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

QOCA®-Image Medical Platform - Smart VCF Risk Management System

6 oktober 2020 uppdaterad av: Wing P Chan, Taipei Medical University WanFang Hospital

Smart Bone: Ett intelligent system för fångst och hantering av frakturrisk

Detta projekt syftar till att utveckla och validera ett automatiskt detektions- och klassificeringssystem för kotkompressionsfrakturer på datortomografi (CT) bilder med hjälp av ett artificiell intelligens (AI) system (som kallas Smart Bone) av Quanta.

Studieöversikt

Detaljerad beskrivning

En datorsökning av datortomografi (2010.01.01-2018.09.30) gjordes på Wan Fang Hospital. Dessa CT-bilder som granskades i efterhand av erfarna radiologer. CT-skanningarna av 1000-1500 försökspersoner i åldern 50 och uppåt med och utan bröst- eller ländryggskompressionsfrakturer inkluderades i detta projekt för maskininlärning och djupinlärning. Kontrollgruppen inkluderade de utan kompressionsfrakturer medan patientgruppen var de med kompressionsfrakturer. Ämnen som inte uppfyllde inklusionskriterierna exkluderades.

Det kortikala lagret av T12-L5-ryggradsbilderna märktes manuellt med märkningsprogramvaran av teknologerna och bekräftade bildens riktighet av en erfaren radiolog. Alla de-länkade och färdiga bilderna lämnades till Quanta Computer Inc. för efterföljande klassificering och analys av AI-maskiner för djupinlärning för att underlätta utvecklingen av ett system för automatisk detektering av tryckfrakturer med CT. Detta nyutvecklade automatiska system kommer att vara av värdefull klinisk effekt för att hjälpa radiologer att upptäcka och klassificera vertebrala kompressionsfrakturer exakt och exakt.

Studietyp

Observationell

Inskrivning (Förväntat)

1500

Kontakter och platser

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

Studieorter

      • Taipei, Taiwan
        • Taipei Medical University WanFang Hospital

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

48 år till 88 år (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Totalt rekryterades 1 000-1 500 försökspersoner i båda könen, 50 år och äldre, och som hade kommit till Wan Fang Hospital för datortomografi, inklusive de med eller utan vertebrala kompressionsfrakturer som kompressionsfrakturer respektive kontrollgrupp.

Beskrivning

Inklusionskriterier:

  • Fall med CT-undersökningar förvärvade mellan 2010.01-2018.09
  • Fall med CT-undersökningar utförda med något av följande protokoll: hela kroppen, buken och ryggraden
  • Fallen ska vara >/= 50 år gamla
  • Fall med rapporter från CT-undersökningar utslagna som positiva eller negativa kompressionsfrakturer inom ett sökområde från T12 till L5 kotor.
  • CT-bilder med rådata som tillåts rekonstrueras i axiell vy med en skivtjocklek på 1,3 mm
  • CT-bilder med rådata som tillåts rekonstrueras i sagittal vy med en skivtjocklek på 2,5 mm

Exklusions kriterier:

  • CT-bilder med avbildningsartefakter, främmande kroppar eller implantat
  • Fall med komorbida tillstånd, såsom infektion, cancermetastaser, kronisk osteomyelit eller annan icke-steoporotisk kompressionsfraktur

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Observationsmodeller: Kohort
  • Tidsperspektiv: Retrospektiv

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Radiologer
En datorsökning av datortomografi (2010.01.01-2018.09.30) gjordes på Wan Fang Hospital. Dessa CT-bilder granskades retrospektivt av en erfaren radiolog som klassificerade och markerade med anteckningar om kotfrakturer med Genantens semikvantitativa metod.
Smart Bone
Samma CT-bilder granskades separat och bearbetades av det artificiella intelligenssystemet (Smart Bone) av Quanta för kompressionsfrakturer. De två resultaten, det ena av radiologerna och det andra av det artificiella intelligenssystemet, kommer att jämföras för att statistiskt kvantifiera ekvivalens (CADe).
En enhet som heter Smart Bone som använder CT-bild som förvärvats retrospektivt för att innebära en andra granskning av CT-bilder med kotkompressionsfrakturer genom ett interaktivt AI-program utvecklat av Quanta Computer Inc. applicerades på CT-bilderna. Enheten är en programvara för datorstödd detektion (CADe) och är utformad för att hjälpa radiologer att analysera CT-bilder av ryggraden. Enheten använder metoder för djupinlärning för att utföra kotdetektering och klassificering av bilder.
Andra namn:
  • Smart Bone

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Konkordanshastighet
Tidsram: 2019.06 till 2020.03

CT Imaging Reporting och datasystembeskrivningar som föreslagits av Smart Bone stämmer väl överens med de som valts ut av experter. Med andra ord, CT Imaging Reporting and Data System som genereras av Smart Bone skiljer sig inte statistiskt från experternas konsensus.

CT-avbildningsrapportering och datasystembedömningskategoripoäng: Användaren fattar det slutliga beslutet om bedömningskategoripoängen. Med hjälp av denna poäng visar Smart Bone bedömningsbeskrivningen.

Grad 0: Normala kotor Grad 1: Lindrig fraktur, 20-25 % Grad 2: Måttlig fraktur, 26-40 % Grad 3: Svår fraktur, >40 %

2019.06 till 2020.03

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Noggrannhet
Tidsram: 2019.06 till 2020.03
Jämförelse med noggrannheten av CT-avbildningsresultat av radiologer med och utan CADe kommer att utvärderas.
2019.06 till 2020.03

Samarbetspartners och utredare

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

Samarbetspartners

Utredare

  • Huvudutredare: Wing P. Chan, M.D., Taipei Medical University WanFang Hospital

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 juni 2019

Primärt slutförande (Förväntat)

31 maj 2021

Avslutad studie (Förväntat)

31 maj 2021

Studieregistreringsdatum

Först inskickad

7 maj 2020

Först inskickad som uppfyllde QC-kriterierna

7 maj 2020

Första postat (Faktisk)

12 maj 2020

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

8 oktober 2020

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

6 oktober 2020

Senast verifierad

1 oktober 2020

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • N201909056

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

Obeslutsam

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 .

Kliniska prövningar på Kompressionsfraktur

3
Prenumerera