Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Wykonalność opartej na sztucznej inteligencji klasyfikacji dźwięków normalnych, świszczących i trzaskających ze stetoskopu w warunkach klinicznych

4 kwietnia 2023 zaktualizowane przez: Innova Smart Technologies (Pvt.) Ltd

Ocena wykonalności algorytmów sztucznej inteligencji w warunkach klinicznych do klasyfikacji dźwięków normalnych, świszczących i trzaskających uzyskanych z cyfrowego stetoskopu

Ocena wykonalności i testowanie dokładności opracowanych algorytmów sztucznej inteligencji do wykrywania świstów i trzasków u pacjentów z patologiami płuc w warunkach klinicznych na niewidocznych lokalnych danych pacjenta uzyskanych za pomocą trzech cyfrowych stetoskopów.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Typ studiów

Interwencyjne

Zapisy (Rzeczywisty)

60

Faza

  • Nie dotyczy

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Pakistan
      • Peshawar, Pakistan, 25000
        • Lady Reading Hospital, Pakistan

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

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Płeć kwalifikująca się do nauki

Wszystko

Opis

Kryteria przyjęcia:

  • Wszystkie wieki
  • Dostarczona pisemna zgoda

Kryteria wyłączenia:

  • Stan podmiotu niestabilny
  • Deformacja ściany klatki piersiowej lub rany w miejscach aplikacji kleju
  • Brak pisemnej zgody

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

  • Główny cel: Diagnostyczny
  • Przydział: Nie dotyczy
  • Model interwencyjny: Zadanie dla jednej grupy
  • Maskowanie: Brak (otwarta etykieta)

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Kliniczna walidacja modeli AI do wykrywania świszczącego oddechu, trzasków i normalnych dźwięków płucnych w porównaniu ze złotym standardem
Ramy czasowe: 2 miesiące
Modele AI zostaną przetestowane pod kątem ich klinicznej wykonalności poprzez porównanie wyników uzyskanych z modeli AI z wynikami złotego standardu poprzez pomiar zgodności pozytywnej i negatywnej (NPA i PPA). Złotym standardem jest etykieta nadana każdemu nagraniu dźwięku płuc przez doświadczonego konsultanta pulmonologa. Model AI jest ślepy na te etykiety i jest testowany niezależnie pod kątem wykrywania normalnych dźwięków płuc, świszczących oddechów i trzasków
2 miesiące
Testowanie dokładności modeli sztucznej inteligencji do wykrywania świszczącego oddechu, trzasków i normalnych dźwięków płucnych poprzez pomiar czułości i swoistości
Ramy czasowe: 2 miesiące

Modele sztucznej inteligencji są szkolone na dźwiękach płuc zebranych z trzech różnych stetoskopów cyfrowych o nazwach NoaScope, eSteth i Littmann indywidualnie. Dane ze wszystkich trzech stetoskopów cyfrowych są również łączone w celu trenowania oddzielnych modeli AI. Te wytrenowane modele AI będą oceniane na podstawie czułości, czyli zdolności do prawidłowego rozpoznawania świszczących oddechów i trzasków, oraz specyficzności, czyli zdolności do prawidłowej identyfikacji normalnych dźwięków płuc. Wartości prawdziwie dodatnie (TP), prawdziwie ujemne (TN), fałszywie dodatnie (FP) i fałszywie ujemne (FN) zostaną użyte do obliczenia czułości i swoistości przy użyciu następujących wyrażeń.

Czułość: TP/TP+FN Swoistość: TN/TN+FP
2 miesiące

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Analiza wydajności trzech stetoskopów cyfrowych: Littmann, NoaScope i eSteth
Ramy czasowe: 2 miesiące

Analiza wydajności trzech stetoskopów cyfrowych NoaScope, eSteth i Littmann zostanie oceniona przy użyciu czułości i specyficzności osiąganej przez każdy stetoskop. Wartości prawdziwie dodatnie (TP), prawdziwie ujemne (TN), fałszywie dodatnie (FP) i fałszywie ujemne (FN) zostaną użyte do obliczenia czułości i swoistości przy użyciu następujących wyrażeń.

Czułość: TP/TP+FN Swoistość: TN/TN+FP
2 miesiące

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Innova Smart Technologies (Pvt.) Ltd

Współpracownicy

Lady Reading Hospital, Pakistan
NOABIO LLC

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)

6 stycznia 2022

Zakończenie podstawowe (Rzeczywisty)

22 lutego 2022

Ukończenie studiów (Rzeczywisty)

22 lutego 2022

Daty rejestracji na studia

Pierwszy przesłany

8 stycznia 2022

Pierwszy przesłany, który spełnia kryteria kontroli jakości

22 lutego 2022

Pierwszy wysłany (Rzeczywisty)

7 marca 2022

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

6 kwietnia 2023

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

4 kwietnia 2023

Ostatnia weryfikacja

1 kwietnia 2023

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • Pulmo AI LRH

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

Tak

produkt wyprodukowany i wyeksportowany z USA

Tak

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 Płuco

Badania kliniczne na Algorytm sztucznej inteligencji

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Mozambique

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj