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

Covid radiografiske bilder Datasett for A.I (CORDA)

4. juni 2020 oppdatert av: Giorgio Limerutti, Azienda Ospedaliera Città della Salute e della Scienza di Torino
Muligheten for å bruke utbredt og enkel røntgenbilde (CXR) for tidlig screening av COVID-19-pasienter tiltrekker seg stor interesse fra både det kliniske og kunstig intelligensmiljøet. I denne studien gir vi innsikt og advarer også om hva som er rimelig å forvente ved å bruke dyp læring til COVID-klassifisering av CXR-bilder. Vi gir en metodisk veiledning og kritisk lesning av et omfattende sett med statistiske resultater som kan oppnås ved bruk av tilgjengelige datasett. Spesielt tar vi utfordringen med dagens små COVID-data og viser hvor betydelig skjevheten introdusert ved overføringslæring ved bruk av større offentlige ikke-COVID CXR-datasett kan være. Vi bidrar også ved å gi resultater på et middels stort COVID CXR-datasett, nettopp samlet inn av et av de store akuttsykehusene i Nord-Italia under toppen av COVID-pandemien. Disse nye dataene lar oss bidra til å validere generaliseringskapasiteten til foreløpige resultater som sirkulerer i det vitenskapelige samfunnet. Konklusjonene våre kaster litt lys over muligheten for å effektivt diskriminere COVID ved å bruke CXR.

Studieoversikt

Status

Ukjent

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

COVID-19-viruset har raskt spredt seg til fastlands-Kina og til flere land over hele verden. Per 7. april 2020 i Italia, et av de hardest rammede landene, ble 135 586 pasienter med COVID19 registrert, og 17 127 av dem døde; i skrivende stund er Piemonte den tredje mest berørte regionen i Italia, med 13 343 registrerte tilfeller. Tidlig diagnose er et nøkkelelement for riktig behandling av pasientene og forebygging av spredning av sykdommen. Gitt den høye tropismen av COVID-19 for luftveier og lungeepitel, kan identifisering av lungeinvolvering hos infiserte pasienter være relevant for behandling og overvåking av sykdommen. Virustesting regnes for tiden som den eneste spesifikke diagnosemetoden. Center for Disease Control (CDC) i USA anbefaler å samle og teste prøver fra øvre luftveier (nasofaryngeale og orofaryngeale vattpinner) eller fra nedre luftveier når tilgjengelig (bronchoalveolar lavage, BAL) for viral testing med revers transkripsjonspolymerasekjedereaksjon (RT-PCR) analyse. Aktuelle posisjonspapirer fra radiologiske foreninger (Fleischner Society, SIRM, RSNA) anbefaler ikke rutinemessig bruk av bildediagnostikk for COVID-19-diagnose.

Det har imidlertid blitt påvist bredt at selv i tidlige stadier av sykdommen, kan røntgen av thorax (CXR) og computertomografi (CT) vise patologiske funn. Det skal bemerkes at de faktisk er uspesifikke, og overlapper med andre virusinfeksjoner (som influensa, H1N1, SARS og MERS): de fleste forfattere rapporterer om perifere bilaterale dårlige definerte og slipte glassopaciteter, hovedsakelig involverer de nedre lappene, gradvis. øker i forlengelse etter hvert som sykdommen blir mer alvorlig og fører til diffus parenkymal konsolidering, CT er et sensitivt verktøy for tidlig påvisning av perifere slipte glassopaciteter; Imidlertid er rutinerollen til CT-avbildning hos disse pasientene logistisk utfordrende når det gjelder sikkerhet for helsepersonell og andre pasienter, og kan overvelde tilgjengelige ressurser. Røntgen av thorax kan være et nyttig verktøy, spesielt i nødsituasjoner: det kan bidra til å utelukke andre mulige lunge-"noxa", tillate en første grov verdivurdering av omfanget av lungeinvolvering og viktigst av alt kan oppnås ved pasientens seng ved bruk av bærbare enheter, begrense mulig eksponering hos helsepersonell og andre pasienter. Videre kan CXR gjentas over tid for å overvåke utviklingen av lungesykdom.

Metodikk:

vi beskriver dyplæringstilnærmingen basert på ganske standard pipeline, nemlig brystbildeforbehandling og lungesegmentering etterfulgt av klassifiseringsmodell oppnådd med overføringslæring. Som vi vil se i denne delen, er forhåndsbehandling av data grunnleggende for å fjerne eventuelle skjevheter i dataene. Spesielt vil vi vise at det er lett for en dyp modell å gjenkjenne disse skjevhetene som driver læringsprosessen. Gitt den lille størrelsen på COVID-datasettene, spilles en nøkkelrolle av de større datasettene som brukes til forhåndstrening. Derfor diskuterer vi først hvilke datasett som kan brukes til våre mål.

Studietype

Observasjonsmessig

Registrering (Forventet)

2500

Kontakter og plasseringer

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

Studiesteder

  • Italia
    • Turin
      • Torino, Turin, Italia, 10126
        • Rekruttering
        • Azienda Ospedaliero Universitaria Citta Della Salute E Della Scienza
        • Ta kontakt med:
        • Hovedetterforsker:
          • Giorgio Limerutti, M.D.
        • Underetterforsker:
          • Paolo Fonio, M.D.
        • Underetterforsker:
          • Marco Grosso, M.Sc.
        • Underetterforsker:
          • Stefano Tibaldi, M.Sc.
        • Underetterforsker:
          • Simona Capello, M.D.
        • Underetterforsker:
          • Patrizia Sardo, M.D.
        • Underetterforsker:
          • Claudio Berzovini, M.D.
        • Underetterforsker:
          • Francesca Santinelli, M.Sc.
        • Underetterforsker:
          • Marco Calandri, M.D.
        • Underetterforsker:
          • Andrea Ferraris, M.D.

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

  • VOKSEN
  • OLDER_ADULT
  • BARN

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Alle personene som ble behandlet i radiologiavdelingen

Beskrivelse

Inklusjonskriterier: røntgen av thorax utført under akuttmottak eller sykehusopphold

-

Ekskluderingskriterier:

  • Ingen

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
tilfeller av interstitiell lungebetennelse
Røntgendiagnose av thorax
Diagnostisk test: Algoritme for diagnose av nevrale nettverk
vi mater nevrale nettverk med røntgenbilder av thorax for å lære nettverket for automatisk diagnose av interstitiell lungebetennelse
Negative kontroller
Røntgen thorax Negativ for lungebetennelse
Diagnostisk test: Algoritme for diagnose av nevrale nettverk
vi mater nevrale nettverk med røntgenbilder av thorax for å lære nettverket for automatisk diagnose av interstitiell lungebetennelse

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
sensibilitet og spesifisitet av nevrale nettverksdiagnose
Tidsramme: på dag 0
sensibilitet og spesifisitet av nevrale nettverksdiagnose sammenlignet med human diagnose
på dag 0

Samarbeidspartnere og etterforskere

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

Sponsor

Azienda Ospedaliera Città della Salute e della Scienza di Torino

Samarbeidspartnere

University of Turin, Italy
Azienda Ospedaliera Ordine Mauriziano di Torino

Etterforskere

  • Hovedetterforsker: Giorgio Limerutti, M.D., Radiology Unit A.O.U. Città della Salute e della Scienza

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)

24. mars 2020

Primær fullføring (FORVENTES)

31. desember 2020

Studiet fullført (FORVENTES)

31. mars 2021

Datoer for studieregistrering

Først innsendt

4. juni 2020

Først innsendt som oppfylte QC-kriteriene

4. juni 2020

Først lagt ut (FAKTISKE)

5. juni 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (FAKTISKE)

5. juni 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

4. juni 2020

Sist bekreftet

1. juni 2020

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • CORDA

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

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. .

Kliniske studier på Kunstig intelligens

Kliniske studier på Algoritme for diagnose av nevrale nettverk

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Slovakia

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

Abonnere