- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT06675266
AIRFRAME: Inteligência Artificial para Reconhecimento de Anomalias Cerebrais Fetais na Varredura Cerebral Fetal do Segundo Trimestre (AIRFRAME)
Desenvolvimento de um algoritmo de inteligência artificial para reconhecer achados anormais na ultrassonografia cerebral fetal de rotina. AIRFRAME (Inteligência Artificial para Reconhecimento de Anomalias Cerebrais Fetais)
Visão geral do estudo
Status
Condições
Descrição detalhada
A aplicação da IA na ultrassonografia obstétrica inclui três aspectos: identificação da estrutura, medidas automáticas e padronizadas e diagnóstico de classificação. Como o ultrassom obstétrico é demorado, o uso da 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 o algoritmo AI com imagens normais e anormais adquiridas retrospectivamente durante a ultrassonografia do segundo trimestre de vários centros internacionais de medicina fetal.
A segunda fase, uma validação clínica prospectiva, tem como objetivo testar o algoritmo AI na avaliação da anatomia cerebral fetal básica em um ambiente clínico real com pacientes reais de cada um dos centros de medicina fetal participantes.
Local: Três (3) centros de medicina fetal.
Participantes: população de gestantes únicas que realizaram exame ultrassonográfico entre 19 e 22 semanas de gestação nos centros participantes.
Endpoint primário: validar uma nova tecnologia baseada em IA para a avaliação automatizada da anatomia básica do cérebro fetal que poderia ser potencialmente usada para apoiar a varredura de triagem do segundo trimestre.
Pontos de extremidade secundários:
Melhorar o desempenho da triagem padrão da anatomia cerebral fetal no segundo trimestre, garantindo sua avaliação ultrassonográfica confiável em um tempo mais curto de execução.
Para detectar maior repetibilidade e reprodutibilidade, permitindo implementar o rastreio ultrassonográfico também em termos de eficiência em larga escala, optimizando os recursos de saúde Na primeira fase do estudo, os centros de medicina fetal participantes irão pesquisar nas suas bases de dados electrónicas imagens de grávidas únicas que foi submetida a ultrassonografia entre 19+0 e 22+6 semanas de gestação com qualquer anomalia cerebral fetal. Imagens normais do cérebro fetal na mesma idade gestacional serão fornecidas pelos centros promotores - ou seja, Fondazione Policlinico A. Gemelli, IRCCS e Universidade de Parma. 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 montado pela equipe de bioengenharia. Cada centro poderá acessar o sistema web usando um ID pessoal e uma 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 durante a fase retrospectiva.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Alessandra Familiari, MD
- Número de telefone: +39 3285887422
- E-mail: alessandra.familiari@policlinicogemelli.it
Locais de estudo
-
-
-
Rome, Itália, 00136
- Recrutamento
- Fondazione Policlinico Universitario Agostino Gemelli
-
Contato:
- Alessandra Familiari, MD
- Número de telefone: +39 3285887422
- E-mail: alessandra.familiari@policlinicogemelli.it
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critérios de inclusão:
- Mulheres com gestações únicas submetidas a exame ultrassonográfico entre 19+0 - 22+6 semanas de gestação
Critérios de exclusão:
- Mulheres que não realizaram o exame de triagem do segundo trimestre na idade gestacional estabelecida.
- Mulheres nas quais uma boa visualização do plano transventricular, transtalâmico e transcerebelar da cabeça fetal não era tecnicamente possível.
- Mulheres que não conseguem 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 segundo trimestre de gravidez
Outros nomes:
|
|
CONTROLES
Fetos com anomalia cerebral
|
Desenvolvimento de algoritmo de IA para detecção precoce de anomalias cerebrais fetais no segundo trimestre de gravidez
Outros nomes:
|
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, Fondazione Policlinico Universitario A. gemelli, IRCCS
Publicações e links úteis
Publicações Gerais
- 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.
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 (Estimado)
Atualizações de registro de estudo
Última Atualização Postada (Estimado)
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
- Prod. ID 4813
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
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 .