- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT05790473
Algoritmo de inteligência artificial para triagem de achados anormais do cérebro fetal na ultrassonografia do primeiro trimestre (AIRFRAME)
A visualização dos espaços encefálicos da fossa posterior, sua relação espacial e medidas podem ser obtidas na visão sagital média da cabeça fetal, a mesma utilizada para a medida da TN (9), e desempenha um papel importante no diagnóstico precoce de defeitos do tubo neural, como disrafismo espinhal aberto (5) e anomalias da fossa posterior, como DWM ou BPC (7). No entanto, a avaliação da fossa posterior fetal no primeiro trimestre ainda é desafiadora devido a várias limitações, incluindo movimentos involuntários do feto e tamanho pequeno das estruturas cerebrais, causando dificuldades para o exame e diagnósticos errôneos. Além disso, também depende do operador para a aquisição de imagens de ultrassom de alta qualidade, medições padrão e diagnóstico preciso.
O uso de novas tecnologias para melhorar a aquisição de imagens, ajudar a realizar medições automaticamente ou auxiliar no diagnóstico de anormalidades fetais pode ser de grande importância para a avaliação ideal do cérebro fetal, principalmente no primeiro trimestre (10). A inteligência artificial (IA) é descrita como a capacidade de um programa de computador executar processos associados à inteligência humana, como aprendizado, pensamento e resolução de problemas. Deep Learning (DL), um subconjunto de Machine Learning (ML), é um ramo da IA, definido pela capacidade de aprender recursos automaticamente a partir de dados sem intervenção humana. No DL, a entrada e a saída são conectadas por várias camadas vagamente modeladas nos caminhos neurais do cérebro humano. No campo de reconhecimento de imagem, um dos tipos mais promissores de redes DL é representado por redes neurais convolucionais (CNN). Eles são projetados para extrair recursos de imagem altamente representativos de maneira totalmente automatizada, o que os torna aplicáveis à tomada de decisões diagnósticas.
De acordo com essas observações, propomos um projeto de pesquisa com o objetivo de desenvolver um algoritmo de IA baseado em ultrassom, capaz de avaliar as estruturas da fossa posterior fetal durante a ultrassonografia do primeiro trimestre e discriminar achados normais e anormais por meio de um processamento de dados totalmente automático .
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
A aplicação da IA na ultrassonografia obstétrica inclui três aspectos: identificação de estruturas, medições automáticas e padronizadas e diagnóstico de classificação. Como o ultrassom obstétrico é demorado, o uso de IA também pode reduzir o tempo de exame e melhorar o fluxo de trabalho.
Desenho do estudo: este é um estudo de coorte observacional retrospectivo multicêntrico e subsequente estudo de coorte prospectivo. O desenho do estudo será organizado em duas fases distintas.
A primeira fase, o estudo retrospectivo de viabilidade, tem como objetivo desenvolver e treinar AI-Algoritmo com imagens normais e anormais adquiridas retrospectivamente durante a ultrassonografia do primeiro trimestre de dez centros internacionais de medicina fetal.
A segunda fase, uma validação clínica prospectiva, tem como objetivo testar o algoritmo AI na avaliação da anatomia da fossa posterior fetal em um ambiente clínico real com pacientes reais de cada um dos centros de medicina fetal participantes.
Ambiente: Três (3) centros de medicina fetal.
Participantes: população de gestantes únicas que realizaram ultrassonografia entre 11 e 14 semanas de gestação em dez centros de medicina fetal.
Objetivo primário: validar uma nova tecnologia baseada em IA, que poderia ser usada como uma ferramenta de triagem para achados anormais do cérebro fetal no primeiro trimestre.
Objetivos secundários: Melhorar o desempenho da triagem padrão do primeiro trimestre da fossa posterior do feto, garantindo sua avaliação ultrassonográfica confiável em um tempo de execução mais curto. Detectar maior repetibilidade e reprodutibilidade, permitindo implementar o rastreamento ultrassonográfico também em termos de eficiência em grande escala, otimizando recursos de saúde que realizaram ultrassonografia em 11+0 - 13+6 semanas de gestação com qualquer anomalia da fossa posterior fetal, como disrafismo espinhal aberto, DWM ou BPC. Imagens normais da fossa posterior fetal na mesma idade gestacional serão fornecidas pelos centros promotores - ou seja, Fondazione Policlinico A. Gemelli, IRCCS e University of Parma. As informações clínicas, ultrassonográficas, pré-natais e pós-natais de cada caso serão recuperadas dos prontuários médicos do paciente e inseridas em um arquivo de coleta de banco de dados eletrônico pelo investigador principal de cada centro participante. As imagens adquiridas serão anonimizadas, salvas como DICOM e compartilhadas por meio de um sistema de armazenamento em nuvem dedicado que será configurado pela equipe de bioengenharia. Cada centro poderá acessar o sistema web usando um ID pessoal e senha.
Na segunda fase do estudo, o algoritmo será testado prospectivamente e validado em um ambiente clínico real com pacientes reais de cada um dos centros de medicina fetal participantes. Os critérios de inclusão e exclusão, protocolo de imagem e coleta de dados serão os mesmos realizados na fase retrospectiva.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Alessandra Familiari, MD
- Número de telefone: 3285887422
- E-mail: familiari.ale@gmail.com
Locais de estudo
-
-
-
Rome, Itália, 00168
- Recrutamento
- FP Gemelli IRCCS
-
Contato:
- Alessandra Familiari
- Número de telefone: 3285887422
- E-mail: familiari.ale@gmail.com
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Mulheres com gestações únicas que realizaram exame de ultrassom entre 11+0 - 13+6 semanas de gestação ou com comprimento cabeça-nádega fetal entre 45 - 84 mm.
Critério de exclusão:
- Mulheres que não realizaram o rastreamento do primeiro trimestre na idade gestacional estabelecida.
- Mulheres nas quais uma boa visualização da visão médio-sagital da cabeça fetal não era tecnicamente possível.
- Mulheres que não são capazes de dar o consentimento informado.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Caso
Fetos com anomalias cerebrais
|
Desenvolvimento de algoritmo de IA para detecção precoce de anomalias cerebrais fetais no primeiro trimestre de gravidez
|
|
Controles
Normal com cérebro normal
|
Desenvolvimento de algoritmo de IA para detecção precoce de anomalias cerebrais fetais no primeiro trimestre de gravidez
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Algoritmo de IA
Prazo: 2 anos
|
Número de casos detectados com aplicativo de algoritmo de IA
|
2 anos
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Reprodutibilidade
Prazo: 1 ano
|
Número de casos detectados com aplicação de algoritmo de IA em comparação com aqueles detectados com técnicas padrão de diagnóstico pré-natal
|
1 ano
|
Colaboradores e Investigadores
Colaboradores
Investigadores
- Investigador principal: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli
Publicações e links úteis
Publicações Gerais
- Garcia-Rodriguez R, Garcia-Delgado R, Romero-Requejo A, Medina-Castellano M, Garcia-Hernandez JA, Gonzalez-Martin JM, Sepulveda W. First-trimester cystic posterior fossa: reference ranges, associated findings, and pregnancy outcomes. J Matern Fetal Neonatal Med. 2021 Mar;34(6):933-942. doi: 10.1080/14767058.2019.1622673. Epub 2019 Jun 4.
- Chaoui R, Benoit B, Mitkowska-Wozniak H, Heling KS, Nicolaides KH. Assessment of intracranial translucency (IT) in the detection of spina bifida at the 11-13-week scan. Ultrasound Obstet Gynecol. 2009 Sep;34(3):249-52. doi: 10.1002/uog.7329.
- Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020 Oct;56(4):498-505. doi: 10.1002/uog.22122.
- Chen Z, Liu Z, Du M, Wang Z. Artificial Intelligence in Obstetric Ultrasound: An Update and Future Applications. Front Med (Lausanne). 2021 Aug 27;8:733468. doi: 10.3389/fmed.2021.733468. eCollection 2021.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 5526
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
Prazo de Compartilhamento de IPD
Critérios de acesso de compartilhamento IPD
Tipo de informação de suporte de compartilhamento de IPD
- PROTOCOLO DE ESTUDO
- SEIVA
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .