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

Förhållandet mellan hormonkänslighet och avbildning av idiopatisk interstitiell lunginflammation genom artificiell intelligens (IIP)

23 november 2021 uppdaterad av: Peking University Third Hospital
Tillämpning av artificiell intelligens djupinlärningsalgoritm för att analysera sambandet mellan hormonkänslighet för idiopatisk interstitiell lunginflammation och avbildningsegenskaper hos högupplöst CT.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Metoder: de medicinska journalerna och högupplösta CT-bilder av bröstkorgen av patienter med idiopatisk interstitiell lunginflammation inlagda på andningsavdelningen vid Tredje sjukhuset vid Peking University från 1 juni 2012 till 31 december 2020 analyserades retrospektivt. Tillämpning av artificiell intelligens djupinlärning neural convolution nätverksmetod för att skapa igenkänningsteknik för olika avbildningsfunktioner.Inklusive slipat glas, mesh, honeycomb, nodule eller konsolidering, var modellen etablerad. IIP-patienter delades in i hormonkänslig grupp och hormonokänslig grupp beroende på om användningen av hormon var effektiv eller inte. Logistisk regressionsanalys användes för att analysera korrelationen mellan statistiskt signifikanta parametrar och hormonkänslighet. Artificiell intelligens användes för att fastställa korrelationsmodellen mellan avbildningsegenskaper och kliniska data och hormonkänslighet.

Studietyp

Observationell

Inskrivning (Faktisk)

150

Kontakter och platser

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

Studieorter

  • Kina
    • Beijing
      • Beijing, Beijing, Kina, 100191
        • Peking University Third 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

18 år till 90 år (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Från den 1 juni 2012 till den 31 december 2020 togs alla slutenvårdspatienter med IIP in på andnings- och intensivvårdsavdelningen på det tredje sjukhuset vid Peking University. Totalt är 150 patienter, 45 patienter som använder hormon, medelålder 62 år, 21 män.

Beskrivning

Inklusionskriterier:

Klinisk-patologisk-radiologisk diagnos av idiopatisk interstitiell pneumoni Hormonterapi användes; Uppföljningsdata var fullständiga och effekten av hormonanvändning kunde bedömas.

Exklusions kriterier:

Lunginfektionssjukdom; Hjärtsvikt; Bindvävssjukdom; IIP Utan hormonbehandling; IIP men uppföljningsdata var ofullständiga och effekten av hormonanvändning kunde inte bedömas.

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
Hormonkänslig grupp
Prednison, 0,5mg/kgqd, 3-6 månader
Strålning: högupplöst CT
Slipat glas, honeycomb, retikulering, konsolidering
Hormonokänslig grupp
Prednison, 0,5mg/kgqd, 3-6 månader
Strålning: högupplöst CT
Slipat glas, honeycomb, retikulering, konsolidering

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
kliniska data och avbildningsegenskaper i båda grupperna
Tidsram: 3-6 månader efter medicinering
kliniska data inklusive ålder, kön, symtom, tecken, rökhistoria, komplikationer, laboratorieundersökning, lungfunktion. Bildåtergivningsfunktion inklusive slipad glasopacitet, retikulering, honeycomb och konsolidering.
3-6 månader efter medicinering

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
förhållandet mellan bildegenskaper och hormonkänslighet
Tidsram: 3-6 månader efter medicinering
Logistisk regression som analyserar förhållandet mellan bildegenskaper och hormonkänslighet.
3-6 månader efter medicinering

Andra resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
utveckling av artificiell intelligens algoritmmodell
Tidsram: 3-6 månader efter medicinering
U-net-metoden för deep learning convolutional neural network (CNN) användes för att skapa igenkänningsmodellen för olika avbildningsfunktioner. Avbildningsfunktioner inkluderar opacitet av slipat glas, nät, bikaka och konsolidering. Med areaförhållandet mellan avbildningsfunktioner för de två grupperna som input och hormoneffektivitet som utgång, etablerades korrelationsmodellen mellan avbildningsegenskaper och hormonkänslighet genom att använda artificiell intelligens k nearest neighbor (KNN) algoritm och stödvektormaskin (SVM) algoritm.
3-6 månader efter medicinering

Samarbetspartners och utredare

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

Sponsor

Peking University Third Hospital

Utredare

  • Huvudutredare: Bei He, Peking University Third Hospital Respiratory and critical care department

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)

30 december 2019

Primärt slutförande (Faktisk)

1 juni 2021

Avslutad studie (Faktisk)

30 juni 2021

Studieregistreringsdatum

Först inskickad

30 juni 2021

Först inskickad som uppfyllde QC-kriterierna

23 november 2021

Första postat (Faktisk)

7 december 2021

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

7 december 2021

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

23 november 2021

Senast verifierad

1 juni 2021

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • LM2019173

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 .

Kliniska prövningar på Idiopatisk interstitiell lunginflammation

Kliniska prövningar på högupplöst CT

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Germany

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

3
Prenumerera