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

Forholdet mellom hormonfølsomhet og avbildning av idiopatisk interstitiell lungebetennelse ved kunstig intelligens (IIP)

23. november 2021 oppdatert av: Peking University Third Hospital
Anvendelse av kunstig intelligens dyplæringsalgoritme for å analysere forholdet mellom hormonfølsomhet ved idiopatisk interstitiell lungebetennelse og bildefunksjoner ved høyoppløselig CT.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Metoder: medisinske journaler og høyoppløselige CT-bilder av pasienter med idiopatisk interstitiell lungebetennelse innlagt på respirasjonsavdelingen ved det tredje sykehuset ved Peking University fra 1. juni 2012 til 31. desember 2020 ble retrospektivt analysert. Anvendelse av kunstig intelligens dyp læring nevrale konvolusjon nettverksmetode for å lage gjenkjenningsteknologi av forskjellige bildefunksjoner.Inkludert slipt glass, mesh, honeycomb, nodule eller konsolidering, ble modellen etablert. IIP-pasienter ble delt inn i hormonsensitiv gruppe og hormonufølsom gruppe etter om bruken av hormon var effektiv eller ikke. Logistisk regresjonsanalyse ble brukt for å analysere korrelasjonen mellom statistisk signifikante parametere og hormonsensitivitet. Kunstig intelligens ble brukt for å etablere korrelasjonsmodellen mellom bildefunksjoner og kliniske data og hormonfølsomhet.

Studietype

Observasjonsmessig

Registrering (Faktiske)

150

Kontakter og plasseringer

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

Studiesteder

  • Kina
    • Beijing
      • Beijing, Beijing, Kina, 100191
        • Peking University Third Hospital

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

18 år til 90 år (Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Fra 1. juni 2012 til 31. desember 2020 ble alle innlagte pasienter med IIP innlagt på respirator- og intensivavdelingen ved det tredje sykehuset ved Peking University. Totalt er 150 pasienter, 45 pasienter som bruker hormon, gjennomsnittlig alder 62 år, 21 menn.

Beskrivelse

Inklusjonskriterier:

Klinisk-patologisk-radiologisk diagnose av idiopatisk interstitiell pneumoni Hormonbehandling ble brukt; Oppfølgingsdataene var fullstendige, og effekten av hormonbruk kunne bedømmes.

Ekskluderingskriterier:

lungeinfeksjon sykdom; Hjertefeil; Bindevevssykdom; IIP Uten hormonbehandling; IIP men oppfølgingsdataene var ufullstendige, og effekten av hormonbruk kunne ikke bedømmes.

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
Hormonsensitiv gruppe
Prednison, 0,5mg/kgqd, 3-6 måneder
Stråling: høyoppløselig CT
Slipt glass, honeycomb, retikulering, konsolidering
Hormoninsensitivitetsgruppe
Prednison, 0,5mg/kgqd, 3-6 måneder
Stråling: høyoppløselig CT
Slipt glass, honeycomb, retikulering, konsolidering

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
kliniske data og bildefunksjonsforhold i begge grupper
Tidsramme: 3-6 måneder etter medisinering
kliniske data inkludert alder, kjønn, symptomer, tegn, røykehistorie, komplikasjoner, laboratorieundersøkelse, lungefunksjon. Bildefunksjon inkludert slipt glassopasitet, retikulering, honeycomb og konsolidering.
3-6 måneder etter medisinering

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
forholdet mellom bildefunksjonsforhold og hormonfølsomhet
Tidsramme: 3-6 måneder etter medisinering
Logistisk regresjon som analyserer forholdet mellom bildefunksjonsforhold og hormonfølsomhet.
3-6 måneder etter medisinering

Andre resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
utvikling av kunstig intelligens algoritmemodell
Tidsramme: 3-6 måneder etter medisinering
U-nett-metoden for dyp læring konvolusjonelt nevralt nettverk (CNN) ble brukt til å lage gjenkjennelsesmodellen for forskjellige bildefunksjoner. Bildefunksjoner inkluderer slipt glassopasitet, retikulering, honeycomb og konsolidering. Med arealforholdet mellom bildefunksjoner for de to gruppene som input og hormoneffektivitet som utgang, ble korrelasjonsmodellen mellom bildefunksjoner og hormonfølsomhet etablert ved å bruke kunstig intelligens k nærmeste nabo (KNN) algoritme og støttevektormaskin (SVM) algoritme.
3-6 måneder etter medisinering

Samarbeidspartnere og etterforskere

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

Sponsor

Peking University Third Hospital

Etterforskere

  • Hovedetterforsker: Bei He, Peking University Third Hospital Respiratory and critical care department

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)

30. desember 2019

Primær fullføring (Faktiske)

1. juni 2021

Studiet fullført (Faktiske)

30. juni 2021

Datoer for studieregistrering

Først innsendt

30. juni 2021

Først innsendt som oppfylte QC-kriteriene

23. november 2021

Først lagt ut (Faktiske)

7. desember 2021

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

7. desember 2021

Siste oppdatering sendt inn som oppfylte QC-kriteriene

23. november 2021

Sist bekreftet

1. juni 2021

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • LM2019173

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 Idiopatisk interstitiell lungebetennelse

Kliniske studier på høyoppløselig CT

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Guatemala

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

3
Abonnere