- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06877182
Novell nevroradiologisk arbeidsflyt for assistert diagnose og håndtering av demens med kunstig intelligens (DIADEMA)
14. mars 2025 oppdatert av: IRCCS SYNLAB SDN
Å identifisere, screening og overvåke individer med risiko for Alzheimers sykdom (AD) og demens er en formidabel utfordring.
Neuroimaging, og spesielt magnetisk resonansavbildning (MRI), er avgjørende for å oppdage strukturell nevrodegenerasjon.
Imidlertid er nåværende kvantifiseringsverktøy hovedsakelig begrenset til forskningssammenhenger og gir ikke-standardiserte resultater.
Diadema vil bygge en systematisk og standardisert arbeidsflyt for å støtte neuro (radio) logisk diagnose.
Ved å kombinere kunstig intelligens (AI) og maskinlæring (ML) vil vi forbedre den kliniske diagnosen AD i nevroradiologi betydelig.
Vår viktigste hypotese er at en effektiv arbeidsflyt og tilknyttet høyere diagnostisk nøyaktighet vil redusere helsetjenester i betydelig grad, støtte klinisk beslutningstaking, gi andre meningsverktøy og forbedre pasientbehandlingen.
Dette doble fremskrittet vil ha stor innvirkning på helsevesenet, og markere et viktig skritt i kampen mot Alzheimers sykdom og demens.
Studieoversikt
Status
Aktiv, ikke rekrutterende
Forhold
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Antatt)
80000
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Naples, Italia, 80146
- Irccs Synlab Sdn
-
-
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
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Nei
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Pasienter som utfører hjernens magnetisk resonans i løpet av de siste 20 årene
Beskrivelse
Inkluderingskriterier:
- Pasienter som utfører hjernens magnetisk resonans i løpet av de siste 20 årene
Eksklusjonskriterier:
-
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Forbedring av den neuroradiologiske arbeidsflytytelsen
Tidsramme: 1-36 måned
|
ROC -kurver
|
1-36 måned
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Etterforskere
- Hovedetterforsker: Marco Aiello, Irccs Synlab Sdn
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.
Generelle publikasjoner
- McKhann GM, Knopman DS, Chertkow H, Hyman BT, Jack CR Jr, Kawas CH, Klunk WE, Koroshetz WJ, Manly JJ, Mayeux R, Mohs RC, Morris JC, Rossor MN, Scheltens P, Carrillo MC, Thies B, Weintraub S, Phelps CH. The diagnosis of dementia due to Alzheimer's disease: recommendations from the National Institute on Aging-Alzheimer's Association workgroups on diagnostic guidelines for Alzheimer's disease. Alzheimers Dement. 2011 May;7(3):263-9. doi: 10.1016/j.jalz.2011.03.005. Epub 2011 Apr 21.
- Jack CR Jr, Bennett DA, Blennow K, Carrillo MC, Feldman HH, Frisoni GB, Hampel H, Jagust WJ, Johnson KA, Knopman DS, Petersen RC, Scheltens P, Sperling RA, Dubois B. A/T/N: An unbiased descriptive classification scheme for Alzheimer disease biomarkers. Neurology. 2016 Aug 2;87(5):539-47. doi: 10.1212/WNL.0000000000002923. Epub 2016 Jul 1.
- Hosny A, Parmar C, Quackenbush J, Schwartz LH, Aerts HJWL. Artificial intelligence in radiology. Nat Rev Cancer. 2018 Aug;18(8):500-510. doi: 10.1038/s41568-018-0016-5.
- van Leeuwen KG, Schalekamp S, Rutten MJCM, van Ginneken B, de Rooij M. Artificial intelligence in radiology: 100 commercially available products and their scientific evidence. Eur Radiol. 2021 Jun;31(6):3797-3804. doi: 10.1007/s00330-021-07892-z. Epub 2021 Apr 15.
- Filip AC, Azevedo T, Passamonti L, Toschi N, Lio P. A novel Graph Attention Network Architecture for modeling multimodal brain connectivity. Annu Int Conf IEEE Eng Med Biol Soc. 2020 Jul;2020:1071-1074. doi: 10.1109/EMBC44109.2020.9176613.
- Spasov SE, Passamonti L, Duggento A, Lio P, Toschi N. A Multi-modal Convolutional Neural Network Framework for the Prediction of Alzheimer's Disease. Annu Int Conf IEEE Eng Med Biol Soc. 2018 Jul;2018:1271-1274. doi: 10.1109/EMBC.2018.8512468.
- Spasov S, Passamonti L, Duggento A, Lio P, Toschi N; Alzheimer's Disease Neuroimaging Initiative. A parameter-efficient deep learning approach to predict conversion from mild cognitive impairment to Alzheimer's disease. Neuroimage. 2019 Apr 1;189:276-287. doi: 10.1016/j.neuroimage.2019.01.031. Epub 2019 Jan 14.
- Esteban O, Birman D, Schaer M, Koyejo OO, Poldrack RA, Gorgolewski KJ. MRIQC: Advancing the automatic prediction of image quality in MRI from unseen sites. PLoS One. 2017 Sep 25;12(9):e0184661. doi: 10.1371/journal.pone.0184661. eCollection 2017.
- Archetti D, Young AL, Oxtoby NP, Ferreira D, Martensson G, Westman E, Alexander DC, Frisoni GB, Redolfi A; for Alzheimer's Disease Neuroimaging Initiative and EuroPOND Consortium. Inter-Cohort Validation of SuStaIn Model for Alzheimer's Disease. Front Big Data. 2021 May 20;4:661110. doi: 10.3389/fdata.2021.661110. eCollection 2021.
- Redolfi A, De Francesco S, Palesi F, Galluzzi S, Muscio C, Castellazzi G, Tiraboschi P, Savini G, Nigri A, Bottini G, Bruzzone MG, Ramusino MC, Ferraro S, Gandini Wheeler-Kingshott CAM, Tagliavini F, Frisoni GB, Ryvlin P, Demonet JF, Kherif F, Cappa SF, D'Angelo E. Medical Informatics Platform (MIP): A Pilot Study Across Clinical Italian Cohorts. Front Neurol. 2020 Sep 23;11:1021. doi: 10.3389/fneur.2020.01021. eCollection 2020.
- Ribaldi F, Altomare D, Jovicich J, Ferrari C, Picco A, Pizzini FB, Soricelli A, Mega A, Ferretti A, Drevelegas A, Bosch B, Muller BW, Marra C, Cavaliere C, Bartres-Faz D, Nobili F, Alessandrini F, Barkhof F, Gros-Dagnac H, Ranjeva JP, Wiltfang J, Kuijer J, Sein J, Hoffmann KT, Roccatagliata L, Parnetti L, Tsolaki M, Constantinidis M, Aiello M, Salvatore M, Montalti M, Caulo M, Didic M, Bargallo N, Blin O, Rossini PM, Schonknecht P, Floridi P, Payoux P, Visser PJ, Bordet R, Lopes R, Tarducci R, Bombois S, Hensch T, Fiedler U, Richardson JC, Frisoni GB, Marizzoni M. Accuracy and reproducibility of automated white matter hyperintensities segmentation with lesion segmentation tool: A European multi-site 3T study. Magn Reson Imaging. 2021 Feb;76:108-115. doi: 10.1016/j.mri.2020.11.008. Epub 2020 Nov 19.
- Morid MA, Borjali A, Del Fiol G. A scoping review of transfer learning research on medical image analysis using ImageNet. Comput Biol Med. 2021 Jan;128:104115. doi: 10.1016/j.compbiomed.2020.104115. Epub 2020 Nov 13.
- Bao S, Boyd BD, Kanakaraj P, Ramadass K, Meyer FAC, Liu Y, Duett WE, Huo Y, Lyu I, Zald DH, Smith SA, Rogers BP, Landman BA. Integrating the BIDS Neuroimaging Data Format and Workflow Optimization for Large-Scale Medical Image Analysis. J Digit Imaging. 2022 Dec;35(6):1576-1589. doi: 10.1007/s10278-022-00679-8. Epub 2022 Aug 3.
- Rajput D, Wang WJ, Chen CC. Evaluation of a decided sample size in machine learning applications. BMC Bioinformatics. 2023 Feb 14;24(1):48. doi: 10.1186/s12859-023-05156-9.
- Boccardi M, Altomare D, Ferrari C, Festari C, Guerra UP, Paghera B, Pizzocaro C, Lussignoli G, Geroldi C, Zanetti O, Cotelli MS, Turla M, Borroni B, Rozzini L, Mirabile D, Defanti C, Gennuso M, Prelle A, Gentile S, Morandi A, Vollaro S, Volta GD, Bianchetti A, Conti MZ, Cappuccio M, Carbone P, Bellandi D, Abruzzi L, Bettoni L, Villani D, Raimondi MC, Lanari A, Ciccone A, Facchi E, Di Fazio I, Rozzini R, Boffelli S, Manzoni L, Salvi GP, Cavaliere S, Belotti G, Avanzi S, Pasqualetti P, Muscio C, Padovani A, Frisoni GB; Incremental Diagnostic Value of Amyloid PET With [18F]-Florbetapir (INDIA-FBP) Working Group. Assessment of the Incremental Diagnostic Value of Florbetapir F 18 Imaging in Patients With Cognitive Impairment: The Incremental Diagnostic Value of Amyloid PET With [18F]-Florbetapir (INDIA-FBP) Study. JAMA Neurol. 2016 Dec 1;73(12):1417-1424. doi: 10.1001/jamaneurol.2016.3751.
- Teipel S, Grothe MJ; Alzheimer's Disease Neuroimaging Initiative. MRI-based basal forebrain atrophy and volumetric signatures associated with limbic TDP-43 compared to Alzheimer's disease pathology. Neurobiol Dis. 2023 May;180:106070. doi: 10.1016/j.nbd.2023.106070. Epub 2023 Mar 8.
- De Francesco S, Galluzzi S, Vanacore N, Festari C, Rossini PM, Cappa SF, Frisoni GB, Redolfi A. Norms for Automatic Estimation of Hippocampal Atrophy and a Step Forward for Applicability to the Italian Population. Front Neurosci. 2021 Jun 28;15:656808. doi: 10.3389/fnins.2021.656808. eCollection 2021.
- Qiu S, Miller MI, Joshi PS, Lee JC, Xue C, Ni Y, Wang Y, De Anda-Duran I, Hwang PH, Cramer JA, Dwyer BC, Hao H, Kaku MC, Kedar S, Lee PH, Mian AZ, Murman DL, O'Shea S, Paul AB, Saint-Hilaire MH, Alton Sartor E, Saxena AR, Shih LC, Small JE, Smith MJ, Swaminathan A, Takahashi CE, Taraschenko O, You H, Yuan J, Zhou Y, Zhu S, Alosco ML, Mez J, Stein TD, Poston KL, Au R, Kolachalama VB. Multimodal deep learning for Alzheimer's disease dementia assessment. Nat Commun. 2022 Jun 20;13(1):3404. doi: 10.1038/s41467-022-31037-5.
- Faggioni L, Coppola F, Ferrari R, Neri E, Regge D. Usage of structured reporting in radiological practice: results from an Italian online survey. Eur Radiol. 2017 May;27(5):1934-1943. doi: 10.1007/s00330-016-4553-6. Epub 2016 Aug 29.
- Bosco P, Redolfi A, Bocchetta M, Ferrari C, Mega A, Galluzzi S, Austin M, Chincarini A, Collins DL, Duchesne S, Marechal B, Roche A, Sensi F, Wolz R, Alegret M, Assal F, Balasa M, Bastin C, Bougea A, Emek-Savas DD, Engelborghs S, Grimmer T, Grosu G, Kramberger MG, Lawlor B, Mandic Stojmenovic G, Marinescu M, Mecocci P, Molinuevo JL, Morais R, Niemantsverdriet E, Nobili F, Ntovas K, O'Dwyer S, Paraskevas GP, Pelini L, Picco A, Salmon E, Santana I, Sotolongo-Grau O, Spiru L, Stefanova E, Popovic KS, Tsolaki M, Yener GG, Zekry D, Frisoni GB. The impact of automated hippocampal volumetry on diagnostic confidence in patients with suspected Alzheimer's disease: A European Alzheimer's Disease Consortium study. Alzheimers Dement. 2017 Sep;13(9):1013-1023. doi: 10.1016/j.jalz.2017.01.019. Epub 2017 Mar 3.
- Buchlak QD, Milne MR, Seah J, Johnson A, Samarasinghe G, Hachey B, Esmaili N, Tran A, Leveque JC, Farrokhi F, Goldschlager T, Edelstein S, Brotchie P. Charting the potential of brain computed tomography deep learning systems. J Clin Neurosci. 2022 May;99:217-223. doi: 10.1016/j.jocn.2022.03.014. Epub 2022 Mar 12.
- Redolfi A, Archetti D, De Francesco S, Crema C, Tagliavini F, Lodi R, Ghidoni R, Gandini Wheeler-Kingshott CAM, Alexander DC, D'Angelo E. Italian, European, and international neuroinformatics efforts: An overview. Eur J Neurosci. 2023 Jun;57(12):2017-2039. doi: 10.1111/ejn.15854. Epub 2022 Dec 14.
- Kwee TC, Kwee RM. Workload of diagnostic radiologists in the foreseeable future based on recent scientific advances: growth expectations and role of artificial intelligence. Insights Imaging. 2021 Jun 29;12(1):88. doi: 10.1186/s13244-021-01031-4.
- Aiello M, Cavaliere C, D'Albore A, Salvatore M. The Challenges of Diagnostic Imaging in the Era of Big Data. J Clin Med. 2019 Mar 6;8(3):316. doi: 10.3390/jcm8030316.
- Aiello M, Esposito G, Pagliari G, Borrelli P, Brancato V, Salvatore M. How does DICOM support big data management? Investigating its use in medical imaging community. Insights Imaging. 2021 Nov 8;12(1):164. doi: 10.1186/s13244-021-01081-8.
- Jonsson L, Tate A, Frisell O, Wimo A. The Costs of Dementia in Europe: An Updated Review and Meta-analysis. Pharmacoeconomics. 2023 Jan;41(1):59-75. doi: 10.1007/s40273-022-01212-z. Epub 2022 Nov 15.
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)
30. august 2024
Primær fullføring (Antatt)
30. desember 2025
Studiet fullført (Antatt)
31. august 2027
Datoer for studieregistrering
Først innsendt
10. mars 2025
Først innsendt som oppfylte QC-kriteriene
10. mars 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
14. mars 2025
Sist bekreftet
1. mars 2025
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 1/24
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. .