AI-basert system for lungetuberkulosescreening: Diagnostisk nøyaktighetsvurdering
25. mai 2023 oppdatert av: Anton V. Vladzymyrskyy, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department
Testing av AI-løsninger for å vurdere diagnostisk nøyaktighet for tuberkulosedeteksjon.
Studieoversikt
Status
Aktiv, ikke rekrutterende
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Tuberkulose er fortsatt et sentralt problem i moderne medisin. Nye tilnærminger for byrdeovervinnelse bør foreslås. Nye screeningsstrategier kan inkludere kunstig intelligens (AI). Et AI-basert system for røntgenanalyse og triage av thorax («normal/tuberkulose mistenkt») er utviklet og trent. Et spesielt datasett ble utarbeidet. Det er 238 normale røntgenbilder og 70 røntgenbilder med lungetuberkulose i datasettet. Datasettet ble tilfeldig delt inn i 2 prøver:
- prøve N1 (n=140) med forholdet "normal: tuberkulose" 50:50,
- prøve N1 (n=150) med forholdet "normal: tuberkulose" 95:5. Begge prøvene vil bli analysert med AI-basert system. Resultatene vil bli kvantifisert ved hjelp av diagnostiske nøyaktighetsmålinger: sensitivitet og spesifisitet, positive og negative prediktorverdier, sannsynlighetsforhold og areal under ROC-kurven (mottakerdriftskarakteristikk).
Studietype
Observasjonsmessig
Registrering (Faktiske)
308
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Moscow, Den russiske føderasjonen, 109029
- Research and Practical Center of Medical Radiology, Department of Health Care of Moscow
-
-
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
- Voksen
- Eldre voksen
Tar imot friske frivillige
N/A
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
308 røntgenbilder fra thorax valgt fra databasen til Unified Radiological Information Service (URIS) i Moskva
Beskrivelse
Inklusjonskriterier:
- ingen patologi i en lunge ved røntgen av thorax
- tegn på lungetuberkulose på røntgen av thorax
Ekskluderingskriterier:
- enhver patologi i lungene (unntatt tuberkulose)
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 |
|---|---|
|
Prøve N1
(n=140) med forholdet "normal: tuberkulose" 50:50
|
Alle inkluderte røntgenbilder vil bli analysert av det AI-baserte systemet.
Deretter vil resultatene bli sammenlignet med vurderinger fra 2 erfarne radiologer (de foretar fagfellevurdering av alle inkluderte bilder uavhengig av hverandre).
Andre navn:
|
|
Prøve N2
(n=150) med forholdet "normal: tuberkulose" 95:5
|
Alle inkluderte røntgenbilder vil bli analysert av det AI-baserte systemet.
Deretter vil resultatene bli sammenlignet med vurderinger fra 2 erfarne radiologer (de foretar fagfellevurdering av alle inkluderte bilder uavhengig av hverandre).
Andre navn:
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk nøyaktighetsmåling 1
Tidsramme: Dag 1 ved mottak av data
|
Følsomhet
|
Dag 1 ved mottak av data
|
|
Diagnostisk nøyaktighetsmåling 2
Tidsramme: Dag 2 ved mottak av data
|
Spesifisitet
|
Dag 2 ved mottak av data
|
|
Diagnostisk nøyaktighetsmåling 3
Tidsramme: Dag 3 ved mottak av data
|
Positive prediktorverdier
|
Dag 3 ved mottak av data
|
|
Diagnostisk nøyaktighetsmåling 4
Tidsramme: Dag 4 ved mottak av data
|
Negative prediktorverdier
|
Dag 4 ved mottak av data
|
|
Diagnostisk nøyaktighetsmåling 5
Tidsramme: Dag 5 ved mottak av data
|
Sannsynlighetsrate
|
Dag 5 ved mottak av data
|
|
Diagnostisk nøyaktighetsmåling 6
Tidsramme: Dag 6 ved mottak av data
|
Område under ROC-kurven
|
Dag 6 ved mottak av data
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Hovedetterforsker: Anton Vladzymyrskyy, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health 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)
1. februar 2018
Primær fullføring (Faktiske)
15. mars 2018
Studiet fullført (Antatt)
30. desember 2023
Datoer for studieregistrering
Først innsendt
28. mars 2018
Først innsendt som oppfylte QC-kriteriene
25. mai 2023
Først lagt ut (Faktiske)
5. juni 2023
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
5. juni 2023
Siste oppdatering sendt inn som oppfylte QC-kriteriene
25. mai 2023
Sist bekreftet
1. mai 2023
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2018-1
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. .