Zwiększanie dokładności diagnostycznej w identyfikacji złamań na radiogramach układu mięśniowo-szkieletowego przy użyciu głębokiego uczenia się: retrospektywne badanie z udziałem wielu czytelników
16 marca 2026 zaktualizowane przez: Carebot s.r.o.
Celem tego retrospektywnego badania jest ocena skuteczności sztucznej inteligencji (AI) w rozpoznawaniu złamań na zdjęciach rentgenowskich układu mięśniowo-szkieletowego.
Porównując wydajność modelu AI opartego na głębokim uczeniu się z modelem doświadczonych radiologów, staramy się zrozumieć, w jaki sposób sztuczna inteligencja może pomóc poprawić dokładność wykrywania złamań w warunkach klinicznych.
W badaniu przeanalizowano 600 zdjęć rentgenowskich wykonanych od dzieci i dorosłych, koncentrując się na identyfikacji złamań w różnych częściach ciała, w tym w stopie, kostce, kolanie, dłoni, nadgarstku i nie tylko.
Odkrycia pokazują, że zintegrowanie sztucznej inteligencji może zwiększyć czułość radiologów w wykrywaniu złamań, potencjalnie poprawiając wyniki leczenia pacjentów poprzez zmniejszenie liczby przeoczonych urazów.
Przegląd badań
Status
Zakończony
Warunki
Interwencja / Leczenie
Typ studiów
Obserwacyjny
Zapisy (Rzeczywisty)
600
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Moravskoslezský kraj
-
Frýdek-Místek, Moravskoslezský kraj, Czechy, 73801
- Nemocnice ve Frýdku-Místku, p.o.
-
-
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
Nie
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Badanie obejmowało retrospektywną kohortę pacjentów pediatrycznych i dorosłych, u których wykonano zdjęcia rentgenowskie układu mięśniowo-szkieletowego w okresie od 20 marca do 8 maja 2023 r. w szpitalu jednoośrodkowym.
Opis
Kryteria włączenia:
- Pacjenci w wieku 1 roku lub starsi.
- Zdjęcia rentgenowskie układu mięśniowo-szkieletowego dostępne w formacie cyfrowego obrazowania i komunikacji w medycynie (DICOM).
- Co najmniej jedno cyfrowe zdjęcie rentgenowskie wyrostka robaczkowego części ciała, w tym stopy, kostki, kolana, dłoni, nadgarstka, łokcia, barku lub miednicy.
Kryteria wykluczenia:
- Słaba jakość radiograficzna uniemożliwiająca interpretację przez człowieka.
- Zdjęcia rentgenowskie kręgosłupa lędźwiowego, piersiowego i szyjnego oraz kości twarzy/nosa.
- Zdjęcia rentgenowskie niespełniające kryteriów włączenia wyrostków robaczkowych.
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 |
|---|---|
|
Zdjęcia rentgenowskie analizowane za pomocą sztucznej inteligencji i przeglądu radiologa
Kohorta ta składa się z 600 zdjęć rentgenowskich pobranych od dzieci i dorosłych w wieku od 1 do 99 lat, u których wykonano badanie rentgenowskie w celu wykrycia schorzeń układu mięśniowo-szkieletowego.
Zdjęcia rentgenowskie obejmują różne części ciała, takie jak stopa, kostka, kolano, dłoń, nadgarstek, łokieć, ramię i miednica.
Złamania stwierdzono w 95 przypadkach, natomiast w 453 przypadkach nie stwierdzono żadnych złamań.
|
Zastosowanie oprogramowania sztucznej inteligencji opartego na głębokim uczeniu się Carebot AI Bones w wersji 1.2.2, zaprojektowanego w celu pomocy w wykrywaniu złamań na radiogramach układu mięśniowo-szkieletowego.
Model AI analizuje cyfrowe obrazy rentgenowskie w celu identyfikacji złamań, podkreślając obszary zainteresowania za pomocą ramek ograniczających.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Czułość modelu AI w porównaniu z radiologami w wykrywaniu złamań na zdjęciach rentgenowskich układu mięśniowo-szkieletowego
Ramy czasowe: Od marca 2023 r. do maja 2023 r. (okres analizy retrospektywnej)
|
Wynik ten mierzy czułość modelu sztucznej inteligencji (Carebot AI Bones 1.2.2) w wykrywaniu złamań na zdjęciach rentgenowskich układu mięśniowo-szkieletowego w porównaniu z czułością radiologów o różnym poziomie doświadczenia.
Czułość oblicza się jako odsetek rzeczywiście pozytywnych przypadków złamań zidentyfikowanych przez model AI i radiologów w stosunku do wszystkich potwierdzonych przypadków złamań.
|
Od marca 2023 r. do maja 2023 r. (okres analizy retrospektywnej)
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
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)
20 marca 2023
Zakończenie podstawowe (Rzeczywisty)
15 lipca 2024
Ukończenie studiów (Rzeczywisty)
15 lipca 2024
Daty rejestracji na studia
Pierwszy przesłany
14 października 2024
Pierwszy przesłany, który spełnia kryteria kontroli jakości
14 października 2024
Pierwszy wysłany (Rzeczywisty)
16 października 2024
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
18 marca 2026
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
16 marca 2026
Ostatnia weryfikacja
1 marca 2026
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- CB-BONES-01-FM
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIE
Opis planu IPD
Ze względu na ochronę prywatności i retrospektywny charakter badania dane poszczególnych uczestników (IPD) nie będą udostępniane.
Gromadzone dane zawierają wrażliwe informacje medyczne, które są chronione umowami o zachowaniu poufności i przepisami RODO.
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 .