- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT06952439
Ocena wydajności klinicznej technologii sztucznej inteligencji (AI)/ Uczenie maszynowego (ML) wykorzystywane przez Origin Medical Examin Assistant
Prospektywne wieloośrodkowe badanie w celu oceny wydajności technologii sztucznej inteligencji (AI)/ Uczenie maszynowego (ML) wykorzystywane przez Origin Medical Examin Assistant
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Studiuj krótkie:
Należy przeprowadzić wieloośrodkowe, prospektywne badanie obserwacyjne w celu oceny wydajności i walidacji technologii AI/ML stosowanych w OMEA do automatycznej oceny standardowych badań ultrasonograficznych płodu w pierwszym trymestrze. Prospektywny zestaw danych wynoszący co najmniej n = 289 badań ultrasonograficznych płodu należy pobierać od uczestników w ciąży z 11 tygodniami od 0 dni do 13 tygodni 6 tygodni wieku ciążowego (pierwszy trymestr).
Cele badań:
Badanie to ma na celu ocenę wydajności technologii sztucznej inteligencji (AI) / Machine Learning (ML) wykorzystywanych w OMEA dla:
- Zautomatyzowane wykrywanie standardowych widoków diagnostycznych zgodnie z wytycznymi praktyki;
Zautomatyzowana weryfikacja kryteriów jakości wymagana do interpretacji poglądów diagnostycznych zgodnie z wytycznymi praktyki;
Uwaga: Kryteria jakości mogą dotyczyć następujących:
- Obecność/brak anatomicznych punktów orientacyjnych/struktur zidentyfikowanych w wykrywanych poglądach diagnostycznych
- Weryfikacja parametrów obrazowania (np. Powiększenie)
- Weryfikacja cech klinicznych (np. Orientacja płodu)
- Zautomatyzowane umiejscowienie zacisków w celu uzyskania pomiarów zgodnie z wytycznymi praktyki;
Zgodność z wytycznymi HIPAA:
Wszystkie uzyskane dane zostaną zidentyfikowane zgodnie z wytycznymi Ustawy o przenośności i odpowiedzialności zdrowotnej (HIPAA). Sponsor będzie odpowiedzialny za przechowywanie, zarządzanie i bezpieczeństwo zebranych danych zidentyfikowanych. Aby chronić prywatność pacjentów, wszystkie dane zebrane do badania ulegają identyfikacji, zapewniając usunięcie wszelkich możliwych do zidentyfikowania informacji o pacjencie. Każdemu wpisowi danych przypisuje się unikalny numer pacjenta, który służy jako jedyny identyfikator badania. Związek między liczbą pacjentów a identyfikatorami pacjentów jest bezpiecznie utrzymany i dostępny tylko dla głównego badacza (PI) i personelu badawczego w lokalizacji miejsca badania. Ten link jest ściśle poufny i nie jest udostępniany innym osobom zaangażowanym w badanie. Jego celem jest wyłącznie odniesienie witryny, umożliwiając w razie potrzeby kontynuowanie dokumentacji medycznej. Wdrażając te środki, badanie utrzymuje wysoki poziom poufności, chroniąc tożsamości pacjentów, jednocześnie umożliwiając niezbędne prowadzenie rekordów i potencjalne przyszłe odniesienie.
Rozmiar wielkości próby:
Do badania zostanie zrekrutowanych około 289 uczestników, których szczegóły zostaną uchwycone w planie analizy statystycznej, który zostanie przesłany do FDA.
Projektowanie i przepływ pracy:
Dane do badania są gromadzone zgodnie z planem gromadzenia danych oraz predefiniowanymi kryteriami włączenia i wykluczenia. ARDM wykonujące rutynowe skan ultrasonograficzny w pierwszym trymestrze zostanie przeszkolony w zakresie protokołu akwizycji obrazu oraz lekarzy płodowych matczynych (MFM)/czytania wykonujących kliniczne oddziaływanie testów standalonowych, zostaną poprowadzeni w instrukcji szkoleniowej w celu zapewnienia standardowego przechwytywania danych i analizy porównawczej. Wszystkie wyżej wymienione dokumenty zostaną przesłane do FDA w ramach przeglądu przedłożonego przedsiębiorstwa.
Faza 1: przechwytywanie danych:
Na każdym miejscu badań zostanie świadoma zgoda i uzyskana od kwalifikujących się uczestników, a zostaną zebrane następujące informacje.
Szczegóły pacjenta:
- Płód ciążowy
- Wiek matki
- BMI matki
- Rasa/pochodzenie etniczne
- Potwierdzenie diagnozy anomalii/zespołu płodu przed badaniem i po badaniu
Szczegóły strony:
- Lokalizacja strony
- Nazwa sonografa
- Producent i seria skanerów ultradźwiękowych
Obrazy i Cines przechwycone na maszynie ultradźwiękowej (IUS): Zarejestrowani sonografowie medyczni diagnostyczni przeprowadzają rutynowe skany pierwszego trymestra zgodnie z protokołem akwizycji obrazu.
Obrazy i ciny przechwycone przez kartę przechwytywania (ICC): Zostanie uzyskane zostanie przechwytywanie/nagrywanie ekranu całego egzaminu przeprowadzonego przez sonografa. Niezależny koordynator ds. Badań z Origin Medical dla badania przejrzy rejestrowanie ekranu i zidentyfikuje ramkę/kina dla każdego widoku diagnostycznego (ICC), który odpowiada znaczkom czasowym opartym na IUS.
Niezależny recenzent jakości z Origin Medical zweryfikuje, czy odpowiednia para (tj. Zabryczona na maszynie ultradźwiękowej vs. uzyskanej za pomocą zapisu ekranu) ramek/kina dla każdego widoku diagnostycznego została wyodrębniona, czy nie.
Faza 2: kliniczne analiza porównawcza i analizy statystycznej
Wszystkie obrazy/CINE (IUS) ze wszystkich egzaminów pacjentów, które spełniają kryteria kwalifikowalności w badaniu, zostaną połączone i losowo przydzielone do przygotowania gruntowej prawdy przez niezależny panel czytania (n = 3; lekarze MFM).
Technologie AI/ML Interpretacja ICC Mrożone Technologie Al/ML stosowane w OMEA powinny interpretować obrazy/Cines (ICC).
Ze względu na przejrzystość ICC odnosi się do obrazów/cinów wyodrębnionych z nagrań ekranu za pomocą karty przechwytywania, które odpowiadają tym samym obrazom/cinom, jak uzyskane przez ARDMS na maszynie ultradźwiękowej.
Następujące zadania będą wykonywać technologie AI/ML na ICC:
- Zautomatyzowane wykrywanie standardowych widoków diagnostycznych;
- Zautomatyzowana weryfikacja kryteriów jakości wymaganych do interpretacji poglądów diagnostycznych;
- Zautomatyzowane umiejscowienie zacisków w celu uzyskania pomiarów płodu;
Wydajność technologii AI/ML zastosowanych w OMEA (na wszystkich obrazach/cinach ICC, które spełniają kryteria kwalifikowalności badania) należy porównać z prawdą podstawową do analizy statystycznej, tj. W stosunku do konsensusu większości uzyskanego z panelu czytania do wykrywania poglądów diagnostycznych, weryfikacji kryteriów jakości, wykonywania pomiarów biometrii płciowej i oceny ACEP z obrazów/Cines.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
California
-
Apple Valley, California, Stany Zjednoczone, 92307
- Harbinder S Brar MD Inc
-
Indio, California, Stany Zjednoczone, 92201
- Harbinder S Brar MD Inc
-
Murrieta, California, Stany Zjednoczone, 92562
- Harbinder S Brar MD Inc
-
Redlands, California, Stany Zjednoczone, 92374
- Harbinder S Brar MD Inc
-
Riverside, California, Stany Zjednoczone, 92506
- Harbinder S Brar MD Inc
-
San Bernardino, California, Stany Zjednoczone, 92404
- Harbinder S Brar MD Inc
-
-
Louisiana
-
New Orleans, Louisiana, Stany Zjednoczone, 70002
- Sweet Pea 3D/4D Ultrasound Nola
-
-
New York
-
Troy, New York, Stany Zjednoczone, 12180
- Mobile Mama Ultrasound, LLC
-
-
North Carolina
-
Raleigh, North Carolina, Stany Zjednoczone, 27607
- Mid-Carolina OB/GYN
-
-
Oklahoma
-
Norman, Oklahoma, Stany Zjednoczone, 73072
- The Nest 4D Ultrasound LLC, DBA InFocus Ultrasound DBA Little Peanut 4D Ultrasound
-
Oklahoma City, Oklahoma, Stany Zjednoczone, 73106
- The Nest 4D Ultrasound LLC, DBA InFocus Ultrasound DBA Little Peanut 4D Ultrasound
-
Owasso, Oklahoma, Stany Zjednoczone, 74055
- Tiny Blessings Ultrasound 4D Studio
-
Skiatook, Oklahoma, Stany Zjednoczone, 74070
- Tiny Blessings Ultrasound 4D Studio
-
-
Texas
-
Houston, Texas, Stany Zjednoczone, 77018
- Total Womens Care PLLC
-
Webster, Texas, Stany Zjednoczone, 77598
- Reveal Ultrasound, LLC-S
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Wiek matki ≥ 18 lat
- BMI <40 kg/m2
- Na żywo nieanomalne ciąże singletonowe
Wiek ciążowy od 11 tygodni + 0 dni do 13 tygodni + 6 dni, jak określono przez:
Ostatni okres menstruacyjny (LMP) lub raport ultradźwiękowy, jeśli data LMP jest niepewna Uwaga: Oznaczenie wieku ciążowego jest zgodne z wytycznymi Standard American College of Obstetricians and Gynecologists (ACOG).
- Uczestnik uzyskuje świadomą zgodę
- Egzaminy uzyskane zgodnie z protokołem akwizycji obrazu
Kryteria wykluczenia:
- Wiele ciąż
- Przypadki z upadkiem płodu lub innymi nieprawidłowościami płodu zaobserwowanymi/podejrzewanymi po badaniu ultrasonograficznym
- Przypadki planowanych diagnostycznych badań obserwacyjnych ultrasonograficznych w ciągu 2 tygodni dla znanej lub podejrzanej nieprawidłowości po bieżącym badaniu ultradźwiękowym w badaniu
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Obrazy i kiny przechwycone na maszynie ultradźwiękowej (IUS)
Amerykańscy zarejestrowani diagnostyczni sonografowie medyczni (ARDM; pojedynczy operator/scan ultradźwiękowy) przeprowadzają rutynowe skany pierwszego trymestra według protokołu akwizycji obrazu w badaniu FDA. Uwaga: Egzaminy pacjentów, które nie spełniają badań kryteriów kwalifikowalności, zgodnie z określonymi lub zaobserwowanymi przez ARDM, zostaną wykluczone na tym etapie. Kryteria wykluczenia zidentyfikowane lub obserwowane przez sonografa są następujące:
|
Uzyskane zostanie przechwytywanie/nagrywanie ekranu całego egzaminu przeprowadzonego przez ARDMS zgodnie z protokołem akwizycji obrazu dla badania FDA, a także uzyskane obrazy/ciny wymagane do badania odpowiadające IUS.
Niezależny koordynator badań w badaniu dokona przeglądu zapisu ekranu i zidentyfikuje ramkę/cine dla każdego widoku diagnostycznego (ICC), który odpowiada IUS na podstawie znaczków czasowych.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Aby ocenić, czy technologie AI/ML zastosowane w OMEA mogą osiągnąć akceptowalną wrażliwość do identyfikacji poglądu diagnostycznego
Ramy czasowe: 11 tygodni 0 dni do 13 tygodni 6 dni
|
Ogólna czułość i dwustronny 95% przedział ufności (CI) zostaną określone przy użyciu danych połączonych z widokiem diagnostycznym. UWAGA: Uczestnik jest oceniany pod kątem pierwotnego wyniku tego samego dnia rejestracji. |
11 tygodni 0 dni do 13 tygodni 6 dni
|
|
Aby ocenić, czy technologie AI/ML stosowane w OMEA mogą osiągnąć akceptowalną czułość i spójność w celu weryfikacji kryteriów jakości danego obrazu
Ramy czasowe: 11 tygodni 0 dni do 13 tygodni 6 dni
|
Ogólna czułość i dwustronny 95% przedział ufności (CI) zostaną określone przy użyciu danych połączonych z widokiem diagnostycznym kryteriów jakości. UWAGA: Uczestnik jest oceniany pod kątem pierwotnego wyniku tego samego dnia rejestracji. |
11 tygodni 0 dni do 13 tygodni 6 dni
|
|
Aby ocenić wydajność technologii OMEA AI/ML w odniesieniu do ułatwienia określania ilościowej miary długości korony (CRL) i półprzewodników niuchowych (NT), zostaną przeprowadzone uzupełniające oceny porozumienia.
Ramy czasowe: 11 tygodni 0 dni do 13 tygodni 6 dni
|
Umowa i spójność technologii AI/ML stosowanych w OMEA w celu uzyskania pomiarów ilościowych (tj. CRL i NT) w porównaniu ze średnią lekarza MFM zostanie przeanalizowana poprzez zastosowanie regresji Deminga i analizy Blanda-Altmana. UWAGA: Uczestnik jest oceniany pod kątem pierwotnego wyniku tego samego dnia rejestracji. |
11 tygodni 0 dni do 13 tygodni 6 dni
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Aby ocenić wrażliwość i swoistość wykrywania każdego z indywidualnych poglądów diagnostycznych każdego z indywidualnych kryteriów jakości w ramach każdego widoku diagnostycznego.
Ramy czasowe: 11 tygodni 0 dni do 13 tygodni 6 dni
|
Ocenimy czułość i dwustronne 95% CI (dwustronny 90% CI) dla każdego z poszczególnych płaszczyzn diagnostycznych i indywidualnych kryteriów jakości w każdej płaszczyźnie diagnostycznej. Równolegle należy również określić specyficzność dla technologii AI/ML, aby dokładnie ustalić, kiedy nie występują kryteria widoku diagnostycznego/jakości, wraz z powiązanym 95% przedziałem ufności. UWAGA: Uczestnik jest oceniany pod kątem drugiego wyniku tego samego dnia rejestracji. |
11 tygodni 0 dni do 13 tygodni 6 dni
|
Inne miary wyników
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Oceń porozumienie między obserwatorem w wartościach ilościowych CRL i NT wśród panelu czytających lekarzy MFM.
Ramy czasowe: 11 tygodni 0 dni do 13 tygodni 6 dni
|
Przeanalizujemy umowę między oceniającymi w wartościach ilościowych CRL i NT wśród trzech (3) lekarzy MFM podczas klinicznego testu porównawczego.
|
11 tygodni 0 dni do 13 tygodni 6 dni
|
Współpracownicy i badacze
Sponsor
Śledczy
- Główny śledczy: Jeroen Peter Vanderhoeven, MD, Providence Swedish Medical Center
Publikacje i pomocne linki
Publikacje ogólne
- Bland JM, Altman DG. Statistical methods for assessing agreement between two methods of clinical measurement. Lancet. 1986 Feb 8;1(8476):307-10.
- Committee Opinion No 700: Methods for Estimating the Due Date. Obstet Gynecol. 2017 May;129(5):e150-e154. doi: 10.1097/AOG.0000000000002046.
- Akkus Z, Cai J, Boonrod A, Zeinoddini A, Weston AD, Philbrick KA, Erickson BJ. A Survey of Deep-Learning Applications in Ultrasound: Artificial Intelligence-Powered Ultrasound for Improving Clinical Workflow. J Am Coll Radiol. 2019 Sep;16(9 Pt B):1318-1328. doi: 10.1016/j.jacr.2019.06.004.
- Bland JM, Altman DG. Comparing methods of measurement: why plotting difference against standard method is misleading. Lancet. 1995 Oct 21;346(8982):1085-7. doi: 10.1016/s0140-6736(95)91748-9.
- Payne RB. Deming's regression analysis in method comparison studies. Ann Clin Biochem. 1985 Jul;22 ( Pt 4):430. doi: 10.1177/000456328502200419. No abstract available.
- Ghelich Oghli M, Shabanzadeh A, Moradi S, Sirjani N, Gerami R, Ghaderi P, Sanei Taheri M, Shiri I, Arabi H, Zaidi H. Automatic fetal biometry prediction using a novel deep convolutional network architecture. Phys Med. 2021 Aug;88:127-137. doi: 10.1016/j.ejmp.2021.06.020. Epub 2021 Jul 6.
- Matthew J, Skelton E, Day TG, Zimmer VA, Gomez A, Wheeler G, Toussaint N, Liu T, Budd S, Lloyd K, Wright R, Deng S, Ghavami N, Sinclair M, Meng Q, Kainz B, Schnabel JA, Rueckert D, Razavi R, Simpson J, Hajnal J. Exploring a new paradigm for the fetal anomaly ultrasound scan: Artificial intelligence in real time. Prenat Diagn. 2022 Jan;42(1):49-59. doi: 10.1002/pd.6059. Epub 2021 Oct 18.
- He F, Wang Y, Xiu Y, Zhang Y, Chen L. Artificial Intelligence in Prenatal Ultrasound Diagnosis. Front Med (Lausanne). 2021 Dec 16;8:729978. doi: 10.3389/fmed.2021.729978. eCollection 2021.
- Xiao S, Zhang J, Zhu Y, Zhang Z, Cao H, Xie M, Zhang L. Application and Progress of Artificial Intelligence in Fetal Ultrasound. J Clin Med. 2023 May 5;12(9):3298. doi: 10.3390/jcm12093298.
- Siddique J, Lauderdale DS, VanderWeele TJ, Lantos JD. Trends in prenatal ultrasound use in the United States: 1995 to 2006. Med Care. 2009 Nov;47(11):1129-35. doi: 10.1097/MLR.0b013e3181b58fbf.
- Kurjak A, Medjedovic E, Stanojevic M. Use and misuse of ultrasound in obstetrics with reference to developing countries. J Perinat Med. 2022 Oct 28;51(2):240-252. doi: 10.1515/jpm-2022-0438. Print 2023 Feb 23.
- Walsh CA, McAuliffe F, Kinsella V, McParland P. Routine obstetric ultrasound services. Ir Med J. 2013 Nov-Dec;106(10):311-3.
- International Society of Ultrasound in Obstetrics and Gynecology; Bilardo CM, Chaoui R, Hyett JA, Kagan KO, Karim JN, Papageorghiou AT, Poon LC, Salomon LJ, Syngelaki A, Nicolaides KH. ISUOG Practice Guidelines (updated): performance of 11-14-week ultrasound scan. Ultrasound Obstet Gynecol. 2023 Jan;61(1):127-143. doi: 10.1002/uog.26106. No abstract available.
- AIUM Practice Parameter for the Performance of Standard Diagnostic Obstetric Ultrasound. J Ultrasound Med. 2024 Jun;43(6):E20-E32. doi: 10.1002/jum.16406. Epub 2024 Jan 15. No abstract available.
- Salomon LJ, Alfirevic Z, Bilardo CM, Chalouhi GE, Ghi T, Kagan KO, Lau TK, Papageorghiou AT, Raine-Fenning NJ, Stirnemann J, Suresh S, Tabor A, Timor-Tritsch IE, Toi A, Yeo G. ISUOG practice guidelines: performance of first-trimester fetal ultrasound scan. Ultrasound Obstet Gynecol. 2013 Jan;41(1):102-13. doi: 10.1002/uog.12342. No abstract available.
Przydatne linki
- The Sustainable Development Goals (SDGs; Goal 3) and the United Nations Global Strategy for Women's, Children's, and Adolescents' Health targeting reduction in the global maternal mortality ratio.
- The Sustainable Development Goals (SDGs; Goal 3) and the United Nations Global Strategy for Women's, Children's, and Adolescents' Health targeting reduction in the global maternal mortality ratio.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Szacowany)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- OMS-US-EA-FDA-CPA-01
- 03/13/2025 (Inny identyfikator: WCG IRB)
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
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 .