Gjennomførbarhet av AI-basert klassifisering av normale, hvesende og knitrende lyder fra stetoskop i kliniske innstillinger
Evaluering av gjennomførbarheten av algoritmer for kunstig intelligens i kliniske innstillinger for klassifisering av normale, hvesende og knitrende lyder hentet fra et digitalt stetoskop
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Studietype
Registrering (Faktiske)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
-
Peshawar, Pakistan, 25000
- Lady Reading Hospital, Pakistan
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Beskrivelse
Inklusjonskriterier:
- Aldre alle
- Skriftlig samtykke gitt
Ekskluderingskriterier:
- Emnets tilstand er ustabil
- Brystveggdeformasjon eller sår i limpåføringsområder
- Skriftlig samtykke ikke gitt
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Diagnostisk
- Tildeling: N/A
- Intervensjonsmodell: Enkeltgruppeoppdrag
- Masking: Ingen (Open Label)
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Klinisk validering av AI-modeller for deteksjon av hvesing, knitring og normale lungelyder sammenlignet med gullstandarden
Tidsramme: 2 måneder
|
AI-modeller vil bli testet for deres kliniske gjennomførbarhet gjennom sammenligning av resultater oppnådd fra AI-modeller med gullstandarden ved å måle positiv og negativ avtale (NPA & PPA).
Gullstandarden er etiketten gitt til hvert lungelydopptak av en erfaren lungelege.
AI-modellen er blindet for disse etikettene og er testet uavhengig for deteksjon av normale lungelyder, hvesing og knitring
|
2 måneder
|
|
Testing av nøyaktigheten til kunstig intelligens-modeller for deteksjon av hvesing, knitring og normale lungelyder ved å måle sensitivitet og spesifisitet
Tidsramme: 2 måneder
|
Kunstig intelligens-modeller er trent på lungelyder samlet inn fra tre forskjellige digitale stetoskoper kalt NoaScope, eSteth og Littmann individuelt. Data fra alle de tre digitale stetoskopene er også slått sammen for å trene opp separate AI-modeller. Disse trente AI-modellene vil bli evaluert basert på sensitivitet som er evnen til å korrekt identifisere hvesing og knitring, og spesifisitet som er evnen til å identifisere normale lungelyder korrekt. Sann positiv (TP), sann negativ (TN), falsk positiv (FP) og falsk negativ (FN) verdier vil bli brukt til å beregne sensitivitet og spesifisitet ved å bruke følgende uttrykk. Sensitivitet: TP/TP+FN Spesifisitet: TN/TN+FP |
2 måneder
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Ytelsesanalyse av tre digitale stetoskoper: Littmann, NoaScope og eSteth
Tidsramme: 2 måneder
|
Ytelsesanalyse av tre digitale stetoskoper NoaScope, eSteth og Littmann vil bli evaluert ved å bruke sensitiviteten og spesifisiteten oppnådd av hvert stetoskop. Sann positiv (TP), sann negativ (TN), falsk positiv (FP) og falsk negativ (FN) verdier vil bli brukt til å beregne sensitivitet og spesifisitet ved å bruke følgende uttrykk. Sensitivitet: TP/TP+FN Spesifisitet: TN/TN+FP |
2 måneder
|
Samarbeidspartnere og etterforskere
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
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
- Pulmo AI LRH
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
produkt produsert i og eksportert fra USA
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. .