Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

MIDI (MR Imaging Abnormality Deep Learning Identification) (MIDI)

8 april 2024 uppdaterad av: King's College Hospital NHS Trust

Djup inlärning för identifiering av avvikelser på huvud-MR

Studien involverar utveckling och testning av ett AI-verktyg som kan identifiera abnormiteter med hjälp av skanningar av patienthuvud som utförs för rutinmässig klinisk vård och skanningar av forskningsvolontärer. En algoritm för djupinlärning kommer att utvecklas med hjälp av en datauppsättning av retrospektiva och prospektiva MRI-huvudskanningar, för att träna, validera och testa konvolutionella nätverk med hjälp av programvara utvecklad vid Institutionen för biomedicinsk teknik, King's College London. Referensstandarden kommer att vara röntgenkonsultrapporter av MR-huvudskanningarna.

Studieöversikt

Status

Rekrytering

Betingelser

Detaljerad beskrivning

En automatiserad strategi för att identifiera avvikelser vid skanningar av huvudet skulle kunna tillgodose det otillfredsställda kliniska behovet av snabbare identifiering av avvikelser, vilket potentiellt möjliggör tidig intervention för att förbättra kort- och långsiktiga kliniska resultat. Brist på radiologer och ökad efterfrågan på MR-undersökningar innebär förseningar i rapporteringen, särskilt i öppenvården.

Dessutom finns det en stor variation i hur tillfälliga fynd (IFs) som upptäcks hos "friska volontärer" hanteras. Rutinrapportering av "friska volontärer" av en radiolog är en utmanande logistisk och ekonomisk börda. Det skulle vara värdefullt att utarbeta automatiserade strategier för att säkerställa att IF:er kan identifieras på ett tillförlitligt och korrekt sätt, vilket potentiellt kan ta bort 90 % av skanningarna som kräver rutinmässig radiologisk granskning, och därigenom öka möjligheten att implementera en rutinrapporteringsstrategi.

Deep learning är en ny teknik inom datavetenskap som automatiskt lär sig hierarkier av relevanta funktioner direkt från råa indata (som MRI eller CT) med hjälp av flerskiktiga neurala nätverk. En algoritm för djupinlärning kommer att tränas på en stor databas av huvud-MRI-skanningar för att känna igen skanningar med avvikelser. Denna algoritm kommer att tränas för att klassificera en delmängd av dessa skanningar som normala eller onormala. Tekniken kommer sedan att testas på en oberoende delmängd för att fastställa dess giltighet.

Om det testade neurala nätverket har en hög diagnostisk noggrannhet kan framtida forskningsdeltagare gynnas eftersom för närvarande inte alla institutioner granskar sina forskningsskanningar för tillfälliga fynd. På samma sätt, i de fall där kliniska skanningar kanske inte rapporteras på flera veckor, kan patienterna dra nytta av det. I både forsknings- och kliniska scenarier skulle en algoritm snabbt identifiera onormal patologi och prioritera skanningar för rapportering.

Sammanfattningsvis är syftet att utveckla en algoritm för detektering av djup inlärningsabnormalitet för användning i både forskning och klinisk miljö.

Studietyp

Observationell

Inskrivning (Beräknad)

30000

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studieorter

      • Aylesbury, Storbritannien
        • Rekrytering
        • Buckinghamshire Healthcare Nhs Trust (Stoke Mandeville)
        • Kontakt:
        • Huvudutredare:
          • Gemma Walsh
      • Basildon, Storbritannien
        • Rekrytering
        • Mid and South Essex NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Anne Nicholson
      • Bedford, Storbritannien
      • Bodelwyddan, Storbritannien
        • Rekrytering
        • Betsi Cadwaladr University Health Board
        • Kontakt:
        • Huvudutredare:
          • Jenna Tugwell-Allsup
      • Canterbury, Storbritannien
        • Rekrytering
        • East Kent Hospitals University NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Gemma Hector
      • Dundonald, Storbritannien, BT16 1RH
      • East Grinstead, Storbritannien
        • Rekrytering
        • Queen Victoria Hospital NHS foundation trust
        • Kontakt:
        • Huvudutredare:
          • Ian Francis
      • Gillingham, Storbritannien
      • Grimsby, Storbritannien
        • Rekrytering
        • Northern Lincolnshire and Goole Nhs Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Dorothy Hutchinson
      • Huddersfield, Storbritannien
        • Rekrytering
        • Calderdale and Huddersfield NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Georgina Turner
      • King's Lynn, Storbritannien
        • Rekrytering
        • The Queen Elizabeth Hospital King'S Lynn Nhs Trust
        • Kontakt:
        • Huvudutredare:
          • Sarah Fleming
      • Kingston, Storbritannien
        • Rekrytering
        • Kingston Hospital Nhs Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Patricia Crespo
      • Kirkcaldy, Storbritannien, KY2 5AH
        • Rekrytering
        • NHS Fife
        • Kontakt:
        • Huvudutredare:
          • Heather Robertson, DR
      • Larbert, Storbritannien, FK5 4WR
        • Rekrytering
        • Forth Valley Royal Hospital
        • Kontakt:
        • Huvudutredare:
          • Nikolas Arestis, Dr
      • Leeds, Storbritannien
        • Rekrytering
        • Leeds Teaching Hospital NHS Trust
        • Kontakt:
        • Huvudutredare:
          • Melissa Maguire, Dr
      • Leicester, Storbritannien
      • London, Storbritannien
        • Rekrytering
        • CNS, Maudsley Hospital, South London and Maudsley NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Thomas Booth
      • London, Storbritannien
        • Rekrytering
        • Croydon University Hospital, Croydon Health Services NHS Trust
        • Kontakt:
        • Huvudutredare:
          • Ketul Patel
      • London, Storbritannien
        • Rekrytering
        • Guy's Hospital, Guy's and St Thomas's NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Asif Mazumdar
      • London, Storbritannien
        • Rekrytering
        • St George's Hospital, St George's University Hospital NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Andrew Mackinnon
      • London, Storbritannien
        • Rekrytering
        • St Thomas' Hospital, Guy's and St Thomas's NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Asif Mazumdar
      • London, Storbritannien, SE5 9RS
        • Avslutad
        • Kings' College Hospital
      • Norwich, Storbritannien
        • Rekrytering
        • Norfolk and Norwich University Hospitals NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Janak Saada
      • Nottingham, Storbritannien
        • Rekrytering
        • Queen's Medical Centre University Hospital, Nottingham University Hospitals NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Rob Dineen
        • Underutredare:
          • Carolyn Costigan
      • Redhill, Storbritannien
        • Rekrytering
        • Surrey and Sussex Healthcare NHS Trust
        • Kontakt:
        • Huvudutredare:
          • Ana Peternac
      • Saint Leonards-on-Sea, Storbritannien
      • Scunthorpe, Storbritannien
        • Rekrytering
        • Northern Lincolnshire and Goole Nhs Foundation Trust
        • Huvudutredare:
          • Dorothy Hutchinson
        • Kontakt:
      • Southend, Storbritannien
        • Rekrytering
        • Mid and South Essex NHS Foundation Trust
        • Kontakt:
        • Huvudutredare:
          • Prisca Gondo
      • Tooting, Storbritannien
        • Rekrytering
        • St George's University Hospitals NHS Foundation Trust
        • Huvudutredare:
          • Andrew Mackinnon
        • Kontakt:
      • Torquay, Storbritannien
        • Avslutad
        • Torbay and South Devon NHS Foundation Trust
      • Truro, Storbritannien
        • Rekrytering
        • Royal Cornwall Hospitals NHS Trust
        • Kontakt:
        • Huvudutredare:
          • Daniel Kim
      • Watford, Storbritannien
        • Rekrytering
        • West Hertfordshire Hospitals NHS Trust
        • Kontakt:
        • Huvudutredare:
          • Saul Sundayi
    • Kent
      • Orpington, Kent, Storbritannien
        • Rekrytering
        • Princess Royal University Hospital, King's College Hospital NHS Foundation Trust
        • Kontakt:
        • Underutredare:
          • Ajay Arora

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

18 år och äldre (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Alla vuxna MRT-huvudskannande patienter som presenterar sig vid sekundära och tertiära NHS-centra över hela Storbritannien för alla indikationer.

Beskrivning

Inklusionskriterier:

  • Alla MR-undersökningar av huvudet med kompatibla sekvenser
  • > 18 år gammal

Exklusions kriterier:

  • Ingen motsvarande radiolograpport
  • Inget medgivande för framtida användning av forskningsbilderna som finns i den historiska databasen lagrad på The Centre for Neuroimaging Sciences (Kings College London).
  • Dålig bildkvalitet

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Känslighet och specificitet hos ett konvolutionellt neuralt nätverk för att känna igen abnormiteter på huvud-MRI-skanningar.
Tidsram: Vid slutet av studien (5-åriga studier)
Sensitivitet, specificitet, positivt prediktivt värde och negativt prediktivt värde.
Vid slutet av studien (5-åriga studier)

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Sensitivitet och specificitet hos ett konvolutionellt neuralt nätverk för att brett kategorisera abnormiteter på huvud-MRI-skanningar.
Tidsram: Vid slutet av studien (5-åriga studier)
Sensitivitet, specificitet, positivt prediktivt värde och negativt prediktivt värde.
Vid slutet av studien (5-åriga studier)

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Samarbetspartners

Utredare

  • Huvudutredare: Thomas Booth, King's College Hospital NHS Trust

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 april 2019

Primärt slutförande (Beräknad)

31 augusti 2024

Avslutad studie (Beräknad)

31 mars 2025

Studieregistreringsdatum

Först inskickad

18 februari 2020

Först inskickad som uppfyllde QC-kriterierna

27 april 2020

Första postat (Faktisk)

29 april 2020

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

10 april 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

8 april 2024

Senast verifierad

1 april 2024

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • KCH18-197

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

3
Prenumerera