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

Forbedring av kunstig intelligens-drevne algoritmer for estimering av lengde og vekt hos nyfødte og spedbarn opp til 6 måneder (NEST) (NEST)

8. april 2026 oppdatert av: Danone Asia Pacific Holdings Pte, Ltd.

Forbedring av kunstig intelligens-drevne algoritmer for estimering av lengde og vekt hos nyfødte og spedbarn opp til 6 måneders alder

NEST-studien er en prospektiv, observasjonsbasert forskningsstudie designet for å samle kliniske målinger og bildedata for å utvikle og evaluere kunstig intelligens (AI)-avledede algoritmer for estimering av antropometriske parametre hos nyfødte og småbarn.
Studien fokuserer på spedbarn fra fødsel opp til 6 måneders alder og har som mål å vurdere nøyaktigheten til AI-baserte estimater av lengde, vekt og hodeomkrets ved bruk av fotografier og/eller videoopptak tatt under rutinemessig klinisk omsorg.
Disse AI-avledede målingene vil bli sammenlignet med standard kliniske målinger utført av trente helsepersonell i nyfødt- og spedbarnsomsorgsinnstillinger.

Studieoversikt

Status

Rekruttering

Detaljert beskrivelse

NEST-studien er en prospektiv, observasjonell kohortstudie designet for å samle sammenkoblede kliniske referansemålinger, bildedata og tilhørende klinisk informasjon for å støtte utviklingen og proof-of-concept-evalueringen av kunstig intelligens (KI)-baserte algoritmer for estimering av antropometriske parametere hos nyfødte og småbarn.

Standard kliniske antropometriske målinger – inkludert barnets lengde, vekt og hodeomkrets – utføres av utdannet helsepersonell i samsvar med stedets standard kliniske prosedyrer og etablerte nyfødt-målemetoder. Disse målingene fungerer som den kliniske referansestandarden for sammenligning med KI-baserte estimater. Alle referansemålinger som samles inn som del av rutinemessig klinisk omsorg i studieperioden kan registreres.

Parallelt med kliniske målinger samles ikke-invasiv bildedata som består av todimensjonale fotografier og/eller videoopptak av barnet inn ved bruk av digitale bildeopptakere. Bildeinnhenting skjer under virkelige kliniske forhold og krever ikke ytterligere fysisk kontakt utover rutinemessig omsorg. Bilde- og videodata kan samles inn på flere tidspunkt for en gitt deltaker, inkludert gjentatte vurderinger under innleggelse eller oppfølging, der det er aktuelt. Bildebaserte målinger brukes ikke for klinisk beslutningstaking.

KI-baserte estimater sammenlignes med standard kliniske referansemålinger ved bruk av forhåndsdefinerte analytiske nøyaktighets- og samsvarsmetrikker.

Sekundære og utforskende mål inkluderer evaluering av KI-modeller for ytterligere antropometriske parametere, som vekt og hodeomkrets, samt vurdering av gjennomførbarheten av bildeinnhenting i nyfødt- og spedbarnsomsetninger. Forsker- og foreldrerapporterte oppfatninger knyttet til brukervennligheten og aksepten av bildebaserte målemetoder evalueres også.

For deltakere med laboratorietestresultater innhentet som del av rutinemessig klinisk omsorg, kan utvalgte laboratorieverdier registreres. I en undergruppe av deltakere kan ytterligere bildedata samles inn for å støtte utforskende forskning relatert til KI-basert estimering av jernstatus. Ingen ytterligere laboratorietesting utføres som del av studien.

Spørreskjemabasert tilbakemelding samles inn fra forskere og foreldre eller omsorgspersoner om bildeinnhentingsprosessen og for å definere akseptable områder for forskjeller mellom KI-baserte estimater og standard kliniske målinger og/eller erfaringer og oppfatninger knyttet til bruken av KI-drevne digitale verktøy for overvåking av barnets vekstparametere og helse.

Alle studiedata kodes før analyse. Bildedata og kliniske målinger kobles sammen ved bruk av studiespesifikke deltakeridentifikatorer. Ingen ansiktsgjenkjenning eller identitetsverifisering utføres. Data lagres, behandles og analyseres i samsvar med godkjente databeskyttelses- og konfidensialitetsforanstaltninger og gjeldende regelverk.

Studietype

Observasjonsmessig

Registrering (Antatt)

60

Kontakter og plasseringer

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

Studiekontakt

  • Navn: Amilia Sng, Senior Digital Health R&I Study Manager, MSc Pharmacology
  • Telefonnummer: +6594773284
  • E-post: amilia.sng@danone.com

Studer Kontakt Backup

Studiesteder

      • Singapore, Singapore
        • Rekruttering
        • KK Women's and Children's Hospital
        • Ta kontakt med:
          • Bin Huey Quek, MBBS

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

Tar imot friske frivillige

N/A

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Studiepopulasjonen består av nyfødte og spedbarn fra fødsel opp til 6 måneders alder som er innlagt på en neonatal intensivavdeling (NICU) eller spesialavdeling for nyfødte (SCN). Kvalifiserte deltakere inkluderer svært premature, moderate til sene premature og fullgående spedbarn som oppfyller studiens inklusjonskriterier og hvis foreldre eller lovlig akseptable representanter gir skriftlig samtykke. Deltakere blir inkludert under deres NICU/SCN-opphold og følges prospektivt gjennom hele sykehusoppholdet, opp til maksimalt 10 uker. Studien samler antropometriske målinger og bilde- og videodata i forbindelse med rutinemessig klinisk omsorg.

Beskrivelse

Inklusjonskriterier:

  1. Spedbarn fra fødselen opp til 6 måneders postnatal alder (inkludert nyfødte) som har blitt innlagt på nyfødtintensivavdeling eller spedbarnsspesialavdeling ved screeningtidspunktet
  2. Foreldre(r) må kunne forstå innholdet i studien og være villige til at deres barn gjennomgår video- og fotoopptak, og til å gi tilgang til blodprøveresultater (hemoglobin) tatt som del av standard klinisk praksis
  3. Skriftlig samtykke fra foreldre og/eller juridisk akseptabel representant

Eksklusjonskriterier:

  1. Spedbarn født med gestasjonsalder under 28 uker
  2. Spedbarn som er intubert (dvs. endotrakeal, nasotrakeal intubasjon) ved screeningtidspunktet
  3. Forskeren vurderer av en eller annen grunn at deltakeren ikke vil være egnet for studien
  4. Deltakeren har en eksisterende medisinsk tilstand som vil forhindre standardisert måling av lengde og/eller hodeomkrets, f.eks. strukturell abnormitet i underkroppen, ortopediske tilstander, hydrocephalus
  5. Ansatte og/eller barn/familieemedlemmer eller slektninger av ansatte ved Danone Global Research & Innovation Center, Danone Asia Pacific Holdings Pte Ltd, eller deltakende sted

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
Svært premature spedbarn, moderate til sene premature spedbarn og fullgångne spedbarn
Denne kohorten inkluderer nyfødte og spedbarn fra fødselen opp til 6 måneders alder, som omfatter svært premature (28-31 uker svangerskap), moderat til sen premature (32-36 uker svangerskap) og fullgående spedbarn (≥37 uker svangerskap). Deltakere rekrutteres prospektivt under oppholdet på nyfødt- eller spedbarnsavdelinger. Dette er en observasjonsstudie; ingen undersøkelsesprodukt eller terapeutisk intervensjon gis. Studieprosedyrer innebærer innsamling av rutinemessige kliniske antropometriske målinger (lengde, vekt og hodeomkrets) og opptak av fotografier og/eller videoopptak for utvikling og evaluering av kunstig intelligens-baserte algoritmer. Alle data samles i forbindelse med standard klinisk behandling.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
For å evaluere nøyaktigheten til algoritmen for å estimere lengde (i cm)
Tidsramme: Fra innmelding (etter informert samtykke) til utskrivelse fra NICU/SCN, opptil maksimalt 10 uker
Det primære resultatmålet er proof-of-concept-nøyaktigheten til en kunstig intelligens (AI)-basert algoritme for å estimere spedbarnslengde på en neonatal intensivavdeling (NICU) eller på en spesialavdeling for spedbarn (SCN). AI-avledede lengdeestimater (i centimeter) hentet fra liggende bilder og/eller videoer sammenlignes med standard kliniske lengdemålinger utført av trente forskere ved bruk av Verdens helseorganisasjons (WHO) anbefalte teknikker. Nøyaktighet evalueres ved bruk av et sammensatt mål som inkluderer bias, gjennomsnittlig absolutt feil, gjennomsnittlig absolutt prosentvis feil og fordelingen av absolutte prosentvise feil ved forhåndsdefinerte terskler.
Fra innmelding (etter informert samtykke) til utskrivelse fra NICU/SCN, opptil maksimalt 10 uker

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
For å evaluere den gjennomsnittlige absolutte feilen til algoritmen for å estimere vekt (i kg)
Tidsramme: Fra innmelding (etter informert samtykke) til utskrivning fra NICU/SCN, opp til maksimalt 10 uker
Det sekundære resultatet er proof-of-concept-nøyaktigheten til en kunstig intelligens (AI)-basert algoritme for estimering av spedbarnsvekt i en neonatal intensivavdeling (NICU) eller spesialavdeling for nyfødte (SCN). AI-genererte vektestimater (i kilogram) fra liggende bilder og/eller videoer sammenlignes med standard kliniske vektmålinger utført av trente forskere som bruker Verdens helseorganisasjons (WHO) anbefalte teknikker. Nøyaktighet vurderes ved hjelp av et sammensatt mål som inkluderer bias, gjennomsnittlig absolutt feil, gjennomsnittlig absolutt prosentvis feil, og fordelingen av absolutte prosentvise feil ved forhåndsdefinerte terskler.
Fra innmelding (etter informert samtykke) til utskrivning fra NICU/SCN, opp til maksimalt 10 uker

Andre resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
For å evaluere gjennomsnittlig absolutt feil for algoritmen for å estimere hodeomkrets (i cm)
Tidsramme: Fra innmelding (etter informert samtykke) til utskrivelse fra NICU/SCN, opp til maksimalt 10 uker
Det utforskende resultatmålet evaluerer proof-of-concept-nøyaktigheten til en kunstig intelligens (AI)-basert algoritme for estimering av spedbarnets hodeomkrets i en neonatal intensivavdeling (NICU) eller spesialavdeling for spedbarn (SCN). AI-avledede hodeomkretsestimater hentet fra bilder og/eller videoer sammenlignes med standard kliniske hodeomkretsmålinger utført av opplærte forskere ved bruk av Verdens helseorganisasjon (WHO)-anbefalte teknikker. Nøyaktighet vurderes beskrivende ved bruk av passende feilmål for å utforske gjennomførbarheten og potensiell klinisk nytte av bildebaserte AI-estimeringsmetoder.
Fra innmelding (etter informert samtykke) til utskrivelse fra NICU/SCN, opp til maksimalt 10 uker
Enkelhet ved innsamling av bilder av undersøker for hver deltaker (Veldig enkelt, Enkelt, Normal, Vanskelig, Veldig vanskelig]
Tidsramme: En gang per deltaker, før utskrivelse fra neonatalavdeling/spesialavdeling for nyfødte (ved studiens avslutning) [1 dag]
Undersøkerens vurdering av hvor enkelt det er å samle inn bildene
En gang per deltaker, før utskrivelse fra neonatalavdeling/spesialavdeling for nyfødte (ved studiens avslutning) [1 dag]
Forventet nøyaktighetsnivå fra forskeren for lengde [Mindre enn eller lik 1 cm, mindre enn eller lik 2 cm, mindre enn eller lik 3 cm, mindre enn eller lik 4 cm, mindre enn eller lik 5 cm, mer enn 5 cm]
Tidsramme: Per deltaker, ved studiedeltakelsens slutt (før utskrivelse fra NICU/SCN) [1 dag]
Forventet nøyaktighetsnivå for de antropometriske målingene for lengde
Per deltaker, ved studiedeltakelsens slutt (før utskrivelse fra NICU/SCN) [1 dag]
For å vurdere den gjennomsnittlige absolutte feilen til Iron-algoritmen for å estimere hemoglobin-nivå (mg/dl) ved bruk av bildegjenkjennings-teknologi
Tidsramme: Ved opptak eller når rutinemessige kliniske hemoglobinresultater blir tilgjengelige under NICU/SCN-oppholdet (enkelt tidspunkt) [1 dag]
Dette utforskende resultatmålet evaluerer konseptbevis-nøyaktigheten (POC) til en kunstig intelligens (AI)-basert algoritme for estimering av hemoglobin-nivåer (Iron AI) i en neonatal intensivavdeling (NICU) eller spesialavdeling for spedbarn (SCN). AI-avledede hemoglobin-estimater (g/dL), generert fra bilder og/eller videoer samlet inn som del av studien, sammenlignes med hemoglobin-verdier hentet fra standard vene-blodprøvetaking utført som del av rutinemessig klinisk behandling. Nøyaktighet vurderes ved bruk av en sammensatt metrikk som inkluderer bias, gjennomsnittlig absolutt feil, gjennomsnittlig absolutt prosentvis feil og forhåndsdefinerte persentiler av absolutt prosentvis feil. Dette resultatmålet er utforskende og beskrivende i sin natur.
Ved opptak eller når rutinemessige kliniske hemoglobinresultater blir tilgjengelige under NICU/SCN-oppholdet (enkelt tidspunkt) [1 dag]

Samarbeidspartnere og etterforskere

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

Etterforskere

  • Hovedetterforsker: Bin Huey Quek, MBBS, KK Women's and Children's Hospital, Singapore

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)

26. mars 2026

Primær fullføring (Antatt)

1. oktober 2026

Studiet fullført (Antatt)

1. oktober 2026

Datoer for studieregistrering

Først innsendt

26. mars 2026

Først innsendt som oppfylte QC-kriteriene

1. april 2026

Først lagt ut (Faktiske)

7. april 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

13. april 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

8. april 2026

Sist bekreftet

1. april 2026

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

Data fra enkeltdeltakere vil ikke deles. Data som samles inn i denne studien vil kun brukes til formålene beskrevet i protokollen og behandles i samsvar med gjeldende personvernregelverk og databehandlingsavtaler.

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. .

Abonnere