- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05080296
Evaluering av bruken av maskinlæringsteknikker for å klassifisere nevrodegenerative PARKinsonske syndromer (kunstig intelligens) (PARKIA)
Diagnosen Parkinsons sykdom (PD) er hovedsakelig avhengig av klinisk observasjon av pasienten, på jakt etter de tre karakteristiske symptomene og er noen ganger fortsatt en reell utfordring. Machine Learning (ML) algoritmer kan bidra til å diagnostisere PD tidlig og skille idiopatisk PD fra atypiske Parkinsons syndromer.
I denne sammenheng ga arbeidet til Castillo-Barnes' team et sett med bildefunksjoner basert på morfologiske karakteristikker ekstrahert fra DaTSCAN® eller Ioflupane (jod-123-merket radiofarmasøytisk) enkeltfoton emisjon computertomografi (SPECT) skanninger for å skjelne friske deltakere fra deltakere med Parkinsons sykdom i et balansert sett med SPECTer fra databasen "Parkinson's Progression Markers Initiative" (PPMI).
Teamet til Shabii et al evaluerte klassifiseringsytelsen til Parkinsons pasienter og normale kontroller når semi-kvantitative indikatorer og formegenskaper oppnådd på dopamintransportøren (DAT) av Ioflupane (123I-IP) enkeltfoton emisjon computertomografi (SPECT) er kombinert som en maskinlæringsfunksjon (ML).
AI-baserte metoder kan forbedre diagnostiske vurderinger. Flere dopaminerge avbildningsstudier ved bruk av AI har rapportert nøyaktighet på opptil 90 % for diagnostisering av PD.
Disse automatiserte tilnærmingene bruker maskinlæringsmetoder, basert på teksturanalyser, for å (i) skille mellom PD og friske personer, (ii) skille mellom PD og vaskulær parkinsonisme, og (iii) skille mellom ulike former for atypisk parkinsonisme.
En studie utført i 2 sentre ved bruk av en lineær støttevektormaskin (SVM)-modell diskriminerte pasienter med PD og friske personer med en nøyaktighet på 82,5%. Denne ytelsen ligner på visuell vurdering av kjerneleger. En lineær SVM-modell basert på voxel-verdier av statistiske parametriske bilder var i stand til å skille PD fra vaskulær parkinsonisme med en nøyaktighet på 90,4 %. Nancy-teamet har lang erfaring med påvisning av PD i SPECT- og SPECT/CT-skanninger med Ioflupane eller DaTSCAN™
Studieoversikt
Status
Forhold
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiesteder
-
-
-
Vandoeuvre les Nancy cedex, Frankrike, 54511
- Nuclear medicine Department CHRU de NANCY
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter som utførte en DaTSCAN SPECT-skanning i nukleærmedisinsk avdeling i Nancy CHRU mellom 21.11.2011 og 01.09.2017.
- Anmeldelser som fant sted mellom 21.11.2011 og 1.9.2017 ble repatriert fra PACS til behandlingskonsollene.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
Alle pasientene gjennomgikk DaTSCAN SPECT-skanninger
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøyaktighet av algoritmen
Tidsramme: 2 måneder
|
Nøyaktigheten av algoritmen implementert for de nye dataene når det gjelder å forutsi typen atypisk parkinsonsyndrom.
|
2 måneder
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sammenligning av to nettverk
Tidsramme: 2 måneder
|
Sammenligning av ytelsen til det semi-overvåkede nettverket med det overvåkede nettverket, for å anerkjenne viktigheten av umerkede data i læring
|
2 måneder
|
|
Analyser robustheten til nettverket
Tidsramme: 2 måneder
|
Analyser robustheten til nettverket til forskjellige data (data fra forskjellige gammakameramodeller)
|
2 måneder
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Antatt)
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
- 2021PI187
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. .
Kliniske studier på DaTSCAN SPECT skanner
-
Centre Hospitalier Universitaire de NīmesFullført
-
Union Hospital, Tongji Medical College, Huazhong...Har ikke rekruttert ennå
-
Xijing HospitalHar ikke rekruttert ennå
-
Assiut UniversityUkjentDimercaptosuccinic Acid SPECT og Planar
-
Chang Gung Memorial HospitalFullførtKvantitativ analyse av SPECT MPI
-
University Hospital, BrestFullførtPatenter med normal VQ/SPECTFrankrike
-
Spectrum DynamicsFullførtKvantitativ validering for ventrikulær SPECT ImagingForente stater
-
Assistance Publique - Hôpitaux de ParisHar ikke rekruttert ennåPasienter med gallestriktur behandlet under ERCP med tilgjengelig MRCP og abdominal CT-scanFrankrike
-
The First Affiliated Hospital with Nanjing Medical...FullførtOptisk koherenstomografi (OCT) | Perkutan koronar intervensjon (PCI) | Single-Photon Emission Computed Tomography (SPECT) | Koronar angiografi (CAG) | Borderline koronararterielesjonerKina
-
Swansea UniversityMedical University of South Carolina; Charles University, Czech Republic; Radboud University Medical Center og andre samarbeidspartnereFullførtKontrolltilstand | Body Scan Meditasjon | Kjærlig-vennlighet Meditasjon | Mindful pustemeditasjon | Mindful Walking MeditasjonStorbritannia