Melhorando a precisão do diagnóstico na identificação de fraturas em radiografias musculoesqueléticas usando aprendizado profundo: um estudo retrospectivo com vários leitores
16 de março de 2026 atualizado por: Carebot s.r.o.
Este estudo retrospectivo tem como objetivo avaliar a eficácia da inteligência artificial (IA) na identificação de fraturas em radiografias musculoesqueléticas.
Ao comparar o desempenho de um modelo de IA de aprendizagem profunda com o de radiologistas experientes, procuramos compreender como a IA pode ajudar a melhorar a precisão da detecção de fraturas em ambientes clínicos.
O estudo analisou 600 radiografias de pacientes pediátricos e adultos, concentrando-se na identificação de fraturas em diferentes partes do corpo, incluindo pé, tornozelo, joelho, mão, punho e muito mais.
As descobertas mostram que a integração da IA pode aumentar a sensibilidade dos radiologistas na detecção de fraturas, melhorando potencialmente os resultados dos pacientes ao reduzir o número de lesões não detectadas.
Visão geral do estudo
Status
Concluído
Condições
Intervenção / Tratamento
Tipo de estudo
Observacional
Inscrição (Real)
600
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.
Locais de estudo
-
-
Moravskoslezský kraj
-
Frýdek-Místek, Moravskoslezský kraj, Tcheca, 73801
- Nemocnice ve Frýdku-Místku, p.o.
-
-
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
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Não
Método de amostragem
Amostra Não Probabilística
População do estudo
O estudo inclui uma coorte retrospectiva de pacientes pediátricos e adultos submetidos a radiografias musculoesqueléticas entre 20 de março e 8 de maio de 2023, em ambiente hospitalar unicêntrico.
Descrição
Critérios de inclusão:
- Pacientes com 1 ano ou mais.
- Radiografias musculoesqueléticas disponíveis no formato Digital Imaging and Communications in Medicine (DICOM).
- Pelo menos uma radiografia digital simples de uma parte apendicular do corpo, incluindo pé, tornozelo, joelho, mão, punho, cotovelo, ombro ou pelve.
Critérios de exclusão:
- Má qualidade radiográfica que impede a interpretação humana.
- Radiografias da coluna lombar, torácica e cervical ou ossos faciais/nasais.
- Radiografias que não atendem aos critérios de inclusão para partes apendiculares do corpo.
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 |
|---|---|
|
Radiografias analisadas usando IA e revisão do radiologista
Esta coorte consiste em 600 radiografias coletadas de pacientes pediátricos e adultos, com idades entre 1 e 99 anos, que foram submetidos a exames de raios X para condições musculoesqueléticas.
As radiografias incluem várias partes do corpo, como pé, tornozelo, joelho, mão, punho, cotovelo, ombro e pelve.
As fraturas estiveram presentes em 95 casos, enquanto 453 casos não apresentaram fraturas.
|
O uso de um software de inteligência artificial baseado em aprendizagem profunda, Carebot AI Bones versão 1.2.2, projetado para auxiliar na detecção de fraturas em radiografias musculoesqueléticas.
O modelo de IA analisa imagens digitais de raios X para identificar fraturas, destacando áreas de interesse com caixas delimitadoras.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sensibilidade do modelo de IA em comparação com radiologistas na detecção de fraturas em radiografias musculoesqueléticas
Prazo: De março de 2023 a maio de 2023 (período de análise retrospectiva)
|
Este resultado mede a sensibilidade do modelo de IA (Carebot AI Bones 1.2.2) na detecção de fraturas em radiografias musculoesqueléticas, em comparação com a sensibilidade de radiologistas com níveis variados de experiência.
A sensibilidade é calculada como a proporção de casos de fratura verdadeiramente positivos identificados pelo modelo de IA e pelos radiologistas de todos os casos de fratura confirmados.
|
De março de 2023 a maio de 2023 (período de análise retrospectiva)
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
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)
20 de março de 2023
Conclusão Primária (Real)
15 de julho de 2024
Conclusão do estudo (Real)
15 de julho de 2024
Datas de inscrição no estudo
Enviado pela primeira vez
14 de outubro de 2024
Enviado pela primeira vez que atendeu aos critérios de CQ
14 de outubro de 2024
Primeira postagem (Real)
16 de outubro de 2024
Atualizações de registro de estudo
Última Atualização Postada (Real)
18 de março de 2026
Última atualização enviada que atendeu aos critérios de controle de qualidade
16 de março de 2026
Última verificação
1 de março de 2026
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- CB-BONES-01-FM
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Descrição do plano IPD
Devido a questões de privacidade e à natureza retrospectiva do estudo, os dados individuais dos participantes (IPD) não serão compartilhados.
Os dados coletados contêm informações médicas confidenciais protegidas por acordos de confidencialidade e regulamentos GDPR.
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 .