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

Algorytm sztucznej inteligencji do badań przesiewowych nieprawidłowych wyników badań mózgu płodu podczas badania ultrasonograficznego pierwszego trymestru (AIRFRAME)

21 marca 2024 zaktualizowane przez: Familiari Alessandra, Fondazione Policlinico Universitario Agostino Gemelli IRCCS

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

Rekrutacyjny

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

Obserwacyjny

Zapisy (Szacowany)

10000

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Lokalizacje studiów

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 45 lat (Dorosły)

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Wszystkie ciąże poddawane badaniom przesiewowym w pierwszym trymestrze

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

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
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

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Główny śledczy: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

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)

1 maja 2023

Zakończenie podstawowe (Szacowany)

1 maja 2024

Ukończenie studiów (Szacowany)

1 maja 2025

Daty rejestracji na studia

Pierwszy przesłany

6 marca 2023

Pierwszy przesłany, który spełnia kryteria kontroli jakości

16 marca 2023

Pierwszy wysłany (Rzeczywisty)

30 marca 2023

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

22 marca 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

21 marca 2024

Ostatnia weryfikacja

1 marca 2024

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)?

TAK

Opis planu IPD

Obrazy DICOM poprzez napęd między ośrodkami

Ramy czasowe udostępniania IPD

po 1 roku i przez 1 rok

Kryteria dostępu do udostępniania IPD

przypadki patologiczne

Typ informacji pomocniczych dotyczących udostępniania IPD

  • PROTOKÓŁ BADANIA
  • SOK ROŚLINNY

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 Wady rozwojowe mózgu

Badania kliniczne na Sztuczna inteligencja

3
Subskrybuj