Sztuczna inteligencja-ocena ryzyka SARS-COV-2 (COVID-19) (AI-SCoRE)
29 kwietnia 2025 zaktualizowane przez: Antonio Esposito, IRCCS San Raffaele
Sztuczna inteligencja-ocena ryzyka SARS-COV-2
Postępowanie u pacjentów z Covid-19 w przytłoczonym szpitalu w obliczu pandemii jest wyzwaniem klinicznym.
Poprawa podejmowania decyzji może pozwolić na lepszy alokacja dostępnych zasobów i lepsze leczenie pacjentów o wyższym ryzyku.
CT klatki piersiowej jest szeroko przyjęte do diagnozy zapalenia płuc Covid-19. Kilka doświadczeń udokumentowało zdolność sztucznej inteligencji do poprawy i przymocowania wykrywania płuc Covid-19, głównie przy użyciu promieniowania rentgenowskiego klatki piersiowej.
Celem niniejszego badania było opracowanie i potwierdzenie podejścia do sztucznej inteligencji, integrując dane kliniczne i obrazowe (automatycznie wyodrębnione poprzez przyjęcie dedykowanych sieci neuronowych) do tworzenia platformy chmurowej zdolnej do wykonywania automatycznego rozwarunkowania ryzyka pacjentów. Takie podejście można zastosować do segregacji pacjentów z Covid-19 na oddziale ratunkowym, w celu poprawy podejmowania decyzji przez personel opieki zdrowotnej i alokacji zasobów w nagłych wypadkach.
Przegląd badań
Status
Zakończony
Warunki
Typ studiów
Obserwacyjny
Zapisy (Rzeczywisty)
2000
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
-
Milano, Włochy, 20132
- IRCCS San Raffaele
-
-
Kryteria uczestnictwa
Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.
Kryteria kwalifikacji
Wiek uprawniający do nauki
18 lat do 100 lat (Dorosły, Starszy dorosły)
Akceptuje zdrowych ochotników
Nie
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Pacjenci z potwierdzoną infekcją SARS-COV-2 z RT-PCR, którzy przeprowadzili skan CT nie kontrastu w ciągu 72 godzin po przyjęciu na oddział ratunkowy
Opis
Kryteria włączenia:
- potwierdził infekcję SARS-COV-2 RT-PCR
- Tomsz komputerowy bez kontrastu klatki piersiowej wykonał w ciągu 72 godzin po przyjęciu na oddział ratunkowy
Kryteria wykluczenia:
- Wiek <18 lat
Plan studiów
Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
|---|
|
Pacjenci z pierwszej fali Covid-19
1700 pacjentów retrospektywnie zapisało się do 15 włoskich szpitali od 16/2/2020 do 29/4/2020.
|
|
Pacjenci z drugiej fali Covid-19
300 pacjentów prospektywnie zapisało się do szpitala IRCCS San Raffaele z 19/10/2020 do 31.12/2020.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Ramy czasowe |
|---|---|
|
Szkolenie, testowanie i walidacja platformy AI do przewidywania prognozowania pacjentów z pierwszej fali z pierwszej fali.
Ramy czasowe: 9 miesięcy
|
9 miesięcy
|
Miary wyników drugorzędnych
Miara wyniku |
Ramy czasowe |
|---|---|
|
Walidacja rozwiniętej platformy AI na włoskiej drugiej fali pacjentów z Covid-19
Ramy czasowe: 3 miesiące
|
3 miesiące
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
Współpracownicy
Śledczy
- Główny śledczy: Antonio Esposito, MD, IRCCS San Raffaele
Publikacje i pomocne linki
Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.
Publikacje ogólne
- Ai T, Yang Z, Hou H, Zhan C, Chen C, Lv W, Tao Q, Sun Z, Xia L. Correlation of Chest CT and RT-PCR Testing for Coronavirus Disease 2019 (COVID-19) in China: A Report of 1014 Cases. Radiology. 2020 Aug;296(2):E32-E40. doi: 10.1148/radiol.2020200642. Epub 2020 Feb 26.
- Li L, Qin L, Xu Z, Yin Y, Wang X, Kong B, Bai J, Lu Y, Fang Z, Song Q, Cao K, Liu D, Wang G, Xu Q, Fang X, Zhang S, Xia J, Xia J. Using Artificial Intelligence to Detect COVID-19 and Community-acquired Pneumonia Based on Pulmonary CT: Evaluation of the Diagnostic Accuracy. Radiology. 2020 Aug;296(2):E65-E71. doi: 10.1148/radiol.2020200905. Epub 2020 Mar 19.
- Emanuel EJ, Persad G, Upshur R, Thome B, Parker M, Glickman A, Zhang C, Boyle C, Smith M, Phillips JP. Fair Allocation of Scarce Medical Resources in the Time of Covid-19. N Engl J Med. 2020 May 21;382(21):2049-2055. doi: 10.1056/NEJMsb2005114. Epub 2020 Mar 23. No abstract available.
- Ciceri F, Castagna A, Rovere-Querini P, De Cobelli F, Ruggeri A, Galli L, Conte C, De Lorenzo R, Poli A, Ambrosio A, Signorelli C, Bossi E, Fazio M, Tresoldi C, Colombo S, Monti G, Fominskiy E, Franchini S, Spessot M, Martinenghi C, Carlucci M, Beretta L, Scandroglio AM, Clementi M, Locatelli M, Tresoldi M, Scarpellini P, Martino G, Bosi E, Dagna L, Lazzarin A, Landoni G, Zangrillo A. Early predictors of clinical outcomes of COVID-19 outbreak in Milan, Italy. Clin Immunol. 2020 Aug;217:108509. doi: 10.1016/j.clim.2020.108509. Epub 2020 Jun 12.
- Patel D, Kher V, Desai B, Lei X, Cen S, Nanda N, Gholamrezanezhad A, Duddalwar V, Varghese B, Oberai AA. Machine learning based predictors for COVID-19 disease severity. Sci Rep. 2021 Feb 25;11(1):4673. doi: 10.1038/s41598-021-83967-7.
- Palmisano A, Scotti GM, Ippolito D, Morelli MJ, Vignale D, Gandola D, Sironi S, De Cobelli F, Ferrante L, Spessot M, Tonon G, Tacchetti C, Esposito A. Chest CT in the emergency department for suspected COVID-19 pneumonia. Radiol Med. 2021 Mar;126(3):498-502. doi: 10.1007/s11547-020-01302-y. Epub 2020 Nov 9.
- Park JH, Lee SG, Ahn S, Kim JY, Song J, Moon S, Cho H. Strategies to prevent COVID-19 transmission in the emergency department of a regional base hospital in Korea: From index patient until pandemic declaration. Am J Emerg Med. 2021 Aug;46:247-253. doi: 10.1016/j.ajem.2020.07.056. Epub 2020 Jul 24.
- Wehbe RM, Sheng J, Dutta S, Chai S, Dravid A, Barutcu S, Wu Y, Cantrell DR, Xiao N, Allen BD, MacNealy GA, Savas H, Agrawal R, Parekh N, Katsaggelos AK. DeepCOVID-XR: An Artificial Intelligence Algorithm to Detect COVID-19 on Chest Radiographs Trained and Tested on a Large U.S. Clinical Data Set. Radiology. 2021 Apr;299(1):E167-E176. doi: 10.1148/radiol.2020203511. Epub 2020 Nov 24.
- Schalekamp S, Huisman M, van Dijk RA, Boomsma MF, Freire Jorge PJ, de Boer WS, Herder GJM, Bonarius M, Groot OA, Jong E, Schreuder A, Schaefer-Prokop CM. Model-based Prediction of Critical Illness in Hospitalized Patients with COVID-19. Radiology. 2021 Jan;298(1):E46-E54. doi: 10.1148/radiol.2020202723. Epub 2020 Aug 13.
- Cheng FY, Joshi H, Tandon P, Freeman R, Reich DL, Mazumdar M, Kohli-Seth R, Levin M, Timsina P, Kia A. Using Machine Learning to Predict ICU Transfer in Hospitalized COVID-19 Patients. J Clin Med. 2020 Jun 1;9(6):1668. doi: 10.3390/jcm9061668.
- Liang W, Yao J, Chen A, Lv Q, Zanin M, Liu J, Wong S, Li Y, Lu J, Liang H, Chen G, Guo H, Guo J, Zhou R, Ou L, Zhou N, Chen H, Yang F, Han X, Huan W, Tang W, Guan W, Chen Z, Zhao Y, Sang L, Xu Y, Wang W, Li S, Lu L, Zhang N, Zhong N, Huang J, He J. Early triage of critically ill COVID-19 patients using deep learning. Nat Commun. 2020 Jul 15;11(1):3543. doi: 10.1038/s41467-020-17280-8.
- Wong HYF, Lam HYS, Fong AH, Leung ST, Chin TW, Lo CSY, Lui MM, Lee JCY, Chiu KW, Chung TW, Lee EYP, Wan EYF, Hung IFN, Lam TPW, Kuo MD, Ng MY. Frequency and Distribution of Chest Radiographic Findings in Patients Positive for COVID-19. Radiology. 2020 Aug;296(2):E72-E78. doi: 10.1148/radiol.2020201160. Epub 2020 Mar 27.
- Chorath A, Choi Y, Turkbey EB, Ahlman MA, Sibley CT, Liu S, Bluemke DA, Sandfort V. Coronary CT Angiography and Carotid MRI Improve Phenotyping of Disease Extent Compared with ACC/AHA Risk Score Alone. Radiol Cardiothorac Imaging. 2020 Feb 27;2(1):e190068. doi: 10.1148/ryct.2020190068.
- Neri E, Miele V, Coppola F, Grassi R. Use of CT and artificial intelligence in suspected or COVID-19 positive patients: statement of the Italian Society of Medical and Interventional Radiology. Radiol Med. 2020 May;125(5):505-508. doi: 10.1007/s11547-020-01197-9. Epub 2020 Apr 29.
- Giannini F, Toselli M, Palmisano A, Cereda A, Vignale D, Leone R, Nicoletti V, Gnasso C, Monello A, Manfrini M, Khokhar A, Sticchi A, Biagi A, Turchio P, Tacchetti C, Landoni G, Boccia E, Campo G, Scoccia A, Ponticelli F, Danzi GB, Loffi M, Muri M, Pontone G, Andreini D, Mancini EM, Casella G, Iannopollo G, Nannini T, Ippolito D, Bellani G, Franzesi CT, Patelli G, Besana F, Costa C, Vignali L, Benatti G, Sverzellati N, Scarnecchia E, Lombardo FP, Anastasio F, Iannaccone M, Vaudano PG, Pacielli A, Baffoni L, Gardi I, Cesini E, Sperandio M, Micossi C, De Carlini CC, Spreafico C, Maggiolini S, Bonaffini PA, Iacovoni A, Sironi S, Senni M, Fominskiy E, De Cobelli F, Maggioni AP, Rapezzi C, Ferrari R, Colombo A, Esposito A. Coronary and total thoracic calcium scores predict mortality and provides pathophysiologic insights in COVID-19 patients. J Cardiovasc Comput Tomogr. 2021 Sep-Oct;15(5):421-430. doi: 10.1016/j.jcct.2021.03.003. Epub 2021 Mar 11.
- Esposito A, Palmisano A, Toselli M, Vignale D, Cereda A, Rancoita PMV, Leone R, Nicoletti V, Gnasso C, Monello A, Biagi A, Turchio P, Landoni G, Gallone G, Monti G, Casella G, Iannopollo G, Nannini T, Patelli G, Di Mare L, Loffi M, Sergio P, Ippolito D, Sironi S, Pontone G, Andreini D, Mancini EM, Di Serio C, De Cobelli F, Ciceri F, Zangrillo A, Colombo A, Tacchetti C, Giannini F. Chest CT-derived pulmonary artery enlargement at the admission predicts overall survival in COVID-19 patients: insight from 1461 consecutive patients in Italy. Eur Radiol. 2021 Jun;31(6):4031-4041. doi: 10.1007/s00330-020-07622-x. Epub 2020 Dec 23.
- Ufuk F, Demirci M, Sagtas E, Akbudak IH, Ugurlu E, Sari T. The prognostic value of pneumonia severity score and pectoralis muscle Area on chest CT in adult COVID-19 patients. Eur J Radiol. 2020 Oct;131:109271. doi: 10.1016/j.ejrad.2020.109271. Epub 2020 Sep 9.
- Monaco CG, Zaottini F, Schiaffino S, Villa A, Della Pepa G, Carbonaro LA, Menicagli L, Cozzi A, Carriero S, Arpaia F, Di Leo G, Astengo D, Rosenberg I, Sardanelli F. Chest x-ray severity score in COVID-19 patients on emergency department admission: a two-centre study. Eur Radiol Exp. 2020 Dec 15;4(1):68. doi: 10.1186/s41747-020-00195-w. Erratum In: Eur Radiol Exp. 2021 Apr 14;5(1):17. doi: 10.1186/s41747-021-00215-3.
- Bai HX, Wang R, Xiong Z, Hsieh B, Chang K, Halsey K, Tran TML, Choi JW, Wang DC, Shi LB, Mei J, Jiang XL, Pan I, Zeng QH, Hu PF, Li YH, Fu FX, Huang RY, Sebro R, Yu QZ, Atalay MK, Liao WH. Artificial Intelligence Augmentation of Radiologist Performance in Distinguishing COVID-19 from Pneumonia of Other Origin at Chest CT. Radiology. 2020 Sep;296(3):E156-E165. doi: 10.1148/radiol.2020201491. Epub 2020 Apr 27. Erratum In: Radiology. 2021 Apr;299(1):E225. doi: 10.1148/radiol.2021219004.
Daty zapisu na studia
Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
16 lutego 2020
Zakończenie podstawowe (Rzeczywisty)
30 września 2020
Ukończenie studiów (Rzeczywisty)
30 czerwca 2021
Daty rejestracji na studia
Pierwszy przesłany
6 kwietnia 2021
Pierwszy przesłany, który spełnia kryteria kontroli jakości
6 kwietnia 2021
Pierwszy wysłany (Rzeczywisty)
8 kwietnia 2021
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
1 maja 2025
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
29 kwietnia 2025
Ostatnia weryfikacja
1 kwietnia 2025
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- AI-SCoRE
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIE
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Nie
Bada produkt urządzenia regulowany przez amerykańską FDA
Nie
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .
Badania kliniczne na Covid19
-
Anavasi DiagnosticsJeszcze nie rekrutacja
-
Ain Shams UniversityRekrutacyjny
-
Israel Institute for Biological Research (IIBR)Zakończony
-
Colgate PalmoliveZakończonyCovid19Stany Zjednoczone
-
Christian von BuchwaldZakończony
-
Luye Pharma Group Ltd.Shandong Boan Biotechnology Co., LtdAktywny, nie rekrutujący
-
University of ZurichLabor Speiz; Swiss Armed Forces; Universitatsspital ZurichRejestracja na zaproszenie
-
Alexandria UniversityZakończony
-
Henry Ford Health SystemZakończony