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

Covid Radiographic Images Dataset för A.I (CORDA)

4 juni 2020 uppdaterad av: Giorgio Limerutti, Azienda Ospedaliera Città della Salute e della Scienza di Torino
Möjligheten att använda utbredd och enkel lungröntgen (CXR) för tidig screening av covid-19-patienter väcker stort intresse från både den kliniska och artificiella intelligensen. I den här studien ger vi insikter och ger också varningar om vad som är rimligt att förvänta sig genom att tillämpa djupinlärning på COVID-klassificering av CXR-bilder. Vi tillhandahåller en metodologisk guide och kritisk läsning av en omfattande uppsättning statistiska resultat som kan erhållas med hjälp av tillgängliga datauppsättningar. I synnerhet antar vi utmaningen från aktuella små COVID-data och visar hur betydande partiskheten som introduceras genom överföringslärande med hjälp av större offentliga icke-covid CXR-datauppsättningar kan vara. Vi bidrar också genom att tillhandahålla resultat på en medelstor COVID CXR-datauppsättning, precis insamlad av ett av de stora akutsjukhusen i norra Italien under kulmen av COVID-pandemin. Dessa nya data tillåter oss att bidra till att validera generaliseringskapaciteten hos preliminära resultat som cirkulerar i det vetenskapliga samfundet. Våra slutsatser kastar lite ljus över möjligheten att effektivt diskriminera COVID med hjälp av CXR.

Studieöversikt

Detaljerad beskrivning

COVID-19-viruset har snabbt spridit sig på Kinas fastland och till flera länder världen över. Den 7 april 2020 i Italien, ett av de hårdast drabbade länderna, registrerades 135 586 patienter med covid19, och 17 127 av dem dog; i skrivande stund är Piemonte den tredje mest drabbade regionen i Italien, med 13 343 registrerade fall. Tidig diagnos är en nyckelfaktor för korrekt behandling av patienterna och förhindrande av spridning av sjukdomen. Med tanke på den höga tropismen av COVID-19 för luftvägar och lungepitel kan identifiering av lunginblandning hos infekterade patienter vara relevant för behandling och övervakning av sjukdomen. Virustestning anses för närvarande vara den enda specifika metoden för diagnos. Center for Disease Control (CDC) i USA rekommenderar att man samlar in och testar prover från de övre luftvägarna (nasofaryngeala och orofaryngeala pinnprover) eller från de nedre luftvägarna när det är tillgängligt (bronchoalveolar lavage, BAL) för virustestning med omvänd transkription polymeras kedjereaktion (RT-PCR) analys. Aktuella positionspapper från radiologiska föreningar (Fleischner Society, SIRM, RSNA) rekommenderar inte rutinmässig användning av bildbehandling för diagnos av covid-19.

Det har dock i stor utsträckning visat sig att även i tidiga stadier av sjukdomen kan lungröntgen (CXR) och datortomografi (CT) visa patologiska fynd. Det bör noteras att de faktiskt är ospecifika och överlappar med andra virusinfektioner (såsom influensa, H1N1, SARS och MERS): de flesta författare rapporterar perifera bilaterala dåligt definierade och slipade glasopaciteter, huvudsakligen involverande de nedre loberna, progressivt ökar i förlängning när sjukdomen blir allvarligare och leder till diffus parenkymal konsolidering, CT är ett känsligt verktyg för tidig upptäckt av perifera slipade glasopaciteter; dock är rutinmässig roll för CT-avbildning hos dessa patienter logistiskt utmanande när det gäller säkerhet för vårdpersonal och andra patienter, och kan överväldiga tillgängliga resurser. Bröströntgen kan vara ett användbart verktyg, särskilt i nödsituationer: det kan hjälpa till att utesluta andra möjliga lung-"noxa", möjliggöra en första grov värdering av omfattningen av lunginblandning och viktigast av allt kan erhållas vid patientens säng med hjälp av bärbara enheter, begränsa möjlig exponering hos vårdpersonal och andra patienter. Dessutom kan CXR upprepas över tid för att övervaka utvecklingen av lungsjukdom.

Metodik:

vi beskriver djupinlärningsmetoden baserad på en ganska standard pipeline, nämligen förbehandling av bröstbild och lungsegmentering följt av klassificeringsmodell erhållen med transferinlärning. Som vi kommer att se i det här avsnittet är förbearbetning av data grundläggande för att ta bort eventuella fördomar som finns i data. I synnerhet kommer vi att visa att det är lätt för en djup modell att känna igen dessa fördomar som driver inlärningsprocessen. Med tanke på den lilla storleken på covid-datauppsättningar spelar en nyckelroll de större datauppsättningarna som används för förträning. Därför diskuterar vi först vilka datamängder som kan användas för våra mål.

Studietyp

Observationell

Inskrivning (Förväntat)

2500

Kontakter och platser

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

Studieorter

    • Turin
      • Torino, Turin, Italien, 10126
        • Rekrytering
        • Azienda Ospedaliero Universitaria Citta Della Salute E Della Scienza
        • Kontakt:
        • Huvudutredare:
          • Giorgio Limerutti, M.D.
        • Underutredare:
          • Paolo Fonio, M.D.
        • Underutredare:
          • Marco Grosso, M.Sc.
        • Underutredare:
          • Stefano Tibaldi, M.Sc.
        • Underutredare:
          • Simona Capello, M.D.
        • Underutredare:
          • Patrizia Sardo, M.D.
        • Underutredare:
          • Claudio Berzovini, M.D.
        • Underutredare:
          • Francesca Santinelli, M.Sc.
        • Underutredare:
          • Marco Calandri, M.D.
        • Underutredare:
          • Andrea Ferraris, M.D.

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

  • VUXEN
  • OLDER_ADULT
  • BARN

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Alla personer som behandlas på röntgenavdelningen

Beskrivning

Inklusionskriterier: lungröntgen utförd under akutmottagning eller sjukhusvistelse

-

Exklusions kriterier:

  • Ingen

Studieplan

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

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
fall av interstitiell lunginflammation
Röntgendiagnos
vi matar neurala nätverk med röntgenbilder från bröstet för att lära nätverket för automatisk diagnos av interstitiell lunginflammation
Negativa kontroller
Röntgen av bröstkorgen Negativ för lunginflammation
vi matar neurala nätverk med röntgenbilder från bröstet för att lära nätverket för automatisk diagnos av interstitiell lunginflammation

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
sensibilitet och specificitet för neurala nätverksdiagnoser
Tidsram: på dag 0
sensibilitet och specificitet för neurala nätverksdiagnoser jämfört med mänsklig diagnos
på dag 0

Samarbetspartners och utredare

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

Utredare

  • Huvudutredare: Giorgio Limerutti, M.D., Radiology Unit A.O.U. Città della Salute e della Scienza

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)

24 mars 2020

Primärt slutförande (FÖRVÄNTAT)

31 december 2020

Avslutad studie (FÖRVÄNTAT)

31 mars 2021

Studieregistreringsdatum

Först inskickad

4 juni 2020

Först inskickad som uppfyllde QC-kriterierna

4 juni 2020

Första postat (FAKTISK)

5 juni 2020

Uppdateringar av studier

Senaste uppdatering publicerad (FAKTISK)

5 juni 2020

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

4 juni 2020

Senast verifierad

1 juni 2020

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • CORDA

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

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 .

Prenumerera