Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Оценка моделей раннего предупреждения о высоком риске пневмокониоза

2 июля 2021 г. обновлено: Peking University Third Hospital

Разработка и клиническое применение моделей раннего предупреждения о высоком риске пневмокониоза на основе сверточной нейронной сети в рентгенографии грудной клетки

Профилактика пневмокониоза важнее лечения. Тем не менее, текущий процесс не может заблаговременно предупредить рабочих, подверженных воздействию пыли, до тех пор, пока у них не будет диагностирован пневмокониоз. Обладая свойствами эффективности, обезличенности и количественности, искусственный интеллект как раз подходит для решения этих задач. Поэтому мы стремимся адаптировать глубокое обучение для разработки моделей интеллектуального обнаружения пневмокониоза, диагностики степени и раннего предупреждения о высоком риске. Аннотированные изображения будут использоваться для обучения алгоритму сверточных нейронных сетей (CNN) с целью скрининга пневмокониоза и диагностики степени. Кроме того, оценка риска, рассчитанная по тепловой карте плотности, будет использоваться для раннего предупреждения рабочих, подвергающихся воздействию пыли. Затем предполагается последующее наблюдение за группой для проверки достоверности оценки риска. Таким образом, работники с высоким риском воздействия пыли получат раннее вмешательство и лучший прогноз, что, очевидно, может снизить медицинскую нагрузку.

Обзор исследования

Статус

Рекрутинг

Условия

Подробное описание

Пневмокониоз, преобладающее профессиональное заболевание в Китае и во всем мире. Рентгенография грудной клетки является наиболее доступным и недорогим радиологическим тестом для медицинского осмотра рабочих, подвергающихся воздействию пыли, и массового скрининга на пневмокониоз. Но процесс диагностики имеет некоторые недостатки, такие как сильный субъективизм, неэффективность, невозможность суждения о пограничном поражении и др. Кроме того, профилактика пневмокониозов важнее лечения. Тем не менее, текущий процесс не может заблаговременно предупредить рабочих, подверженных воздействию пыли, до тех пор, пока у них не будет диагностирован пневмокониоз. Обладая свойством оперативности, обезличенности и количественности, искусственный интеллект как раз подходит для решения вышеперечисленных задач. До сих пор проводились редкие исследования по адаптации глубокого обучения для диагностики степени пневмокониоза и раннего предупреждения о высоком риске. В наших предыдущих исследованиях мы создали базу данных рентгенограмм грудной клетки, которая содержит более 100 000 цифровых рентгенографических изображений пневмокониоза. Результат оценки системы обнаружения показал, что точность идентификации пневмокониоза может достигать 90%, с AUC (площадью под кривой) 0,965 и чувствительностью 99%. Необходимо продолжить дальнейшие работы. Поэтому мы стремимся адаптировать глубокое обучение для разработки моделей интеллектуального обнаружения пневмокониоза, диагностики степени и раннего предупреждения о высоком риске. Аннотированные изображения будут использоваться для обучения алгоритму сверточных нейронных сетей (CNN) с целью скрининга пневмокониоза и диагностики степени. Кроме того, оценка риска, рассчитанная по тепловой карте плотности, будет использоваться для раннего предупреждения рабочих, подвергающихся воздействию пыли. Затем предполагается последующее наблюдение за группой для проверки достоверности оценки риска. Таким образом, работники с высоким риском воздействия пыли получат раннее вмешательство и лучший прогноз, что, очевидно, может снизить медицинскую нагрузку.

Тип исследования

Наблюдательный

Регистрация (Ожидаемый)

200

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Контакты исследования

  • Имя: Xiao Li, M.D.
  • Номер телефона: +8613051709411
  • Электронная почта: lixiao.sy@bjmu.edu.cn

Места учебы

    • Beijing
      • Beijing, Beijing, Китай, 100191
        • Рекрутинг
        • Peking University Third Hospital
        • Контакт:
          • Xiao Li, M.D.
          • Номер телефона: +8613051709411
          • Электронная почта: lixiao.sy@bjmu.edu.cn

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

От 18 лет до 60 лет (ВЗРОСЛЫЙ)

Принимает здоровых добровольцев

Нет

Полы, имеющие право на обучение

Все

Метод выборки

Вероятностная выборка

Исследуемая популяция

подвергшиеся воздействию пыли рабочие 16 провинций Китая

Описание

Критерии включения:

  1. рабочие, подвергающиеся воздействию пыли;
  2. сделать цифровую рентгенографию грудной клетки

Критерий исключения:

  1. базальное заболевание легких;
  2. защита от пыли

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Когорты и вмешательства

Группа / когорта
группа низкого риска
Индекс риска∈[0,0,5)
группа высокого риска
Индекс риска∈[0,5,1)

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
участников с диагнозом «пневмокониоз»
Временное ограничение: до 31 декабря 2022 г.
Количество участников с диагнозом «пневмокониоз»
до 31 декабря 2022 г.
смерть
Временное ограничение: до 31 декабря 2022 г.
Количество участников, которые умирают
до 31 декабря 2022 г.

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Объем форсированного выдоха в 1 с (ОФВ1) в %
Временное ограничение: до 31 декабря 2022 г.
Объем форсированного выдоха в 1 с
до 31 декабря 2022 г.
артериальное парциальное давление кислорода, ПаО2
Временное ограничение: до 31 декабря 2022 г.
артериальное парциальное давление кислорода
до 31 декабря 2022 г.
модифицированный Совет по медицинским исследованиям, mMRC
Временное ограничение: до 31 декабря 2022 г.
анкета, используемая для оценки симптома
до 31 декабря 2022 г.

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Следователи

  • Главный следователь: Xiao Li, M.D., Peking University Third Hospital

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (ДЕЙСТВИТЕЛЬНЫЙ)

1 августа 2018 г.

Первичное завершение (ОЖИДАЕТСЯ)

1 декабря 2021 г.

Завершение исследования (ОЖИДАЕТСЯ)

1 декабря 2025 г.

Даты регистрации исследования

Первый отправленный

23 июня 2021 г.

Впервые представлено, что соответствует критериям контроля качества

2 июля 2021 г.

Первый опубликованный (ДЕЙСТВИТЕЛЬНЫЙ)

7 июля 2021 г.

Обновления учебных записей

Последнее опубликованное обновление (ДЕЙСТВИТЕЛЬНЫЙ)

7 июля 2021 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

2 июля 2021 г.

Последняя проверка

1 июня 2021 г.

Дополнительная информация

Термины, связанные с этим исследованием

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕ РЕШЕНО

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .

Подписаться