- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05790473
Kunstig intelligensalgoritme for screening av unormale føtale hjernefunn ved ultralydskanning i første trimester (AIRFRAME)
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
Forhold
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
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Alessandra Familiari, MD
- Telefonnummer: 3285887422
- E-post: familiari.ale@gmail.com
Studiesteder
-
-
-
Rome, Italia, 00168
- Rekruttering
- FP Gemelli IRCCS
-
Ta kontakt med:
- Alessandra Familiari
- Telefonnummer: 3285887422
- E-post: familiari.ale@gmail.com
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
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
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
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Garcia-Rodriguez R, Garcia-Delgado R, Romero-Requejo A, Medina-Castellano M, Garcia-Hernandez JA, Gonzalez-Martin JM, Sepulveda W. First-trimester cystic posterior fossa: reference ranges, associated findings, and pregnancy outcomes. J Matern Fetal Neonatal Med. 2021 Mar;34(6):933-942. doi: 10.1080/14767058.2019.1622673. Epub 2019 Jun 4.
- Chaoui R, Benoit B, Mitkowska-Wozniak H, Heling KS, Nicolaides KH. Assessment of intracranial translucency (IT) in the detection of spina bifida at the 11-13-week scan. Ultrasound Obstet Gynecol. 2009 Sep;34(3):249-52. doi: 10.1002/uog.7329.
- Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020 Oct;56(4):498-505. doi: 10.1002/uog.22122.
- Chen Z, Liu Z, Du M, Wang Z. Artificial Intelligence in Obstetric Ultrasound: An Update and Future Applications. Front Med (Lausanne). 2021 Aug 27;8:733468. doi: 10.3389/fmed.2021.733468. eCollection 2021.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
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
- 5526
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
IPD-delingstidsramme
Tilgangskriterier for IPD-deling
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
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. .