- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06075836
AI-assistert deteksjon av røntgenstråler (AID-CXR)
Bruken av et AI-basert CXR-tolkningsverktøy for å hjelpe helsepersonell med diagnostisk nøyaktighet, hastighet og tillit: en studie som bruker 500 retrospektivt innsamlede CXR-er på sykehus og akuttmottak fra to britiske sykehustruster
Denne studien er lagt til som en delstudie til Simulation Training for Emergency Department Imaging 2-studien (ClinicalTrials.gov ID NCT05427838).
Lunit INSIGHT CXR er en valideringsstudie som tar sikte på å vurdere nytten av et kunstig intelligens-basert (AI) thorax røntgen (CXR) tolkningsverktøy for å hjelpe diagnostisk nøyaktighet, hastighet og selvtillit til en variert gruppe helsepersonell. Studien vil bli utført ved å bruke 500 retrospektivt innsamlede CXR-bilder fra sykehus og akuttmottak fra to sykehustruster i Storbritannia (UK). To stipendiatutdannede thoraxradiologer vil uavhengig gjennomgå alle studier for å etablere referansestandarden for grunnsannhet. Lunit INSIGHT CXR-verktøyet vil bli brukt til å analysere hver CXR, og ytelsen vil bli målt mot ekspertleserne. Studien vil evaluere nytten av algoritmen for å forbedre leserens nøyaktighet og tillit målt ved sensitivitet, spesifisitet, positiv prediktiv verdi og negativ prediktiv verdi. Studien vil måle ytelsen til algoritmen mot ti unormale funn, inkludert lungeknuter/masse, konsolidering, pneumothorax, atelektase, forkalkning, kardiomegali, fibrose, mediastinal utvidelse, pleural effusjon og pneumoperitoneum. Studien vil involvere lesere fra ulike kliniske faggrupper med og uten bistand fra Lunit INSIGHT CXR. Studien vil gi bevis på virkningen av AI-algoritmer for å hjelpe helsepersonell som akuttmedisin og allmennmedisinske leger som jevnlig gjennomgår bilder i sin daglige praksis.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Sarim Ather, PhD
- Telefonnummer: +44 7877724961
- E-post: sarim.ather@ouh.nhs.uk
Studer Kontakt Backup
- Navn: Alex Novak, MSc
- Telefonnummer: +44 7944653979
- E-post: alex.novak@ouh.nhs.uk
Studiesteder
-
-
Oxfordshire
-
Oxford, Oxfordshire, Storbritannia, OX3 9DU
- Oxford University Hospitals NHS Foundation Trust
-
Ta kontakt med:
- Abdalá T Espinosa Morgado, MSc
- Telefonnummer: +44 7864573863
- E-post: abdala.espinosa@ouh.nhs.uk
-
Hovedetterforsker:
- Sarim Ather, PhD
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Generelle radiologer/radiografer/leger som vurderer CXR som en del av deres rutinemessige kliniske praksis
Ekskluderingskriterier:
- Thoraxradiologer
- Ikke-radiologiske leger med tidligere formell postgraduate CXR-rapporteringsopplæring.
- Ikke-radiologiske leger med tidligere karriere innen radiologi, luftveismedisin eller thoraxkirurgi til registrar- eller konsulentnivå
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
---|---|
Lesere/deltakere
Leserutvalg: 30 lesere vil bli valgt fra følgende fem kliniske spesialitetsgrupper:
Hver spesialitetsgruppe består av 6 medlemmer med rangert ansiennitet. For legene består dette av:
For radiografene består dette av:
|
Lesingen vil bli gjort eksternt via nettstedet for rapport- og bildekvalitetskontroll (www.RAIQC.com), en nettbasert plattform som tillater visning og rapportering av medisinsk bildebehandling. Deltakerne kan jobbe fra hvilket som helst sted, men arbeidet må gjøres fra en datamaskin med internettilgang. For å unngå tvil kan arbeidet ikke utføres fra telefon eller nettbrett. Prosjektet er delt inn i to faser og deltakerne er pålagt å gjennomføre begge fasene. Beregnet total involvering i prosjektet er inntil 20-24 timer. Fase 1: Tid tillatt: 2 uker - Gjennomgå 500 røntgenbilder av thorax og gi uttrykk for en klinisk mening gjennom en strukturert rapporteringsmal (flervalg, ingen åpen tekst nødvendig). Hvile-/utvaskingsperiode på 2 uker. Fase 2 - Tid tillatt: 2 uker - Gjennomgå 500 røntgenbilder av thorax sammen med en AI-rapport for hvert tilfelle og gi uttrykk for din kliniske mening gjennom den samme strukturerte rapporteringsmalen som ble brukt i fase A. |
Ground truthers
To rådgivende thoraxradiologer.
En tredje senior thoraxradiologs vurdering (>20 års erfaring) vil foreta voldgift.
|
To konsulenter for thoraxradiologer vil uavhengig vurdere bildene for å etablere "grunnsannheten"-funnene på CXR-ene, der det oppnås konsensus, vil dette deretter bli brukt som referansestandard.
I tilfelle uenighet vil en tredje senior thoraxradiologs mening (>20 års erfaring) foreta voldgift.
En vanskelighetsscore vil bli tildelt hver unormalitet av bakketrerne ved å bruke en 4-punkts Likert-skala (1 er lett/opplagt til 4 er vanskelig/dårlig visualisert).
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Ytelse av AI-algoritme: følsomhet
Tidsramme: I løpet av 4 ukers lesetid
|
Evaluering av Lunit INSIGHT CXR-algoritmen vil bli utført ved å sammenligne den med referansestandarden for å bestemme sensitivitet.
|
I løpet av 4 ukers lesetid
|
Ytelse til AI-algoritme: spesifisitet
Tidsramme: I løpet av 4 ukers lesetid
|
Evaluering av Lunit INSIGHT CXR-algoritmen vil bli utført ved å sammenligne den med referansestandarden for å bestemme spesifisitet.
|
I løpet av 4 ukers lesetid
|
Ytelse til AI-algoritme: Areal under ROC-kurven (AU ROC)
Tidsramme: I løpet av 4 ukers lesetid
|
Evaluering av Lunit INSIGHT CXR-algoritmen vil bli utført ved å sammenligne den med referansestandarden.
Kontinuerlig sannsynlighetsscore fra algoritmen vil bli benyttet for ROC-analysene, mens binære klassifiseringsresultater med forhåndsdefinert driftsavskjæring vil bli brukt for evaluering av sensitivitet, spesifisitet, positiv prediktiv verdi og negativ prediktiv verdi.
|
I løpet av 4 ukers lesetid
|
Ytelse til lesere med og uten AI-hjelp: Sensitivitet
Tidsramme: I løpet av 4 ukers lesetid
|
Studien vil inkludere to økter (med og uten AI-overlegg), hvor alle 30 lesere gjennomgår alle 500 CXR-tilfeller hver gang atskilt av en utvaskingsperiode for å redusere tilbakekallingsskjevhet.
Sakene vil bli randomisert mellom de to lestene og for hver leser.
|
I løpet av 4 ukers lesetid
|
Ytelse til lesere med og uten AI-hjelp: Spesifisitet
Tidsramme: I løpet av 4 ukers lesetid
|
Studien vil inkludere to økter (med og uten AI-overlegg), hvor alle 30 lesere gjennomgår alle 500 CXR-tilfeller hver gang atskilt av en utvaskingsperiode for å redusere tilbakekallingsskjevhet.
Sakene vil bli randomisert mellom de to lestene og for hver leser.
|
I løpet av 4 ukers lesetid
|
Ytelse til lesere med og uten AI-hjelp: Area under ROC Curve (AU ROC)
Tidsramme: I løpet av 4 ukers lesetid
|
Studien vil inkludere to økter (med og uten AI-overlegg), hvor alle 30 lesere gjennomgår alle 500 CXR-tilfeller hver gang atskilt av en utvaskingsperiode for å redusere tilbakekallingsskjevhet.
Sakene vil bli randomisert mellom de to lestene og for hver leser.
|
I løpet av 4 ukers lesetid
|
Leserhastighet med vs uten AI-hjelp.
Tidsramme: I løpet av 4 ukers lesetid
|
Gjennomsnittlig tid det tar å gjennomgå en skanning, med kontra uten AI-hjelp.
|
I løpet av 4 ukers lesetid
|
Samarbeidspartnere og etterforskere
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Greenhalgh R, Howlett DC, Drinkwater KJ. Royal College of Radiologists national audit evaluating the provision of imaging in the severely injured patient and compliance with national guidelines. Clin Radiol. 2020 Mar;75(3):224-231. doi: 10.1016/j.crad.2019.10.025. Epub 2019 Dec 19.
- Zech JR, Badgeley MA, Liu M, Costa AB, Titano JJ, Oermann EK. Variable generalization performance of a deep learning model to detect pneumonia in chest radiographs: A cross-sectional study. PLoS Med. 2018 Nov 6;15(11):e1002683. doi: 10.1371/journal.pmed.1002683. eCollection 2018 Nov.
- Spiritoso R, Padley S, Singh S. Chest X-ray interpretation in UK intensive care units: A survey 2014. J Intensive Care Soc. 2015 Nov;16(4):339-344. doi: 10.1177/1751143715580141. Epub 2015 May 18.
- Wilson C. X-ray misinterpretation in urgent care: where does it occur, why does it occur, and does it matter? N Z Med J. 2022 Apr 1;135:49-65.
- Jones CM, Buchlak QD, Oakden-Rayner L, Milne M, Seah J, Esmaili N, Hachey B. Chest radiographs and machine learning - Past, present and future. J Med Imaging Radiat Oncol. 2021 Aug;65(5):538-544. doi: 10.1111/1754-9485.13274. Epub 2021 Jun 25.
- Ahmad HK, Milne MR, Buchlak QD, Ektas N, Sanderson G, Chamtie H, Karunasena S, Chiang J, Holt X, Tang CHM, Seah JCY, Bottrell G, Esmaili N, Brotchie P, Jones C. Machine Learning Augmented Interpretation of Chest X-rays: A Systematic Review. Diagnostics (Basel). 2023 Feb 15;13(4):743. doi: 10.3390/diagnostics13040743.
- van Beek EJR, Ahn JS, Kim MJ, Murchison JT. Validation study of machine-learning chest radiograph software in primary and emergency medicine. Clin Radiol. 2023 Jan;78(1):1-7. doi: 10.1016/j.crad.2022.08.129. Epub 2022 Sep 25.
- Kundu R, Das R, Geem ZW, Han GT, Sarkar R. Pneumonia detection in chest X-ray images using an ensemble of deep learning models. PLoS One. 2021 Sep 7;16(9):e0256630. doi: 10.1371/journal.pone.0256630. eCollection 2021.
- Matsumoto T, Kodera S, Shinohara H, Ieki H, Yamaguchi T, Higashikuni Y, Kiyosue A, Ito K, Ando J, Takimoto E, Akazawa H, Morita H, Komuro I. Diagnosing Heart Failure from Chest X-Ray Images Using Deep Learning. Int Heart J. 2020 Jul 30;61(4):781-786. doi: 10.1536/ihj.19-714. Epub 2020 Jul 18. Erratum In: Int Heart J. 2020;61(5):1088.
- Hillis JM, Bizzo BC, Mercaldo S, Chin JK, Newbury-Chaet I, Digumarthy SR, Gilman MD, Muse VV, Bottrell G, Seah JCY, Jones CM, Kalra MK, Dreyer KJ. Evaluation of an Artificial Intelligence Model for Detection of Pneumothorax and Tension Pneumothorax in Chest Radiographs. JAMA Netw Open. 2022 Dec 1;5(12):e2247172. doi: 10.1001/jamanetworkopen.2022.47172.
- Homayounieh F, Digumarthy S, Ebrahimian S, Rueckel J, Hoppe BF, Sabel BO, Conjeti S, Ridder K, Sistermanns M, Wang L, Preuhs A, Ghesu F, Mansoor A, Moghbel M, Botwin A, Singh R, Cartmell S, Patti J, Huemmer C, Fieselmann A, Joerger C, Mirshahzadeh N, Muse V, Kalra M. An Artificial Intelligence-Based Chest X-ray Model on Human Nodule Detection Accuracy From a Multicenter Study. JAMA Netw Open. 2021 Dec 1;4(12):e2141096. doi: 10.1001/jamanetworkopen.2021.41096.
- Wu JT, Wong KCL, Gur Y, Ansari N, Karargyris A, Sharma A, Morris M, Saboury B, Ahmad H, Boyko O, Syed A, Jadhav A, Wang H, Pillai A, Kashyap S, Moradi M, Syeda-Mahmood T. Comparison of Chest Radiograph Interpretations by Artificial Intelligence Algorithm vs Radiology Residents. JAMA Netw Open. 2020 Oct 1;3(10):e2022779. doi: 10.1001/jamanetworkopen.2020.22779.
Hjelpsomme linker
- Richards M. Diagnostics: Recovery and Renewal - Report of the Independent Review of Diagnostic Services for NHS England. NHS England 2022.
- Royal College of Radiologists. Clinical radiology UK workforce census 2019 report. Royal College of Radiologists 2020.
- www.nice.org.uk. (2022). Summary | Artificial intelligence for analysing chest X-ray images | Advice | NICE. [online] Available at:
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
- Sykdommer i fordøyelsessystemet
- Patologiske prosesser
- Hjertesykdommer
- Kardiovaskulære sykdommer
- Sykdommer i luftveiene
- Neoplasmer
- Lungesykdommer
- Neoplasmer etter nettsted
- Peritoneale sykdommer
- Pleurale sykdommer
- Neoplasmer i luftveiene
- Thoracale neoplasmer
- Patologiske tilstander, anatomiske
- Fibrose
- Lungeneoplasmer
- Lungesykdommer, interstitielle
- Hypertrofi
- Pneumoperitoneum
- Pneumotoraks
- Pulmonal atelektase
- Flere lungeknuter
- Lungefibrose
- Kardiomegali
- Pleuravæske
- Solitær lungeknute
Andre studie-ID-numre
- 310995 - B
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. .
Kliniske studier på Pneumoperitoneum
-
Balázs SütőAktiv, ikke rekrutterendePneumoperitoneum øker gjennomsnittlig ekspiratorisk strømningshastighetUngarn
-
Hannover Medical SchoolUniversity of Zurich; Technische Universität DresdenFullførtAnuria | Stressfysiologi | Personalets arbeidsbelastning | Kunstig pneumoperitoneumTyskland
-
Karadeniz Technical UniversityUkjent
-
Kliniken Essen-MitteUkjent
-
Assiut UniversityFullført
-
National Taiwan University HospitalUkjent
-
ASST Fatebenefratelli SaccoFullførtKontinuerlig positivt luftveistrykk [E02.041.625.790.259] | Prostatektomi [E04.950.774.860.625] | Laparoskopi [E01.370.388.250.520] | Pneumoperitoneum [C06.844.670]Italia
-
Eva IntagliataFullført
-
University Hospital, Strasbourg, FranceFullførtPneumoperitoneumFrankrike
-
Western Galilee Hospital-NahariyaFullførtPneumoperitoneum
Kliniske studier på Lesing av saker
-
University of PittsburghFullførtHalspulsåren stenoseForente stater
-
Treatment Research InstituteNational Institute on Drug Abuse (NIDA)Fullført
-
Sichuan Provincial People's HospitalRekruttering
-
Opera CRO, a TIGERMED Group CompanyFullført
-
Soterix MedicalFullført
-
University of OxfordNHS Health Technology Assessment Programme; BUPA FoundationUkjentCarotis stenoseTyskland, Italia, Israel, Storbritannia, Kroatia, Sveits, Kina, Canada, Østerrike, Sverige, Spania, Belgia, Tsjekkia, Frankrike, Forente stater, Brasil, Bulgaria, Egypt, Estland, Hellas, Ungarn, Irland, Japan, Kasakhstan, Nederland, Norge, Polen og mer
-
Xuanwu Hospital, BeijingRekrutteringPlakk for halspulsåren | Stenting av halspulsåren | Carotis endarterektomiKina
-
The First Affiliated Hospital of University of...RekrutteringIskemisk hjerneslag | Carotis stenose | Halspulsåresykdommer | Cerebral revaskulariseringKina
-
Environmental Protection Agency (EPA)FullførtRespirasjonsdepresjonForente stater