diagnose acute biliaire pancreatitis. In het bijzonder heeft de prospectieve cohortstudie van MINERVA tot doel een voorspellende score te ontwikkelen die het mogelijk maakt om het risico op heropname in het ziekenhuis te beoordelen voor patiënten met de diagnose milde biliaire acute pancreatitis met behulp van Machine Learning en kunstmatige intelligentie.
De doelstellingen van de MINERVA-studie zijn:
- Een nieuwe methodologie voorstellen voor de beoordeling van het risico op terugval bij patiënten met milde acute pancreatitis van de gal die geen vroege cholecystectomie hebben ondergaan (binnen 3 tot 7 dagen na ziekenhuisopname);
- Een voorspellend Machine Learning-model voorstellen met behulp van een Deep Learning-architectuur toegepast op gemakkelijk verzamelbare gegevens;
- Valideer de MINERVA-score op een uitgebreid, multicentrisch, prospectief cohort;
- Geef nationale en internationale artsen, medisch personeel, onderzoekers en het algemene publiek vrij en gemakkelijk toegang tot de MINERVA-scoreberekening en gebruik deze in hun dagelijkse klinische praktijk.
Het MINERVA-scoremodel zal worden ontwikkeld op basis van een retrospectief cohort van patiënten (MANCTRA-1, al geregistreerd in ClinicalTrials.gov) en zal worden gevalideerd op een nieuw prospectief multicentrisch cohort. Na validatie is de MINERVA-score gratis en eenvoudig direct te berekenen voor al het medische personeel; het zal op elk moment toegankelijk zijn op de MINERVA-website en webapp, en zal een onmiddellijk en betrouwbaar resultaat opleveren dat een duidelijke indicatie kan zijn voor het beste behandeltraject voor de arts en voor de patiënt.
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Acute pancreatitis is de meest voorkomende pancreasziekte, met een wereldwijde incidentie van 34 gevallen per 100.000 personen. Deze ziekte telt wereldwijd ruim 1,5 miljoen nieuwe patiënten per jaar, met een sterftecijfer dat de 1% benadert. Patiënten met milde biliaire acute pancreatitis kunnen, wanneer ze in het ziekenhuis worden opgenomen, worden behandeld met index, vroege cholecystectomie (binnen 3 tot 7 dagen na de acute episode) of conservatief. Hoewel conservatieve behandeling oplossingsgericht kan zijn, krijgt tot 35% van deze patiënten binnen 30 dagen een terugval en is een spoedoperatie nodig bij een aanzienlijk slechtere algemene toestand van de patiënt, waardoor de kans op succes kleiner wordt. Afgezien daarvan vergroot terugval de kans op chronische pancreatitis, alvleesklierkanker, postoperatieve complicaties en algehele mortaliteit dramatisch. Terugval-episodes hebben ook een economische impact op gezondheidszorginstellingen, aangezien een tweede en langere ziekenhuisopname per patiënt de totale medische kosten per patiënt met minstens 100% verhoogt. Tot nu toe zijn er echter geen gestandaardiseerde methoden om recidief van acute galpancreatitis te voorspellen bij patiënten die geen vroege cholecystectomie hebben ondergaan na de eerste episode van milde acute pancreatitis.
Het MINERVA-project (Machine learning for the relapse Risk EValuation in Acute biliary pancreatitis) komt voort uit de behoefte in de klinische praktijk om een operationele beslissing te nemen bij patiënten die in het ziekenhuis worden opgenomen met de diagnose milde acute biliaire pancreatitis.
Het MINERVA-project heeft tot doel de volgende doelstellingen en resultaten te bereiken:
- Een nieuwe methodologie voorstellen voor de beoordeling van het risico op terugval bij patiënten met milde biliaire acute pancreatitis die geen vroege cholecystectomie hebben ondergaan na de eerste episode van milde biliaire acute pancreatitis;
- Een voorspellend model voor machinaal leren voorstellen met behulp van een Deep Learning-architectuur die wordt toegepast op gegevens die gemakkelijk van patiënten kunnen worden verzameld;
- Valideer de MINERVA-score op een uitgebreid, multicentrisch, prospectief cohort;
- Geef nationale en internationale artsen, medisch personeel, onderzoekers en het algemene publiek vrij en gemakkelijk toegang tot de MINERVA-scoreberekening en gebruik deze in hun dagelijkse klinische praktijk.
De MINERVA-score zal de artsen een gevalideerde en gestandaardiseerde beoordeling van het terugvalrisico bieden, waarbij rekening wordt gehouden met de persoonlijke geschiedenis, demografische gegevens en laboratoriumkenmerken van elke patiënt. De MINERVA-score zal gratis en eenvoudig direct te berekenen zijn voor al het medische personeel; het zal op elk moment toegankelijk zijn op de MINERVA-website en webapp, en zal een onmiddellijk en betrouwbaar resultaat opleveren dat een duidelijke indicatie kan zijn voor het beste behandeltraject voor de arts en voor de patiënt.
Het MINERVA-scoremodel zal worden ontwikkeld op basis van een retrospectief cohort van patiënten (MANCTRA-1, al geregistreerd in ClinicalTrials.gov) en zal worden gevalideerd op een nieuw prospectief multicentrisch cohort.
Retrospectief cohort De modelontwikkeling en initiële training zullen worden uitgevoerd op een retrospectief cohort van patiënten (n=692) verzameld tijdens een voorbereidend multicentrisch onderzoek, het MANCTRA-1-onderzoek (goedgekeurd door de Ethische Commissie van het Universitair Ziekenhuis van Cagliari, MANCTRA-1 - NCT04747990, Prot. PG/2021/7108) uitgevoerd door de PI (Dr. Mauro Podda) en de lokale verantwoordelijke van de Universiteit van Cagliari voor het MINERVA-project.
Prospectief cohort In totaal zullen 430 patiënten worden gerekruteerd in het prospectieve cohort van de MINERVA-studie.
Methoden De MINERVA-score zal gebaseerd zijn op een Machine Learning-model dat zal worden ontwikkeld en getraind op een retrospectief cohort en gevalideerd op een prospectief cohort van patiënten.
Alle modelvariabelen worden verwerkt met kernel Principal Component Analysis (kPCA).
De convexe romp van het spreidingsdiagram van de hoofdcomponenten wordt berekend en de kleinste rechthoek wordt geëxtraheerd. De rechthoek wordt omgezet in een 2D-afbeelding met een vaste resolutie met behulp van kenmerkmiddeling en normalisatie.
Het model zal worden ontwikkeld aan de Universiteit van Napels Federico II door Dr. Daniela Pacella met expertise en supervisie op het gebied van Machine Learning.
Om overfitting te voorkomen wordt de dataset opgesplitst in trainingsset, testset en validatieset. Daarnaast zal er gebruik worden gemaakt van k-voudige kruisvalidatie. De prestaties van het MINERVA-model zullen worden geëvalueerd met behulp van de meest gebruikte nauwkeurigheidsmetingen, zoals precisie, herinnering en AUC (Area Under the ROC Curve). Bovendien zullen de prestaties ervan worden vergeleken met die van traditionele machine learning-methoden (SVM, ANN). Ontbrekende gegevens worden behandeld met imputatiemethoden.
Variabelen Leeftijd (jaren) Geslacht (man:vrouw) Eerdere episoden van galpancreatitis (ja; nee) Toelating van specialiteit (hepatopancreatogalchirurgie, algemene chirurgie, interne geneeskunde, gastro-enterologie) Body mass index -BMI- (kg/m2) Klinische voorgeschiedenis van diabetes (Geen diabetes; Ja met orgaandisfunctie; Ja zonder orgaandisfunctie) Klinische voorgeschiedenis van chronische longziekte (Ja; Nee) Klinische voorgeschiedenis van hypertensie (Ja; Nee) Klinische voorgeschiedenis van atriumfibrilleren (Ja; Nee) Klinische voorgeschiedenis van ischemische hartziekte (Ja; Nee) Klinische voorgeschiedenis van chronische nierziekte (Nee; Ja onder medicatie; Ja bij permanente nierfunctievervangende therapie of ter voorbereiding daarop) Klinische voorgeschiedenis van ziekten van het hematopoietische systeem (Ja; Nee) Patiënt gebruikt immunosuppressieve medicijnen in het ziekenhuis opname (Ja; Nee) Witte bloedcellen -WBC- (cellen/mm3) Neutrofielen (cellen/mm3) Bloedplaatjes (Plt/mm3) INR (International Normalised Ratio) C-reactief proteïne -CRP- (mg/L) Aspartaataminotransferase - AST- (U/L) Alanine-aminotransferase -ALT- (U/L) Totaal bilirubine (mg/dL) Geconjugeerd bilirubine (mg/dL) Gamma-glutamil-transpeptidase -GGT- (U/L) Serumamylase (U/L) ) Serumlipase (U/L) Lactaatdehydrogenase -LDH- (U/L) Choledocholithiasis (Ja; Ja, met obstructie van de galwegen; Nee) Cholangitis (Ja; Nee) ERCP met sfincterotomie (Ja binnen 24 uur na ziekenhuisopname; Ja binnen 24-48 uur na ziekenhuisopname; Ja binnen 48-72 uur na ziekenhuisopname; Nee) Acute galpancreatitis recidief na 30 dagen, 60- dag, 90 dagen, 1 jaar.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Mauro Podda, MD
- Telefoonnummer: 07051096571
- E-mail: mauro.podda@unica.it
Studie Locaties
-
-
CA
-
Cagliari, CA, Italië, 09120
- University of Cagliari, Emergency Surgery Department
-
Onderonderzoeker:
- Gianluca Pellino, MD, PhD
-
Contact:
- Mauro Podda, MD
- E-mail: mauro.podda@unica.it
-
Onderonderzoeker:
- Daniela Pacella, MD, PhD
-
Onderonderzoeker:
- Dario Bruzzese, MD, PhD
-
Onderonderzoeker:
- Adolfo Pisanu, MD, PhD
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Volwassen patiënten (≥ 18 jaar oud)
- Klinische diagnose van milde acute pancreatitis van de galwegen (volgens de herziene Atlanta-classificatie)
- Niet onderworpen aan cholecystectomie of ERCP/ES (Endoscopische Retrograde CholangioPancreatografie/Endoscopische Sphyncterotomie) tijdens dezelfde ziekenhuisopname
Uitsluitingscriteria:
- Acute pancreatitis met een andere etiologie dan galstenen;
- Matig-ernstige pancreatitis;
- Ernstige pancreatitis;
- Aanwezigheid van pancreasnecrose;
- Zwangere patiënten;
- Patiënten die de geïnformeerde toestemming voor deelname aan het onderzoek niet kunnen ondertekenen.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Aantal patiënten met een recidief van acute galpancreatitis.
Tijdsspanne: 30 dagen, 60 dagen, 90 dagen, 1 jaar
|
Het aantal patiënten met een recidief van acute biliaire pancreatitis: voorspelling van het risico op terugval van acute biliaire pancreatitis bij patiënten na een eerste episode van milde biliaire acute pancreatitis (volgens de herziene Atlanta-classificatie van 2012) die niet vroegtijdig (binnen drie tot zeven dagen na de behandeling) is ingediend. de acute episode) cholecystectomie.
Dit resultaat zal worden bereikt door de ontwikkeling en validatie van een nieuwe risicoscore.
|
30 dagen, 60 dagen, 90 dagen, 1 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Nauwkeurigheid van het MINERVA-model.
Tijdsspanne: 30 dagen, 60 dagen, 90 dagen, 1 jaar
|
Nauwkeurigheid, gevoeligheid en specificiteit (AUC, gebied onder de ROC-curve) van het MINERVA Machine Learning-model vergeleken met andere traditionele machine learning-modellen die eerder in de literatuur zijn overgenomen (zoals ANN en SVM) en met statistische modellen (zoals meervoudige regressie).
|
30 dagen, 60 dagen, 90 dagen, 1 jaar
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Studie stoel: Mauro Podda, MD, University of Cagliari, Department of Surgical Science
Publicaties en nuttige links
Algemene publicaties
- Werner J, Hartwig W, Uhl W, Muller C, Buchler MW. Useful markers for predicting severity and monitoring progression of acute pancreatitis. Pancreatology. 2003;3(2):115-27. doi: 10.1159/000070079.
- Sankaran SJ, Xiao AY, Wu LM, Windsor JA, Forsmark CE, Petrov MS. Frequency of progression from acute to chronic pancreatitis and risk factors: a meta-analysis. Gastroenterology. 2015 Nov;149(6):1490-1500.e1. doi: 10.1053/j.gastro.2015.07.066. Epub 2015 Aug 20.
- Gurusamy KS, Nagendran M, Davidson BR. Early versus delayed laparoscopic cholecystectomy for acute gallstone pancreatitis. Cochrane Database Syst Rev. 2013 Sep 2;(9):CD010326. doi: 10.1002/14651858.CD010326.pub2.
- da Costa DW, Bouwense SA, Schepers NJ, Besselink MG, van Santvoort HC, van Brunschot S, Bakker OJ, Bollen TL, Dejong CH, van Goor H, Boermeester MA, Bruno MJ, van Eijck CH, Timmer R, Weusten BL, Consten EC, Brink MA, Spanier BWM, Bilgen EJS, Nieuwenhuijs VB, Hofker HS, Rosman C, Voorburg AM, Bosscha K, van Duijvendijk P, Gerritsen JJ, Heisterkamp J, de Hingh IH, Witteman BJ, Kruyt PM, Scheepers JJ, Molenaar IQ, Schaapherder AF, Manusama ER, van der Waaij LA, van Unen J, Dijkgraaf MG, van Ramshorst B, Gooszen HG, Boerma D; Dutch Pancreatitis Study Group. Same-admission versus interval cholecystectomy for mild gallstone pancreatitis (PONCHO): a multicentre randomised controlled trial. Lancet. 2015 Sep 26;386(10000):1261-1268. doi: 10.1016/S0140-6736(15)00274-3.
- Ahmed Ali U, Issa Y, Hagenaars JC, Bakker OJ, van Goor H, Nieuwenhuijs VB, Bollen TL, van Ramshorst B, Witteman BJ, Brink MA, Schaapherder AF, Dejong CH, Spanier BW, Heisterkamp J, van der Harst E, van Eijck CH, Besselink MG, Gooszen HG, van Santvoort HC, Boermeester MA; Dutch Pancreatitis Study Group. Risk of Recurrent Pancreatitis and Progression to Chronic Pancreatitis After a First Episode of Acute Pancreatitis. Clin Gastroenterol Hepatol. 2016 May;14(5):738-46. doi: 10.1016/j.cgh.2015.12.040. Epub 2016 Jan 6.
- Bagepally BS, Haridoss M, Sasidharan A, Jagadeesh KV, Oswal NK. Systematic review and meta-analysis of gallstone disease treatment outcomes in early cholecystectomy versus conservative management/delayed cholecystectomy. BMJ Open Gastroenterol. 2021 Jul;8(1):e000675. doi: 10.1136/bmjgast-2021-000675.
- Chen Y, Chen TW, Wu CQ, Lin Q, Hu R, Xie CL, Zuo HD, Wu JL, Mu QW, Fu QS, Yang GQ, Zhang XM. Radiomics model of contrast-enhanced computed tomography for predicting the recurrence of acute pancreatitis. Eur Radiol. 2019 Aug;29(8):4408-4417. doi: 10.1007/s00330-018-5824-1. Epub 2018 Nov 9.
- Cho JH, Jeong YH, Kim KH, Kim TN. Risk factors of recurrent pancreatitis after first acute pancreatitis attack: a retrospective cohort study. Scand J Gastroenterol. 2020 Jan;55(1):90-94. doi: 10.1080/00365521.2019.1699598. Epub 2019 Dec 10.
- Ding N, Guo C, Li C, Zhou Y, Chai X. An Artificial Neural Networks Model for Early Predicting In-Hospital Mortality in Acute Pancreatitis in MIMIC-III. Biomed Res Int. 2021 Jan 28;2021:6638919. doi: 10.1155/2021/6638919. eCollection 2021.
- Hong WD, Chen XR, Jin SQ, Huang QK, Zhu QH, Pan JY. Use of an artificial neural network to predict persistent organ failure in patients with acute pancreatitis. Clinics (Sao Paulo). 2013 Jan;68(1):27-31. doi: 10.6061/clinics/2013(01)rc01. No abstract available.
- Mashayekhi R, Parekh VS, Faghih M, Singh VK, Jacobs MA, Zaheer A. Radiomic features of the pancreas on CT imaging accurately differentiate functional abdominal pain, recurrent acute pancreatitis, and chronic pancreatitis. Eur J Radiol. 2020 Feb;123:108778. doi: 10.1016/j.ejrad.2019.108778. Epub 2019 Dec 11.
- Hu X, Yang B, Li J, Bai X, Li S, Liu H, Zhang H, Zeng F. Individualized Prediction of Acute Pancreatitis Recurrence Using a Nomogram. Pancreas. 2021 Jul 1;50(6):873-878. doi: 10.1097/MPA.0000000000001839.
- Loozen CS, Oor JE, van Ramshorst B, van Santvoort HC, Boerma D. Conservative treatment of acute cholecystitis: a systematic review and pooled analysis. Surg Endosc. 2017 Feb;31(2):504-515. doi: 10.1007/s00464-016-5011-x. Epub 2016 Jun 17.
- Mador BD, Panton ON, Hameed SM. Early versus delayed cholecystectomy following endoscopic sphincterotomy for mild biliary pancreatitis. Surg Endosc. 2014 Dec;28(12):3337-42. doi: 10.1007/s00464-014-3621-8. Epub 2014 Jun 25.
- Nebiker CA, Frey DM, Hamel CT, Oertli D, Kettelhack C. Early versus delayed cholecystectomy in patients with biliary acute pancreatitis. Surgery. 2009 Mar;145(3):260-4. doi: 10.1016/j.surg.2008.10.012. Epub 2009 Feb 1.
- Riquelme F, Marinkovic B, Salazar M, Martinez W, Catan F, Uribe-Echevarria S, Puelma F, Munoz J, Canals A, Astudillo C, Uribe M. Early laparoscopic cholecystectomy reduces hospital stay in mild gallstone pancreatitis. A randomized controlled trial. HPB (Oxford). 2020 Jan;22(1):26-33. doi: 10.1016/j.hpb.2019.05.013. Epub 2019 Jun 22.
- Schmidt M, Sondenaa K, Vetrhus M, Berhane T, Eide GE. A randomized controlled study of uncomplicated gallstone disease with a 14-year follow-up showed that operation was the preferred treatment. Dig Surg. 2011;28(4):270-6. doi: 10.1159/000329464. Epub 2011 Jul 9.
- Sharma A, Vans E, Shigemizu D, Boroevich KA, Tsunoda T. DeepInsight: A methodology to transform a non-image data to an image for convolution neural network architecture. Sci Rep. 2019 Aug 6;9(1):11399. doi: 10.1038/s41598-019-47765-6.
- Stevens CL, Abbas SM, Watters DA. How Does Cholecystectomy Influence Recurrence of Idiopathic Acute Pancreatitis? J Gastrointest Surg. 2016 Dec;20(12):1997-2001. doi: 10.1007/s11605-016-3269-x. Epub 2016 Sep 23.
- Umans DS, Hallensleben ND, Verdonk RC, Bouwense SAW, Fockens P, van Santvoort HC, Voermans RP, Besselink MG, Bruno MJ, van Hooft JE; Dutch Pancreatitis Study Group. Recurrence of idiopathic acute pancreatitis after cholecystectomy: systematic review and meta-analysis. Br J Surg. 2020 Feb;107(3):191-199. doi: 10.1002/bjs.11429. Epub 2019 Dec 25.
- Yamashita R, Nishio M, Do RKG, Togashi K. Convolutional neural networks: an overview and application in radiology. Insights Imaging. 2018 Aug;9(4):611-629. doi: 10.1007/s13244-018-0639-9. Epub 2018 Jun 22.
- Yuan X, Xu B, Wong M, Chen Y, Tang Y, Deng L, Tang D. The safety, feasibility, and cost-effectiveness of early laparoscopic cholecystectomy for patients with mild acute biliary pancreatitis: A meta-analysis. Surgeon. 2021 Oct;19(5):287-296. doi: 10.1016/j.surge.2020.06.014. Epub 2020 Jul 22.
- Zhou Y, Ge YT, Shi XL, Wu KY, Chen WW, Ding YB, Xiao WM, Wang D, Lu GT, Hu LH. Machine learning predictive models for acute pancreatitis: A systematic review. Int J Med Inform. 2022 Jan;157:104641. doi: 10.1016/j.ijmedinf.2021.104641. Epub 2021 Nov 10.
Studie record data
Bestudeer belangrijke data
Studie start (Geschat)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Geschat)
Updates van studierecords
Laatste update geplaatst (Geschat)
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
- MINERVA_1
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
IPD delen Ondersteunend informatietype
- LEERPROTOCOOL
- SAP
- ICF
- MVO
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 Acute ontsteking aan de alvleesklier
-
Changhai HospitalOnbekendChronische pancreatitis | Idiopathische chronische pancreatitisChina
-
Massachusetts General HospitalBeëindigdChronische pancreatitis | Acute recidiverende pancreatitisVerenigde Staten
-
Postgraduate Institute of Medical Education and...Voltooid
-
Dartmouth-Hitchcock Medical CenterVoltooid
-
The Cleveland ClinicChiRhoClin, Inc.; The National Pancreas FoundationVoltooidChronische pancreatitisVerenigde Staten
-
Massachusetts General HospitalBeëindigdChronische pancreatitisVerenigde Staten
-
Winthrop University HospitalCelgene CorporationBeëindigdChronische pancreatitis
-
AbbottVoltooidExocriene pancreasinsufficiëntie, chronische pancreatitisJapan
-
University of NebraskaBeëindigdEnt pancreatitisVerenigde Staten
-
Centre Hospitalier Universitaire de NiceWervingPancreatitis, acute necrotiserendeFrankrijk
Klinische onderzoeken op MINERVA Machine Learning-model
-
National and Kapodistrian University of AthensOnbekend
-
King's College LondonActief, niet wervendIntracraniale drukverhogingVerenigd Koninkrijk
-
Maastricht UniversityWuhan Central HospitalVoltooid
-
First Affiliated Hospital of Xinjiang Medical UniversityShihezi UniversityOnbekendInstabiele angina | NSTEMI - Niet-ST-segmentelevatie MIChina
-
Sun Yat-Sen Memorial Hospital of Sun Yat-Sen UniversityVoltooidMRI | HNSCC | AI | RadiomischChina
-
Chang ChenZunyi Medical College; Ningbo HwaMei Hospital, Zhejiang, China; The First Affiliated... en andere medewerkersWerving
-
Xiang MaShihezi UniversityActief, niet wervendCoronaire hartziekte | Acuut myocardinfarct | AnginaChina
-
Jiangxi Provincial Cancer HospitalGuangdong Provincial People's HospitalWervingLongkanker | Kunstmatige intelligentieChina
-
Assistance Publique - Hôpitaux de ParisTraumabase Group; Capgemini Invent; Ecole polytechnique; EHESS (Ecole des hautes... en andere medewerkersWervingWonden en verwondingen | Hemorragische shock | Traumatische schokFrankrijk
-
Mayo ClinicAanmelden op uitnodigingKunstmatige intelligentie | Machinaal leren | Beperkte Engelse taalvaardigheid | Taalbarriere | Complexe medische behoeftenVerenigde Staten