- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT06675266
AIRFRAME: Sztuczna inteligencja do rozpoznawania anomalii mózgu płodu w drugim trymestrze badania mózgu płodu (AIRFRAME)
Opracowanie algorytmu sztucznej inteligencji do rozpoznawania nieprawidłowych wyników podczas rutynowego USG mózgu płodu. AIRFRAME (sztuczna inteligencja do rozpoznawania anomalii w mózgu płodu)
Przegląd badań
Status
Warunki
Szczegółowy opis
Zastosowanie sztucznej inteligencji w ultrasonografii położniczej obejmuje trzy aspekty: identyfikację struktury, pomiary automatyczne i standaryzowane oraz diagnostykę klasyfikacyjną. Ponieważ USG położnicze jest czasochłonne, zastosowanie sztucznej inteligencji mogłoby również skrócić czas badania i usprawnić przebieg pracy.
Projekt badania: jest to wieloośrodkowe retrospektywne obserwacyjne badanie kohortowe i późniejsze prospektywne badanie kohortowe. Projekt badania będzie podzielony na dwa różne etapy.
Pierwsza faza, retrospektywne badanie wykonalności, ma na celu opracowanie i przeszkolenie algorytmu AI z obrazami prawidłowymi i nieprawidłowymi uzyskanymi retrospektywnie podczas badania USG w drugim trymestrze ciąży z różnych międzynarodowych ośrodków medycyny płodowej.
Celem drugiej fazy, prospektywnej walidacji klinicznej, jest przetestowanie algorytmu AI w ocenie podstawowej anatomii mózgu płodu w rzeczywistych warunkach klinicznych z udziałem prawdziwych pacjentów z każdego z uczestniczących ośrodków medycyny płodu.
Miejsce: Trzy (3) ośrodki medycyny płodowej.
Uczestnicy: populacja ciężarnych pojedynczych, które zostały poddane badaniu ultrasonograficznemu pomiędzy 19. a 22. tygodniem ciąży w ośrodkach uczestniczących w badaniu.
Pierwszorzędowy punkt końcowy: walidacja nowatorskiej technologii opartej na sztucznej inteligencji do automatycznej oceny podstawowej anatomii mózgu płodu, która mogłaby potencjalnie zostać wykorzystana do wspomagania badań przesiewowych w drugim trymestrze ciąży.
Drugorzędowe punkty końcowe:
Poprawa efektywności standardowego badania przesiewowego anatomii mózgu płodu w drugim trymestrze, zapewniając jego wiarygodną ocenę ultrasonograficzną w krótszym czasie realizacji.
Wykrycie większej powtarzalności i odtwarzalności, co umożliwi wdrożenie badań przesiewowych USG również pod kątem efektywności na szeroką skalę, optymalizując zasoby opieki zdrowotnej. W pierwszej fazie badania uczestniczące ośrodki medycyny płodowej przeszukają swoje elektroniczne bazy danych w poszukiwaniu zdjęć kobiet w ciąży pojedynczej, które wykonano badanie ultrasonograficzne w 19+0 - 22+6 tygodniu ciąży w celu wykrycia jakichkolwiek nieprawidłowości w mózgu płodu. Normalne obrazy mózgu płodu w tym samym wieku ciążowym zapewnią ośrodki promujące – tj. Fondazione Policlinico A. Gemelli, IRCCS i Uniwersytet w Parmie. Informacje kliniczne, ultrasonograficzne, prenatalne i poporodowe każdego przypadku zostaną pobrane z dokumentacji medycznej pacjentki i umieszczone w elektronicznej bazie danych przez głównego badacza z każdego uczestniczącego ośrodka. Pozyskane obrazy zostaną zanonimizowane, zapisane w formacie DICOM i udostępnione za pośrednictwem dedykowanego systemu przechowywania w chmurze, który zostanie skonfigurowany przez zespół bioinżynierów. Każde centrum będzie mogło uzyskać dostęp do systemu internetowego za pomocą osobistego identyfikatora i hasła.
W drugiej fazie badania algorytm zostanie prospektywnie przetestowany i zweryfikowany w rzeczywistych warunkach klinicznych z udziałem prawdziwych pacjentów z każdego z uczestniczących ośrodków medycyny płodu. Kryteria włączenia i wyłączenia, protokół obrazowania i gromadzenie danych będą takie same, jak w przypadku fazy retrospektywnej.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Alessandra Familiari, MD
- Numer telefonu: +39 3285887422
- E-mail: alessandra.familiari@policlinicogemelli.it
Lokalizacje studiów
-
-
-
Rome, Włochy, 00136
- Rekrutacyjny
- Fondazione Policlinico Universitario Agostino Gemelli
-
Kontakt:
- Alessandra Familiari, MD
- Numer telefonu: +39 3285887422
- E-mail: alessandra.familiari@policlinicogemelli.it
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Kobiety w ciąży pojedynczej poddawane badaniu USG pomiędzy 19+0 a 22+6 tygodniem ciąży
Kryteria wykluczenia:
- Kobiety, które nie wykonały badania przesiewowego w drugim trymestrze ciąży w ustalonym wieku ciążowym.
- Kobiety, u których dobra wizualizacja płaszczyzny przezkomorowej, przezwzgórzowej i przezmóżdżkowej głowy płodu 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 umożliwiającego wczesne wykrywanie nieprawidłowości w mózgu płodu w drugim trymestrze ciąży
Inne nazwy:
|
|
STEROWNICA
Płody z anomalią mózgu
|
Opracowanie algorytmu AI umożliwiającego wczesne wykrywanie nieprawidłowości w mózgu płodu w drugim trymestrze ciąży
Inne nazwy:
|
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, Fondazione Policlinico Universitario A. gemelli, IRCCS
Publikacje i pomocne linki
Publikacje ogólne
- Chen H, Wu L, Dou Q, Qin J, Li S, Cheng JZ, Ni D, Heng PA. Ultrasound Standard Plane Detection Using a Composite Neural Network Framework. IEEE Trans Cybern. 2017 Jun;47(6):1576-1586. doi: 10.1109/TCYB.2017.2685080. Epub 2017 Mar 30.
- Yu Z, Tan EL, Ni D, Qin J, Chen S, Li S, Lei B, Wang T. A Deep Convolutional Neural Network-Based Framework for Automatic Fetal Facial Standard Plane Recognition. IEEE J Biomed Health Inform. 2018 May;22(3):874-885. doi: 10.1109/JBHI.2017.2705031. Epub 2017 May 17.
- Yaqub M, Kelly B, Papageorghiou AT, Noble JA. A Deep Learning Solution for Automatic Fetal Neurosonographic Diagnostic Plane Verification Using Clinical Standard Constraints. Ultrasound Med Biol. 2017 Dec;43(12):2925-2933. doi: 10.1016/j.ultrasmedbio.2017.07.013. Epub 2017 Sep 28.
- Ambroise Grandjean G, Hossu G, Bertholdt C, Noble P, Morel O, Grange G. Artificial intelligence assistance for fetal head biometry: Assessment of automated measurement software. Diagn Interv Imaging. 2018 Nov;99(11):709-716. doi: 10.1016/j.diii.2018.08.001. Epub 2018 Sep 1.
- Rydberg C, Tunon K. Detection of fetal abnormalities by second-trimester ultrasound screening in a non-selected population. Acta Obstet Gynecol Scand. 2017 Feb;96(2):176-182. doi: 10.1111/aogs.13037. Epub 2016 Nov 22.
- Hendricks KA, Simpson JS, Larsen RD. Neural tube defects along the Texas-Mexico border, 1993-1995. Am J Epidemiol. 1999 Jun 15;149(12):1119-27. doi: 10.1093/oxfordjournals.aje.a009766.
- Klusmann A, Heinrich B, Stopler H, Gartner J, Mayatepek E, Von Kries R. A decreasing rate of neural tube defects following the recommendations for periconceptional folic acid supplementation. Acta Paediatr. 2005 Nov;94(11):1538-42. doi: 10.1080/08035250500340396.
- De Wals P, Rusen ID, Lee NS, Morin P, Niyonsenga T. Trend in prevalence of neural tube defects in Quebec. Birth Defects Res A Clin Mol Teratol. 2003 Nov;67(11):919-23. doi: 10.1002/bdra.10124.
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 (Szacowany)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Szacowany)
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
- Prod. ID 4813
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 .