QOCA®-Image Medical Platform - Smart VCF Risk Management System
Smart Bone: Et intelligent system for fangst og styring av bruddrisiko
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Et datasøk av CT-skanninger (2010.01.01-2018.09.30) ble utført på Wan Fang sykehus. Disse CT-bildene som ble gjennomgått i ettertid av erfarne radiologer. CT-skanning av 1000-1500 forsøkspersoner i alderen 50 år og oppover med og uten thorax- eller lumbale kompresjonsfrakturer ble inkludert i dette prosjektet for maskinlæring og dyp læring. Kontrollgruppen inkluderte de uten kompresjonsfrakturer mens pasientgruppen var de med kompresjonsbrudd. Emner som ikke oppfylte inklusjonskriteriene ble ekskludert.
Det kortikale laget av T12-L5-ryggbildene ble manuelt merket med merkeprogramvaren av teknologene og bekreftet riktigheten av bildet av en erfaren radiolog. Alle de frakoblede og fullførte bildene ble levert til Quanta Computer Inc. for påfølgende klassifisering og analyse av AI-maskiner for dyp læring for å lette utviklingen av et system for automatisk deteksjon av trykkbrudd ved CT. Dette nyutviklede automatiske systemet vil være av verdifull klinisk effekt for å hjelpe radiologer med å oppdage og klassifisere vertebrale kompresjonsfrakturer nøyaktig og nøyaktig.
Studietype
Registrering (Forventet)
Kontakter og plasseringer
Studiesteder
-
-
-
Taipei, Taiwan
- Taipei Medical University WanFang Hospital
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Saker med CT-undersøkelser anskaffet mellom 2010.01-2018.09
- Tilfeller med CT-undersøkelser utført med en av følgende protokoller: hele kroppen, magen og ryggraden
- Saker skal være >/= 50 år
- Tilfeller med rapporter fra CT-undersøkelser forlatt som positive eller negative kompresjonsfrakturer innenfor et søkeområde fra T12 til L5 ryggvirvler.
- CT-bilder med rådata som tillates rekonstruert i aksial visning med en skivetykkelse på 1,3 mm
- CT-bilder med rådata som tillates rekonstruert i sagittal visning med en skivetykkelse på 2,5 mm
Ekskluderingskriterier:
- CT-bilder med avbildningsartefakter, fremmedlegemer eller implantater
- Tilfeller med komorbide tilstander, som infeksjon, kreftmetastaser, kronisk osteomyelitt eller annen ikke-steoporotisk kompresjonsfraktur
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Kohort
- Tidsperspektiver: Retrospektiv
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Radiologer
Et datasøk av CT-skanninger (2010.01.01-2018.09.30) ble utført på Wan Fang sykehus.
Disse CT-bildene ble retrospektivt gjennomgått av en erfaren radiolog som klassifiserte og merket med merknader av vertebrale frakturer ved Genantens semikvantitative metode.
|
|
|
Smart Bone
De samme CT-bildene ble separat gjennomgått og behandlet av det kunstige intelligenssystemet (Smart Bone) av Quanta for kompresjonsfrakturer.
De to resultatene, det ene av radiologene og det andre av et kunstig intelligenssystem, vil bli sammenlignet med statistisk kvantifiser ekvivalens (CADe).
|
En enhet som heter Smart Bone som bruker CT-bilde som er anskaffet i ettertid for å innebære en andre gjennomgang av CT-bilder med vertebrale kompresjonsfrakturer gjennom et interaktivt AI-program utviklet av Quanta Computer Inc. ble brukt på CT-bildene.
Enheten er en datastøttet deteksjon (CADe)-programvare og er utviklet for å hjelpe radiologer med å analysere CT-bilder av ryggraden.
Enheten bruker dyplæringsmetoder for å utføre ryggvirvler deteksjon og klassifisering av bilder.
Andre navn:
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Konkordanshastighet
Tidsramme: 2019.06 til 2020.03
|
CT Imaging-rapportering og datasystembeskrivelser foreslått av Smart Bone stemmer godt overens med de som er valgt av eksperter. Med andre ord, CT Imaging Reporting and Data System generert av Smart Bone er ikke statistisk forskjellig fra konsensus fra eksperter. CT Imaging-rapportering og datasystemvurderingskategoripoeng: Brukeren tar den endelige avgjørelsen om vurderingskategoripoengsummen. Ved å bruke denne poengsummen viser Smart Bone vurderingsbeskrivelsen. Grad 0: Normale ryggvirvler Grad 1: Lett brudd, 20-25 % Grad 2: Moderat brudd, 26-40 % Grad 3: Alvorlig brudd, >40 % |
2019.06 til 2020.03
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøyaktighet
Tidsramme: 2019.06 til 2020.03
|
Sammenligning med nøyaktigheten av CT-bilderesultater fra radiologer med og uten CADe vil bli evaluert.
|
2019.06 til 2020.03
|
Samarbeidspartnere og etterforskere
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Wing P. Chan, M.D., Taipei Medical University WanFang Hospital
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Forventet)
Studiet fullført (Forventet)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- N201909056
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .