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

AI-drevet bærbar MR-abnormitetsdeteksjon (APPMAD)

27. januar 2025 oppdatert av: King's College Hospital NHS Trust

Denne studien tar sikte på å teste en ny AI-drevet bærbar MR-skanner som raskt kan identifisere om en hjerneskanning er normal eller unormal. For øyeblikket er standard MR -skanninger dyre og har lange ventetider. Målet vårt er å se om en mindre, billigere og mer tilgjengelig MR-skanner-kombinert med kunstig intelligens (AI) -kan kan hjelpe leger med å identifisere abnormiteter raskere og forbedre pasientbehandlingen.

Vi vil invitere pasienter fra King's College Hospital (KCH) som allerede har en standard MR -skanning. De vil bli bedt om å ha en ekstra skanning med den bærbare MR -en, som tar omtrent 60 minutter. AI -verktøyet vil deretter analysere disse skannene og sammenligne resultatene med ekspertradiologer.

Mot slutten av studien håper vi å bevise om bærbar MR med AI kan brukes på sykehus og fastlegeklinikker, gjøre hjerneskanninger mer tilgjengelige, redusere ventetidene og hjelpe leger med å prioritere presserende tilfeller.

Denne studien er finansiert av Medical Research Council (MRC) og er godkjent av britiske forskningsetiske komiteer.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Studietype

Intervensjonell

Registrering (Antatt)

400

Fase

  • Ikke aktuelt

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

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

Nei

Beskrivelse

Inkluderingskriterier:

Voksne ≥ 18 år. Gjennomgår standard hjerne-MR inkludert T2-vektede sekvenser.

Eksklusjonskriterier:

Kontraindikasjoner for MR (f.eks. pacemaker, graviditet). MR -skanninger av dårlig kvalitet uten en neuroradiologirapport.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Screening
  • Tildeling: N/A
  • Intervensjonsmodell: Enkeltgruppeoppdrag
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: Bærbar, ultra-lav-felt MR-skanner
Pasienter som gjennomgår en standard MR -skanning av hjernen vil bli invitert til å få en ekstra bærbar MR -skanning innen 30 dager etter deres kliniske skanning.

Denne studien evaluerer en bærbar, ultra-lav-felt MR-skanner (den hyperfine swoop) kombinert med kunstig intelligens (AI) for å oppdage hjerneavvik.

Pasienter som gjennomgår en standard MR -skanning av hjernen vil bli invitert til å få en ekstra bærbar MR -skanning innen 30 dager etter deres kliniske skanning. Den bærbare MR-skanningen vil ta omtrent 60 minutter ved å bruke flere bildesekvenser, inkludert T2-vektede skanninger.

AI -systemet vil deretter analysere de bærbare MR -bildene og kategorisere dem som "normale" eller "unormale". Resultatene vil bli sammenlignet med ekspert neuroradiolograpporter fra standard MR -skanninger for å validere nøyaktighet.

Denne intervensjonen tar sikte på å vurdere om bærbar MR med AI kan gi et rimelig, tilgjengelig alternativ til standard MR, potensielt forbedre triage og redusere ventetidene for pasienter som krever presserende hjerneavbildning.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Nøyaktighet av AI -bompenger for triaging skanninger som "normal eller" unormal "
Tidsramme: 36 måneder
AI -triage nøyaktighet sammenlignet med vurdering av nevroradiologer.
36 måneder

Sekundære resultatmål

Resultatmål
Tidsramme
Generaliserbarhet av AI -verktøy (evaluert på eksternt datasett).
Tidsramme: 36 måneder
36 måneder
Pasient akseptabilitet av bærbar MR (undersøkelse/intervjuer)
Tidsramme: 36 måneder
36 måneder
Mulighet for å integrere bærbar MR i kliniske veier.
Tidsramme: 36 måneder
36 måneder

Samarbeidspartnere og etterforskere

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

Samarbeidspartnere

Etterforskere

  • Hovedetterforsker: Thomas Booth, Dr, King's College London & King's College Hospital

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 (Antatt)

1. februar 2025

Primær fullføring (Antatt)

1. oktober 2027

Studiet fullført (Antatt)

1. oktober 2027

Datoer for studieregistrering

Først innsendt

27. januar 2025

Først innsendt som oppfylte QC-kriteriene

27. januar 2025

Først lagt ut (Faktiske)

25. mars 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

25. mars 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

27. januar 2025

Sist bekreftet

1. januar 2025

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • IRAS 347453

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

produkt produsert i og eksportert fra USA

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