- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05790473
Algorytm sztucznej inteligencji do badań przesiewowych nieprawidłowych wyników badań mózgu płodu podczas badania ultrasonograficznego pierwszego trymestru (AIRFRAME)
Wizualizacja przestrzeni tylnego dołu mózgu, ich przestrzenne relacje oraz pomiary można uzyskać w projekcji środkowo-strzałkowej głowy płodu, takiej samej jak przy pomiarze NT (9) i odgrywa ona ważną rolę we wczesnej diagnostyce wad cewy nerwowej, takich jak: otwarty dysrafizm kręgosłupa (5) i anomalie tylnego dołu, takie jak DWM lub BPC (7). Jednak ocena tylnego dołu płodu w pierwszym trymestrze nadal stanowi wyzwanie ze względu na kilka ograniczeń, w tym mimowolne ruchy płodu i mały rozmiar struktur mózgowych, co powoduje trudności w badaniu i postawienie błędnej diagnozy. Ponadto jest również zależny od operatora w zakresie uzyskiwania wysokiej jakości obrazów ultrasonograficznych, standardowych pomiarów i precyzyjnej diagnozy.
Wykorzystanie nowych technologii w celu usprawnienia akwizycji obrazów, wspomagania automatycznego wykonywania pomiarów czy pomocy w diagnostyce wad płodu może mieć duże znaczenie dla optymalnej oceny mózgu płodu, szczególnie w pierwszym trymestrze ciąży (10). Sztuczna inteligencja (AI) jest opisywana jako zdolność programu komputerowego do wykonywania procesów związanych z ludzką inteligencją, takich jak uczenie się, myślenie i rozwiązywanie problemów. Głębokie uczenie się (DL), podzbiór uczenia maszynowego (ML), to gałąź sztucznej inteligencji, definiowana przez zdolność do automatycznego uczenia się funkcji z danych bez interwencji człowieka. W DL wejście i wyjście są połączone wieloma warstwami luźno modelowanymi na ścieżkach neuronowych ludzkiego mózgu. W dziedzinie rozpoznawania obrazów jednym z najbardziej obiecujących typów sieci DL są konwolucyjne sieci neuronowe (CNN). Zostały one zaprojektowane w celu wyodrębnienia wysoce reprezentatywnych cech obrazu w sposób w pełni zautomatyzowany, co czyni je przydatnymi do podejmowania decyzji diagnostycznych.
Zgodnie z tymi obserwacjami proponujemy projekt badawczy mający na celu opracowanie algorytmu sztucznej inteligencji opartego na ultrasonografii, który jest w stanie ocenić struktury tylnego dołu płodu podczas badania ultrasonograficznego pierwszego trymestru i rozróżnić prawidłowe i nieprawidłowe wyniki poprzez w pełni automatyczne przetwarzanie danych .
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Zastosowanie AI w ultrasonografii położniczej obejmuje trzy aspekty: identyfikację struktur, pomiary automatyczne i standaryzowane oraz diagnostykę klasyfikacyjną. Ponieważ ultrasonografia położnicza jest czasochłonna, zastosowanie sztucznej inteligencji może również skrócić czas badania i usprawnić przebieg pracy.
Projekt badania: jest to wieloośrodkowe retrospektywne obserwacyjne badanie kohortowe, a następnie prospektywne badanie kohortowe. Projekt badania zostanie zorganizowany w dwóch różnych fazach.
Pierwsza faza, retrospektywne studium wykonalności, ma na celu opracowanie i wyszkolenie algorytmu sztucznej inteligencji na podstawie normalnych i nieprawidłowych obrazów uzyskanych retrospektywnie podczas badania ultrasonograficznego pierwszego trymestru z dziesięciu międzynarodowych ośrodków medycyny płodowej.
Druga faza, prospektywna walidacja kliniczna, ma na celu przetestowanie algorytmu AI w ocenie anatomii tylnego dołu płodu w rzeczywistych warunkach klinicznych z prawdziwymi pacjentami z każdego uczestniczącego ośrodka medycyny płodowej.
Otoczenie: trzy (3) ośrodki medycyny płodowej.
Uczestnicy: populacja ciężarnych pojedynczych, u których wykonano badanie ultrasonograficzne między 11 a 14 tygodniem ciąży w dziesięciu ośrodkach medycyny płodowej.
Pierwszorzędowy punkt końcowy: Walidacja nowej technologii opartej na sztucznej inteligencji, która mogłaby potencjalnie zostać wykorzystana jako narzędzie do badań przesiewowych pod kątem nieprawidłowości w mózgu płodu w pierwszym trymestrze ciąży.
Drugorzędowe punkty końcowe: Poprawa wykonania standardowego badania przesiewowego tylnego dołu płodu w pierwszym trymestrze ciąży, zapewniającego jego wiarygodną ocenę ultrasonograficzną w krótszym czasie wykonania. Wykrywanie większej powtarzalności i odtwarzalności, pozwalające na wdrożenie badań ultrasonograficznych również pod kątem efektywności na szeroką skalę, optymalizacja zasobów opieki zdrowotnej u których wykonano badanie ultrasonograficzne w 11+0 - 13+6 tygodniu ciąży z jakąkolwiek anomalią tylnego dołu płodu, taką jak otwarta dysrafia kręgosłupa, DWM lub BPC. Normalne obrazy tylnego dołu płodu w tym samym wieku ciążowym zostaną dostarczone przez ośrodki promujące, tj. Fondazione Policlinico A. Gemelli, IRCCS i University of Parma. Informacje kliniczne, ultrasonograficzne, prenatalne i postnatalne dotyczące każdego przypadku zostaną pobrane z dokumentacji medycznej pacjenta i wprowadzone do zbioru elektronicznej bazy danych przez głównego badacza z każdego uczestniczącego ośrodka. Uzyskane obrazy zostaną zanonimizowane, zapisane w formacie DICOM i udostępnione za pośrednictwem dedykowanego systemu przechowywania w chmurze, który zostanie skonfigurowany przez zespół bioinżynierii. Każde centrum będzie mogło uzyskać dostęp do systemu internetowego za pomocą osobistego identyfikatora i hasła.
W drugiej fazie badania algorytm zostanie przetestowany prospektywnie i zweryfikowany w rzeczywistych warunkach klinicznych z prawdziwymi pacjentami z każdego z uczestniczących ośrodków medycyny płodowej. Kryteria włączenia i wyłączenia, protokół obrazowania i gromadzenie danych będą takie same jak w fazie retrospektywnej.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Alessandra Familiari, MD
- Numer telefonu: 3285887422
- E-mail: familiari.ale@gmail.com
Lokalizacje studiów
-
-
-
Rome, Włochy, 00168
- Rekrutacyjny
- FP Gemelli IRCCS
-
Kontakt:
- Alessandra Familiari
- Numer telefonu: 3285887422
- E-mail: familiari.ale@gmail.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Kobiety z ciążą pojedynczą, u których wykonano badanie USG między 11+0 a 13+6 tygodniem ciąży lub u których długość koronowo-zadowa płodu wynosiła od 45 do 84 mm.
Kryteria wyłączenia:
- Kobiety, które nie miały przesiewowego badania I trymestru w ustalonym wieku ciążowym.
- Kobiety, u których dobra wizualizacja projekcji środkowej głowy płodu w płaszczyźnie strzałkowej nie była technicznie możliwa.
- Kobiety, które nie są w stanie wyrazić świadomej zgody.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
---|---|
Sprawa
Płody z anomaliami mózgu
|
Opracowanie algorytmu AI do wczesnego wykrywania wad mózgu płodu w I trymestrze ciąży
|
Sterownica
Normalny z normalnym mózgiem
|
Opracowanie algorytmu AI do wczesnego wykrywania wad mózgu płodu w I trymestrze ciąży
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Algorytm sztucznej inteligencji
Ramy czasowe: 2 lata
|
Liczba przypadków wykrytych za pomocą algorytmu AI
|
2 lata
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Powtarzalność
Ramy czasowe: 1 rok
|
Liczba przypadków wykrytych za pomocą algorytmu AI w porównaniu z wykrytymi za pomocą standardowych technik diagnostyki prenatalnej
|
1 rok
|
Współpracownicy i badacze
Współpracownicy
Śledczy
- Główny śledczy: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli
Publikacje i pomocne linki
Publikacje ogólne
- Garcia-Rodriguez R, Garcia-Delgado R, Romero-Requejo A, Medina-Castellano M, Garcia-Hernandez JA, Gonzalez-Martin JM, Sepulveda W. First-trimester cystic posterior fossa: reference ranges, associated findings, and pregnancy outcomes. J Matern Fetal Neonatal Med. 2021 Mar;34(6):933-942. doi: 10.1080/14767058.2019.1622673. Epub 2019 Jun 4.
- Chaoui R, Benoit B, Mitkowska-Wozniak H, Heling KS, Nicolaides KH. Assessment of intracranial translucency (IT) in the detection of spina bifida at the 11-13-week scan. Ultrasound Obstet Gynecol. 2009 Sep;34(3):249-52. doi: 10.1002/uog.7329.
- Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020 Oct;56(4):498-505. doi: 10.1002/uog.22122.
- Chen Z, Liu Z, Du M, Wang Z. Artificial Intelligence in Obstetric Ultrasound: An Update and Future Applications. Front Med (Lausanne). 2021 Aug 27;8:733468. doi: 10.3389/fmed.2021.733468. eCollection 2021.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 5526
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Ramy czasowe udostępniania IPD
Kryteria dostępu do udostępniania IPD
Typ informacji pomocniczych dotyczących udostępniania IPD
- PROTOKÓŁ BADANIA
- SOK ROŚLINNY
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 Wady rozwojowe mózgu
-
Centre Hospitalier Universitaire DijonNovartis PharmaceuticalsRekrutacyjnyMegalencephaly-włośniczkowy zespół polimikrogyrii (MCAP)Francja
Badania kliniczne na Sztuczna inteligencja
-
Northwell HealthZakończonyCałkowita wymiana kolanaStany Zjednoczone
-
Rehabilitation Hospital of Overland ParkDiscovery StatisticsRekrutacyjnyZaburzenia neurologiczneStany Zjednoczone
-
Norwegian University of Science and TechnologyZakończonyChoroby układu krążenia | OtyłośćNorwegia
-
Norwegian University of Science and TechnologyLHL HelseZakończony
-
Rabin Medical CenterZakończonyCukrzyca typu 1Izrael, Niemcy, Słowenia