Onderzoek naar de effectiviteit van toepassingen van diagnostische hulpmiddelen voor kunstmatige intelligentie (AI) bij medische beeldvorming (MI) van luchtweginfecties (I) (D) (AI-MIRID)
12 augustus 2024 bijgewerkt door: Wen-hong Zhang, Huashan Hospital
De vroege identificatie en ernstige waarschuwing van acute infectieziekten van de luchtwegen zijn van het allergrootste belang.
Het inzetten van effectieve middelen om in een vroeg stadium de juiste diagnose te stellen van de besmettingsbron is het uitgangspunt van alle effectieve maatregelen.
AI-MID is een onderzoeksinitiatief dat kunstmatige intelligentie-instrumenten gebruikt om te helpen bij de klinische medische beeldvormingsdiagnose van luchtwegaandoeningen, met als doel de tijd die artsen besteden aan het beoordelen van beelden te verminderen, de werkefficiëntie te verhogen en de gevoeligheid en specificiteit van de detectie van longontsteking te verbeteren, waardoor de het detectiepercentage van longontsteking op basisniveau.
Deze aanpak maakt nauwkeurige preventie, nauwkeurige diagnose en nauwkeurige behandeling mogelijk.
Studie Overzicht
Toestand
Werving
Interventie / Behandeling
Studietype
Ingrijpend
Inschrijving (Geschat)
2000
Fase
- Niet toepasbaar
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studiecontact
- Naam: Wenhong Zhang
- Telefoonnummer: (86)52889999
- E-mail: zhangwenhong@fudan.edu.cn
Studie Locaties
-
-
-
Shanghai, China, 200040
- Werving
- Huashan Hospital
-
Contact:
- Wenhong Zhang, Professor
- Telefoonnummer: (86)52889999
- E-mail: zhangwenhong@fudan.edu.cn
-
-
Deelname Criteria
Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Ja
Beschrijving
Inclusiecriteria:
- 1-90 jaar oud, geslacht niet gespecificeerd.
- Vertoont symptomen van luchtweginfectie
- Moet etiologische onderzoeksresultaten hebben
- Moet beeldgegevens hebben;
Uitsluitingscriteria:
- Ernstige artefacten in medische beelden
- De klinische diagnose wijst op gelijktijdig longoedeem
- Dubbele beoordeling resulteert in een onduidelijke diagnose of een mogelijke verkeerde diagnose
- In andere situaties die problemen kunnen veroorzaken bij het lezen van de films, of zoals bepaald door de onderzoeker, wordt de onderzoeksdeelnemer ongeschikt geacht voor inschrijving.
Studie plan
Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Diagnostisch
- Toewijzing: Gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Geen (open label)
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Geen tussenkomst: Geen interventie
Non-interventie
|
|
|
Experimenteel: Op kunstmatige intelligentie gebaseerde interpretatiegroep voor medische beeldvorming
Met behulp van klinische informatie, beeldgegevens en overeenkomstige etiologische resultaten van de studiedeelnemers wordt een AI-diagnostisch hulpmiddel ontwikkeld om specifiek de medische beeldvorming van de borstkas van patiënten te herkennen en overeenkomstige diagnostische conclusies te trekken.
|
In de AI-interpretatiegroep wordt, met behulp van klinische informatie, beeldgegevens en overeenkomstige etiologische resultaten van de studiedeelnemers, een AI-diagnostisch hulpmiddel ontwikkeld om specifiek de medische beeldvorming van de borstkas van patiënten te herkennen en overeenkomstige diagnostische conclusies te trekken.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Evaluatie van de diagnostische werkzaamheid van diagnostische hulpmiddelen voor kunstmatige intelligentie bij medische beeldvorming van infectieziekten van de luchtwegen
Tijdsspanne: 2 jaar
|
Om de diagnostische werkzaamheid van computerondersteunde detectiesoftware (CAD) bij de identificatie van longinfecties te evalueren, zal het onderzoek de volgende methoden gebruiken: Beeldvormingscriteria: Ervaren radiologen interpreteren de medische beeldvorming van studiedeelnemers en dienen als beeldvormingsstandaard. Computerondersteunde detectie: Tegelijkertijd analyseert de CAD-software de medische beeldvorming van de deelnemers om diagnostische resultaten te genereren. Beoordeling van de werkzaamheid: De nauwkeurigheid en consistentie van de CAD-software zullen worden geëvalueerd door de interpretaties ervan te vergelijken met de diagnoses van de radiologen. |
2 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Gebruik maken van kunstmatige intelligentie-instrumenten voor vroege identificatie en ernstige waarschuwing van infectieziekten van de luchtwegen
Tijdsspanne: 2 jaar
|
Door de medische beeldvorming van studiedeelnemers te integreren met de bijbehorende detectieresultaten van respiratoire pathogenen, zullen deze gegevens worden gebruikt als input voor de trainingsset in de AI-diagnostische tool, waardoor deze diepgaand kan leren.
Dit proces zal leiden tot een AI-diagnostisch hulpmiddel op basis van beeldvorming van pathogenen.
Na het voltooien van de gegevensverzameling voor zowel retrospectieve als prospectieve onderzoekssecties, zijn we van plan de ziekteprogressie en prognose van de studiedeelnemers te evalueren op basis van overlevingsanalyse en voorspellende modellen.
Door klinische gegevens en beeldgegevens te integreren, willen we de nauwkeurigheid en precisie van het prognostische beoordelingsmodel verbeteren.
Het model zal voortdurend worden geoptimaliseerd op basis van de veranderingen in de omstandigheden van studiedeelnemers die gedurende verschillende tijdsperioden zijn ingeschreven.
|
2 jaar
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Studie record data
Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.
Bestudeer belangrijke data
Studie start (Werkelijk)
1 april 2022
Primaire voltooiing (Geschat)
1 december 2025
Studie voltooiing (Geschat)
1 december 2026
Studieregistratiedata
Eerst ingediend
7 augustus 2024
Eerst ingediend dat voldeed aan de QC-criteria
12 augustus 2024
Eerst geplaatst (Werkelijk)
14 augustus 2024
Updates van studierecords
Laatste update geplaatst (Werkelijk)
14 augustus 2024
Laatste update ingediend die voldeed aan QC-criteria
12 augustus 2024
Laatst geverifieerd
1 augustus 2024
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- AI-MIRID
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Nee
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 .