- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05913843
DeciFace: Rozszyfruj wpływ pochodzenia etnicznego na cechy dysmorfii twarzy w rzadkich zaburzeniach mendlowskich
Istnieje ponad 7000 znanych zaburzeń genetycznych, a liczbę dotkniętych nimi szacuje się na około 6-10% populacji. Około 30 do 40% zaburzeń genetycznych ma fizyczne zmiany na twarzy i czaszce, takie jak zespół Downa lub zespół łamliwego chromosomu X. Dlatego znany fenotyp twarzy wielu zaburzeń genetycznych jest bardzo pouczający dla diagnozy klinicznej.
Ponieważ duża liczba chorób genetycznych jest związana ze specjalnymi fenotypami twarzy, które są trudne do zapamiętania, zautomatyzowana analiza twarzy, taka jak Face2Gene i GestaltMatcher, może pomóc w identyfikacji i diagnostyce fenotypów twarzy związanych z różnymi chorobami genetycznymi. Chociaż obecne postępy w sekwencjonowaniu całego egzomu (sekwencjonowanie całego egzomu) lub sekwencjonowaniu całego genomu (sekwencjonowanie całego genomu) znacznie poprawiły wskaźnik diagnostyczny chorób genetycznych, około połowa pacjentów nadal pozostaje niezdiagnozowana.
Badacze uważają, że w przypadku pacjentów ze specjalnymi fenotypami twarzy połączenie zautomatyzowanej analizy twarzy i danych sekwencjonowania całego egzomu powinno umożliwić dostarczenie szybkiego i dokładnego modelu diagnostycznego mutacji genetycznych dla chorób genetycznych. GestaltMatcher Database to baza danych obrazowania medycznego rzadkich chorób, opracowana przez profesora Petera Krawitza z Uniwersytetu w Bonn w Niemczech. Moduł sztucznej inteligencji bazy danych wywnioskuje możliwą diagnozę pacjenta na podstawie zdjęcia pacjenta, wieku, płci, rasy i opisu klinicznego. Baza danych będzie otwarta dla naukowców zajmujących się dziedzinami pokrewnymi w celu poprawy diagnostyki rzadkich chorób.
Badacze wykorzystają GestaltMatcher do pomocy w diagnozowaniu pacjentów i porównają dokładność i znaczące różnice w deformacjach twarzy między pacjentami z Tajwanu i pacjentami z różnych krajów. Użyj Eye Trackera, aby przeanalizować, w jaki sposób lekarze diagnozują pacjentów za pomocą zdjęć twarzy, i porównaj, czy istnieją znaczące różnice między pacjentami zagranicznymi a pacjentami z Tajwanu w literaturze diagnostycznej tajwańskich lekarzy. W ramach projektu przeanalizowane zostanie również, w jaki sposób lekarze genetycy z Uniwersytetu w Bonn w Niemczech diagnozują pacjentów, i porównane z lekarzami tajwańskimi, aby lepiej zrozumieć różnice w procesie diagnozowania pacjentów przez lekarzy i pochodzeniu etnicznym.
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Zaburzenie genetyczne i fenotyp twarzy
Istnieje ponad 7000 znanych zaburzeń genetycznych, a liczbę dotkniętych nimi szacuje się na około 6-10% populacji1. Około 30 do 40% zaburzeń genetycznych ma fizyczne zmiany na twarzy i czaszce, takie jak zespół Downa lub zespół łamliwego chromosomu X. Dlatego znany fenotyp twarzy wielu zaburzeń genetycznych jest bardzo pouczający dla diagnozy klinicznej. Jak wszyscy wiedzą, szybka i trafna diagnoza zaburzeń genetycznych jest niezbędna, aby zapobiec potencjalnym problemom zdrowotnym. Genetycy kliniczni i pediatrzy potrzebują dużego doświadczenia i wiedzy, aby diagnozować zaburzenia genetyczne na podstawie fenotypu twarzy. Istnieją jednak pewne dylematy w tej kwestii. Po pierwsze, rozpoznanie nieklasycznej prezentacji lub ultrarzadkiej choroby genetycznej jest ograniczone wcześniejszym doświadczeniem eksperta. Po drugie, niektóre zaburzenia genetyczne będą mylone w klinice, ponieważ mają kilka podtypów (więcej niż jeden typowy fenotyp) lub nakładają się cechy twarzy z innymi zaburzeniami, takimi jak zespół Cornelii de Lange. Wreszcie, trudność diagnozy wzrośnie z powodu fenotypu twarzy, który czasami ma szerokie spektrum lub staje się bardziej widoczny z wiekiem, jak mukopolisacharydoza. Krótko mówiąc, diagnoza zaburzeń genetycznych na podstawie fenotypu twarzy wciąż stanowi wyzwanie.
Zautomatyzowana analiza twarzy
Badania rozpoznawania wspomaganego komputerowo od dawna zajmują się problemami związanymi z analizą twarzy, zwłaszcza w przypadku nieklasycznej prezentacji lub ultrarzadkich chorób genetycznych. Innymi słowy, stosowanie systemów komputerowych jako pomocy lub odniesienia dla klinicystów staje się coraz ważniejsze2-6. W ostatnich latach Face2Gene (FDNA Inc., Boston MA, USA) stało się nowatorskim i szeroko stosowanym narzędziem do wykrywania fenotypu twarzy i rozpoznawania cech dysmorficznych z dwuwymiarowych (2D) zdjęć czołowych2. Technologia nowej analizy dysmorfizmu twarzy (FDNA) w Face2Gene nazywa się DeepGestalt i opiera się na głębokich konwolucyjnych sieciach neuronowych (DCNN) i wykorzystuje algorytmy widzenia komputerowego i głębokiego uczenia się. Przepływ wysokiego poziomu DeepGestalt jest taki, jak opisali Yaron Gurovich i in. Najpierw wstępne przetwarzanie nowego obrazu wejściowego w celu wykrycia twarzy, wykrycia punktów orientacyjnych i wyrównania, a następnie przycięcie obrazu wejściowego do obszarów twarzy. Drugi to wprowadzenie każdego regionu do DCNN i uzyskanie wektora softmax, który wskazuje jego zgodność z każdym zespołem w modelu. Trzeci to agregacja i sortowanie wektorów wyjściowych wszystkich regionalnych DCNN w celu uzyskania ostatecznej listy rankingowej zaburzeń genetycznych. Część dotycząca architektury DCNN DeepGestalt jest kontynuacją. W sieci jest dziesięć warstw splotowych, a po wszystkich oprócz ostatniej następuje normalizacja wsadowa i rektyfikowana jednostka liniowa (ReLU). Warstwa puli jest nakładana po każdej parze warstwy konwolucyjnej (CONV) (maksymalne pule po pierwszych czterech parach i średnie pule po piątej parze). Następnie po warstwach CONV następuje w pełni połączona warstwa z przerwami (0,5) i warstwa softmax. W związku z tym po każdej warstwie puli pojawia się przykładowa mapa cieplna. Porównując cechy niskiego poziomu pierwszych warstw i cechy wysokiego poziomu ostatniej warstwy, te ostatnie mogą identyfikować bardziej złożone cechy na obrazie wejściowym i mają tendencję do pojawiania się charakterystycznych cech twarzy, gdy znikają cechy związane z tożsamością. Obecnie model DeepGestalt jest szkolony na zbiorze danych zawierającym ponad 17 000 obrazów obejmujących ponad 200 różnych zaburzeń genetycznych, których kuratorem jest Face2Gene, oparta na społeczności platforma do fenotypowania.
Artykuł identyfikujący fenotypy twarzy zaburzeń genetycznych przy użyciu głębokiego uczenia zapewnia niezawodność DeepGestalt w diagnozowaniu zaburzeń genetycznych poprzez zautomatyzowaną analizę twarzy. Binarny model gestalt odróżnia określone zaburzenie od zestawu innych zaburzeń. W przypadku zespołu Cornelii de Lange, DeepGestalt osiąga 96,88% dokładności, 95,67% czułości i 100% specyficzności. W przypadku zespołu Angelmana DeepGestalt osiąga 92% dokładności, 80% czułości i 100% specyficzności. W porównaniu z poprzednim pokrewnym badaniem, oba mają bardziej precyzyjną zdolność diagnozowania. Wyspecjalizowany model gestalt służy do klasyfikowania różnych genotypów tego samego zespołu. Zespół Noonana z mutacją genu w PTPN11, SOS1, RAF1, RIT1 lub KRAS to model używany do testowania działania DeepGestalt. W tym badaniu DeepGestalt jest wersją okrojoną i przewiduje tylko pięć pożądanych klas. Rezultatem jest najwyższa dokładność wynosząca 64%, która przewyższa losową szansę wynoszącą 20%, umożliwiając genetykom badanie korelacji fenotyp-genotyp. Wieloklasowy model gestalt polega na tym, że DeepGestalt przeprowadza analizę gestalt twarzy na dużą skalę. DeepGestalt ma 90,6% dokładności w pierwszej dziesiątce w zestawie testów klinicznych i 89,4% w zestawie testów publikacji. Dokładność top-5 i top-1 dla zestawu testów klinicznych wynosi odpowiednio 85,4% i 61,3%, a dla zestawu testów publikacji odpowiednio 83,2% i 68,7%. Dlatego klinicyści mogą lepiej ustalać priorytety i diagnozować zaburzenia genetyczne za pomocą zautomatyzowanej struktury analizy twarzy. Potencjalnie DeepGestalt wnosi znaczną wartość do oceny fenotypu twarzy zaburzenia genetycznego w genetyce klinicznej, badaniach molekularnych i badaniach.
W 2022 roku, na podstawie wcześniejszej pracy, Hsieh et al. zaproponował GestaltMatcher6, który wykorzystywał DCNN przeszkolone na zdjęciach pacjentów jako koder do konwersji zdjęć twarzy na wektory cech w celu utworzenia klinicznej przestrzeni fenotypów twarzy (CFPS). Następnie określili ilościowo podobieństwo między pacjentami na podstawie cosinusowej odległości dwóch wektorów w CFPS. Dzięki takiemu podejściu badacze mogą wesprzeć ultrarzadkie zespoły, w których brakuje obrazów do przeszkolenia, i przesunąć obsługiwane zespoły na wyższy poziom (od 299 do 1115 zespołów). GestaltMatcher może również identyfikować nowe zaburzenia. Ponadto wpisuje się w toczącą się od dawna dyskusję na temat rozróżnialności w nozologii chorób genetycznych. Obecnie analizowanych jest 11 nowych genów chorobowych, a cztery z nich zostały przesłane do recenzowanego czasopisma.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Ni-Chung Lee, M.D., Ph.D.
- Numer telefonu: 71936 886-2-23123456
- E-mail: ncleentu@ntu.edu.tw
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Przypadki z nieprawidłowym wyglądem objawów klinicznych i podejrzeniem chorób genetycznych
Kryteria wyłączenia:
- Brak możliwości współpracy z egzaminatorem
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Wskaźnik trafności diagnozy wykorzystuje GestaltMatcher do analizy rysów twarzy uczestników w chorobach rzadkich
Ramy czasowe: 1 miesiąc
|
GestaltMatcher to zautomatyzowane oprogramowanie do analizy twarzy, które wykorzystywało głębokie konwolucyjne sieci neuronowe trenowane na zdjęciach pacjentów jako koder do przekształcania zdjęć twarzy w wektory cech w celu utworzenia klinicznej przestrzeni fenotypów twarzy (CFPS). I oszacowano podobieństwo między pacjentami na podstawie cosinusowej odległości dwóch wektorów w CFPS. Dzięki takiemu podejściu badacze mogą wspierać ultrarzadkie zespoły, w których brakuje obrazów do przeszkolenia, i promować wspierane zespoły. Opierając się na tej technologii, badacze wykorzystują GestaltMatcher do analizy rysów twarzy uczestników i porównania tych wektorów, które są podobne do pacjentów, aby znaleźć możliwe syndromy. Badacze zweryfikują więcej fenotypów klinicznych i danych genetycznych uczestników w celu weryfikacji. |
1 miesiąc
|
Znacząca różnica w deformacjach twarzy między uczestnikiem z Tajwanu a uczestnikiem z różnych krajów według GestaltMatcher
Ramy czasowe: 3 lata
|
Badacze wykorzystają te wektory rysów twarzy z bazy danych GestaltMatcher do porównania z uczestnikami z Tajwanu na platformie badawczej w bazie danych GestaltMatcher, aby znaleźć różnice twarzy między uczestnikami z Tajwanu i innych różnych krajów za pomocą macierzy par.
Aby dowiedzieć się, gdzie jest różnica między Tajwanem a uczestnikami z różnych krajów, poprawiając perspektywy diagnostyczne w grupach tajwańskich.
|
3 lata
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Kryteria dla lekarzy do diagnozowania uczestników na podstawie rysów twarzy ocenianych przez eye trackery
Ramy czasowe: 3 lata
|
Użyj Eye Trackera, aby zaznaczyć, gdzie i kiedy lekarze zwracają uwagę, obserwując cechy dysmorficzne uczestników.
Aby przeanalizować, w jaki sposób lekarze diagnozują pacjentów za pomocą zdjęć twarzy.
|
3 lata
|
Różnice w diagnostyce między lekarzami genetyki z Tajwanu i Uniwersytetu w Bonn
Ramy czasowe: 3 lata
|
Porównaj, czy istnieją znaczące różnice między tajwańskimi lekarzami, wykorzystując dane literaturowe i analizę fenotypową do diagnozowania pacjentów z zagranicy i pacjentów z Tajwanu oraz analizując, w jaki sposób genetycy z Uniwersytetu w Bonn diagnozują pacjentów
|
3 lata
|
Współpracownicy i badacze
Współpracownicy
Śledczy
- Główny śledczy: Ni-Chung Lee, M.D., Ph.D., National Taiwan University Hospital
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Szacowany)
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
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 202302053RIND
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
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 Zrobić zdjęcie
-
Northwestern UniversityMayo Clinic; University of Illinois at Chicago; Northwestern Memorial HospitalZakończonyPrzeszczep nerkiStany Zjednoczone
-
University of CalgaryJeszcze nie rekrutacjaUdar/atak mózguKanada
-
Antonios LikourezosZakończonyBól | Lęk StrachStany Zjednoczone
-
Jared Jagdeo, MD, MSVA Northern California Health Care System; East Bay Institute for Research and...ZakończonyZwłóknienie | Blizna | Blizna | Urazy | Rany | Bliznowiec : keloid | Hipertroficzny | BliznyStany Zjednoczone
-
Medifast, Inc.BioFortisZakończonyOtyłość | NadwagaStany Zjednoczone
-
VA Northern California Health Care SystemEast Bay Institute for Research and EducationNieznanyZwłóknienie | Choroby skórne | Blizna | Bliznowiec : keloid | Skóra hipertroficznaStany Zjednoczone
-
Brigham and Women's HospitalCVS CaremarkZakończonySolidna ocena w celu zmierzenia ulepszeń w nieprzestrzeganiu zaleceń przez tanie urządzenia (REMIND)Depresja | Padaczka | Choroby układu krążenia | Cukrzyca | Rak piersi | Choroba Parkinsona | Zaburzenia zdrowia psychicznego | Przerost prostaty, łagodnyStany Zjednoczone
-
H. Lee Moffitt Cancer Center and Research InstituteAmerican Cancer Society, Inc.ZakończonyRak jelita grubego | Rak jelita grubegoStany Zjednoczone