Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Algoritmo de inteligência artificial para triagem de achados anormais do cérebro fetal na ultrassonografia do primeiro trimestre (AIRFRAME)

21 de março de 2024 atualizado por: Familiari Alessandra, Fondazione Policlinico Universitario Agostino Gemelli IRCCS

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

Recrutamento

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

Observacional

Inscrição (Estimado)

10000

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Locais de estudo

      • Rome, Itália, 00168
        • Recrutamento
        • FP Gemelli IRCCS
        • Contato:

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

18 anos a 45 anos (Adulto)

Aceita Voluntários Saudáveis

Sim

Método de amostragem

Amostra Não Probabilística

População do estudo

Todas as gestações submetidas à triagem no primeiro trimestre

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

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

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

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Investigadores

  • Investigador principal: Alessandra Familiari, MD, Fondazione Policlinico Agostino Gemelli

Publicações e links úteis

A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

1 de maio de 2023

Conclusão Primária (Estimado)

1 de maio de 2024

Conclusão do estudo (Estimado)

1 de maio de 2025

Datas de inscrição no estudo

Enviado pela primeira vez

6 de março de 2023

Enviado pela primeira vez que atendeu aos critérios de CQ

16 de março de 2023

Primeira postagem (Real)

30 de março de 2023

Atualizações de registro de estudo

Última Atualização Postada (Real)

22 de março de 2024

Última atualização enviada que atendeu aos critérios de controle de qualidade

21 de março de 2024

Última verificação

1 de março de 2024

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)?

SIM

Descrição do plano IPD

Imagens DICOM através de um drive entre os centros

Prazo de Compartilhamento de IPD

após 1 ano e por 1 ano

Critérios de acesso de compartilhamento IPD

casos patológicos

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

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

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 .

Se inscrever