Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Kunstig intelligens-algoritmer for å diskriminere mellom COVID-19 og influensapneumonitt ved bruk av røntgenstråler (AI-COVID-Xr)

23. april 2020 oppdatert av: Professor Adrian Covic

Fordelene med kunstig intelligensalgoritmer (CNN) for å diskriminere mellom COVID-19 og influensapneumonitt i en akuttmottak ved bruk av røntgenundersøkelser

Dette prosjektet tar sikte på å bruke kunstig intelligens (bildediskriminering) algoritmer, spesielt konvolusjonelle nevrale nettverk (CNN) for å skanne røntgenbilder av thorax i akuttmottaket (triage) hos pasienter med mistenkte luftveissymptomer (feber, hoste, myalgi) av koronavirusinfeksjon COVID 19. Målet er å skape og validere en programvareløsning som diskriminerer på grunnlag av røntgen av thorax mellom Covid-19 lungebetennelse og influensa

Studieoversikt

Status

Ukjent

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Dette prosjektet tar sikte på å bruke kunstig intelligens (bildediskriminering) algoritmer;

  • spesifikt konvolusjonelle nevrale nettverk (CNN) for skanning av røntgenbilder av thorax i akuttmottaket (triage) hos pasienter med mistenkte luftveissymptomer (feber, hoste, myalgi) av koronavirusinfeksjon COVID 19;
  • målet er å skape og validere en programvareløsning som på grunnlag av røntgen av thorax skiller mellom Covid-19 pneumonitt og influensa;
  • denne programvaren vil bli opplært ved å introdusere røntgenbilder fra pasienter med/uten COVID-19 lungebetennelse og/eller influensapneumonitt;
  • den samme AI-algoritmen vil kjøre på fremtidige røntgenskanninger for å forutsi mulig COVID-19 lungebetennelse

Studietype

Observasjonsmessig

Registrering (Forventet)

200

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

  • Italia
      • Cremona, Italia, 26100
        • Rekruttering
        • U.O. Multidisciplinare di Patologia Mammaria e Ricerca Traslazionale; Dipartimento Universitario Clinico di Scienze Mediche, Chirurgiche e della Salute Università degli Studi di Trieste
        • Ta kontakt med:
        • Hovedetterforsker:
          • Daniele Generali, MD, PhD
  • Romania
      • Iaşi, Romania, 700503
        • Rekruttering
        • University of Medicine and Pharmacy Gr T Popa
        • Ta kontakt med:
        • Hovedetterforsker:
          • Alexandru Burlacu, MD, PhD
  • Storbritannia
      • London, Storbritannia
        • Rekruttering
        • Department of Cardiology at Chelsea and Westminster NHS hospital
        • Ta kontakt med:
          • Emmanuel Ako, MD, PhD
          • Telefonnummer: +447932970131
          • E-post: e.ako@ucl.ac.uk
        • Hovedetterforsker:
          • Emmanuel Ako, MD, PhD

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Alle pasienter med influensasymptomer som ankommer akuttmottaket med hoste, feber, myalgi - som mistenkes for covid-19-infeksjon

Beskrivelse

Inklusjonskriterier:

  • influensalignende symptomer: myalgi, hoste, feber, oppspytt
  • Røntgen thorax
  • Covid-19 biologiske tester

Ekskluderingskriterier:

  • pasientavslag
  • usikre røntgenbilder
  • usikre testresultater

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
Symptomatiske pasienter
Vårt mål er å identifisere en kunstig intelligensalgoritme som kan kjøres på lungerøntgenbilder hos pasienter med influensa/respiratoriske virale symptomer som kommer til akuttmottaket/triage. Denne algoritmen tar sikte på å identifisere røntgenbilder av pasienter med COVID-19 og de med influensapneumonitt, med nøyaktighet verifisert av COVID-19-tester.
Diagnostisk test: Skanner røntgen av thorax og utfører AI-algoritmer på bilder
Røntgen av brystet; AI CNN-er; Resultater

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
COVID-19 positive røntgenbilder
Tidsramme: 6 måneder
Antall deltakere med lungebetennelse på røntgen thorax og COVID 19 positive
6 måneder
COVID-19 negative røntgenbilder
Tidsramme: 6 måneder
Antall deltakere med lungebetennelse på røntgen thorax og COVID 19 negativ
6 måneder

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Professor Adrian Covic

Samarbeidspartnere

Falcon Trading Iasi
Romanian Academy of Medical Sciences

Etterforskere

  • Hovedetterforsker: Alexandru Burlacu, Lecturer, University of Medicine and Pharmacy Gr T Popa - Iasi
  • Hovedetterforsker: Radu Dabija, Lecturer, University of Medicine and Pharmacy Gr T Popa - Iasi

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

18. mars 2020

Primær fullføring (Forventet)

16. august 2020

Studiet fullført (Forventet)

18. august 2020

Datoer for studieregistrering

Først innsendt

17. mars 2020

Først innsendt som oppfylte QC-kriteriene

17. mars 2020

Først lagt ut (Faktiske)

18. mars 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

27. april 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

23. april 2020

Sist bekreftet

1. april 2020

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 0110

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

Ja, vi vil gjerne dele algoritmekoden og resultatene med enhver vitenskapsmann som er interessert (uten økonomiske interesser)

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • ICF
  • ANALYTIC_CODE

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere