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

Kunstig intelligensalgoritme for screening av unormale føtale hjernefunn ved ultralydskanning i første trimester (AIRFRAME)

21. mars 2024 oppdatert av: Familiari Alessandra, Fondazione Policlinico Universitario Agostino Gemelli IRCCS

Visualisering av de bakre fossa-hjernerommene, deres romlige forhold og målinger kan oppnås i midsagittal visning av fosterhode, det samme som brukes til NT-måling (9), og spiller en viktig rolle i tidlig diagnostisering av nevralrørsdefekter, som f.eks. åpen spinal dysraphism (5), og posterior fossa anomalier, slik som DWM eller BPC (7). Imidlertid er vurdering av fosterets bakre fossa i første trimester fortsatt utfordrende på grunn av flere begrensninger, inkludert ufrivillige bevegelser av fosteret og liten størrelse på hjernestrukturene, noe som forårsaker undersøkelsesvansker og feildiagnostisering. Dessuten er den også operatøravhengig for innhenting av høykvalitets ultralydbilder, standardmålinger og presis diagnose.

Bruk av nye teknologier for å forbedre innhenting av bilder, for å hjelpe til automatisk å utføre målinger, eller hjelpe til med diagnostisering av fosteravvik, kan være av stor betydning for optimal vurdering av fosterhjernen, spesielt i første trimester (10). Kunstig intelligens (AI) beskrives som et dataprograms evne til å utføre prosesser knyttet til menneskelig intelligens, som læring, tenkning og problemløsning. Deep Learning (DL), en undergruppe av Machine Learning (ML), er en gren av AI, definert av muligheten til å lære funksjoner automatisk fra data uten menneskelig innblanding. I DL er inngangen og utgangen forbundet med flere lag som er løst modellert på de nevrale banene til den menneskelige hjernen. I bildegjenkjenningsfeltet er en av de mest lovende typene DL-nettverk representert av konvolusjonelle nevrale nettverk (CNN). Disse er designet for å trekke ut svært representative bildefunksjoner på en helautomatisk måte, noe som gjør dem anvendelige for diagnostiske beslutninger.

I følge disse observasjonene foreslår vi et forskningsprosjekt som tar sikte på å utvikle en ultralydbasert AI-algoritme, som er i stand til å vurdere fosterets bakre fossastrukturer under første trimester ultralydskanning og skille mellom normale og unormale funn gjennom en helautomatisk databehandling. .

Studieoversikt

Status

Rekruttering

Intervensjon / Behandling

Detaljert beskrivelse

Anvendelsen av AI i obstetrisk ultralyd inkluderer tre aspekter: strukturidentifikasjon, automatiske og standardiserte målinger og klassifiseringsdiagnose. Siden obstetrisk ultralyd er tidkrevende, kan bruk av kunstig intelligens også redusere undersøkelsestiden og forbedre arbeidsflyten.

Studiedesign: dette er en multisenter retrospektiv observasjonskohortstudie og påfølgende prospektiv kohortstudie. Studiedesignet vil bli organisert i to ulike faser.

Den første fasen, den retrospektive gjennomførbarhetsstudien, har som mål å utvikle og trene AI-algoritme med normale og unormale bilder retrospektivt tatt under første trimester ultralydskanning fra ti internasjonale fostermedisinske sentre.

Den andre fasen, en prospektiv klinisk validering, har som mål å teste AI-algoritmen i vurderingen av fosterets bakre fossa-anatomi i en reell klinikksetting med ekte pasienter fra hvert av de deltakende fostermedisinsentrene.

Innstilling: Tre (3) fostermedisinske sentre.

Deltakere: enslig gravid populasjon som gjennomgikk ultralydundersøkelse mellom 11 - 14 svangerskapsuker ved ti fostermedisinske sentre.

Primært endepunkt: Å validere en ny AI-basert teknologi, som potensielt kan brukes som et screeningverktøy for unormale funn i fosterhjerne i første trimester.

Sekundære endepunkter: For å forbedre ytelsen til standard første trimester-screening av fosterets bakre fossa for å sikre pålitelig sonografisk vurdering innen en kortere tid etter utførelse. For å oppdage høyere repeterbarhet og reproduserbarhet, som gjør det mulig å implementere ultralydscreeningen også når det gjelder effektivitet i stor skala, optimalisere helsevesenets ressurser I den første fasen av studien vil deltakende fostermedisinsentre søke i sine elektroniske databaser etter midsagittale bilder av singleton gravide kvinner som gjennomgikk ultralydundersøkelse ved 11+0 - 13+6 svangerskapsuker med eventuell føtal posterior fossa-anomali, slik som åpen spinal dysraphism, DWM eller BPC. Normale bilder av fosterets bakre fossa ved samme svangerskapsalder vil bli gitt av markedsføringssentrene - dvs. Fondazione Policlinico A. Gemelli, IRCCS og University of Parma. Klinisk, ultralyd, prenatal og postnatal informasjon om hvert enkelt tilfelle vil bli hentet fra pasientens medisinske journaler og lagt inn i en elektronisk databasesamlingsfil av hovedetterforskeren fra hvert deltakende senter. De innhentede bildene vil bli anonymisert, lagret som DICOM og delt gjennom et dedikert skylagringssystem som vil bli satt opp av bioingeniørteamet. Hvert senter vil kunne få tilgang til websystemet ved hjelp av en personlig ID og passord.

I den andre fasen av studien vil algoritmen bli prospektivt testet og validert i en reell klinisk setting med ekte pasienter fra hvert av de deltakende fostermedisinsentrene. Inkluderings- og eksklusjonskriterier, avbildningsprotokoll og datainnsamling vil være det samme som utføres i den retrospektive fasen.

Studietype

Observasjonsmessig

Registrering (Antatt)

10000

Kontakter og plasseringer

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

Studiekontakt

Studiesteder

      • Rome, Italia, 00168
        • Rekruttering
        • FP Gemelli IRCCS
        • Ta kontakt med:

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 45 år (Voksen)

Tar imot friske frivillige

Ja

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Alle svangerskap som gjennomgår screening i første trimester

Beskrivelse

Inklusjonskriterier:

  • Kvinner med enkeltsvangerskap som gjennomgikk ultralydundersøkelse mellom 11+0 – 13+6 svangerskapsuker eller en fosterkrone-rumpe-lengde mellom 45 – 84 mm.

Ekskluderingskriterier:

  • Kvinner som ikke hadde screening i første trimester ved fastsatt svangerskapsalder.
  • Kvinner der en god visualisering av det midtsagittale synet av fosterhodet ikke var teknisk mulig.
  • Kvinner som ikke er i stand til å gi det informerte samtykket.

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
Sak
Fostre med hjerneanomalier
Utvikling av AI-algoritme for tidlig påvisning av føtale hjerneanomalier i første trimester av svangerskapet
Kontroller
Normal med normal hjerne
Utvikling av AI-algoritme for tidlig påvisning av føtale hjerneanomalier i første trimester av svangerskapet

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
AI-algoritme
Tidsramme: 2 år
Antall tilfeller oppdaget med AI-algoritmeapplikasjon
2 år

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Reproduserbarhet
Tidsramme: 1 år
Antall tilfeller oppdaget med AI-algoritme-applikasjon sammenlignet med de som er oppdaget med standard teknikker for prenatal diagnose
1 år

Samarbeidspartnere og etterforskere

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

Etterforskere

  • Hovedetterforsker: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

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)

1. mai 2023

Primær fullføring (Antatt)

1. mai 2024

Studiet fullført (Antatt)

1. mai 2025

Datoer for studieregistrering

Først innsendt

6. mars 2023

Først innsendt som oppfylte QC-kriteriene

16. mars 2023

Først lagt ut (Faktiske)

30. mars 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

22. mars 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

21. mars 2024

Sist bekreftet

1. mars 2024

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 5526

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

DICOM-bilder gjennom en stasjon blant sentrene

IPD-delingstidsramme

etter 1 år og i 1 år

Tilgangskriterier for IPD-deling

patologiske tilfeller

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • SEVJE

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. .

Abonnere