AI-baserat system för lungtuberkulosscreening: Diagnostisk noggrannhetsutvärdering
25 maj 2023 uppdaterad av: Anton V. Vladzymyrskyy, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department
Testning av AI-lösningar för att bedöma diagnostisk noggrannhet för upptäckt av tuberkulos.
Studieöversikt
Status
Aktiv, inte rekryterande
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Tuberkulos är fortfarande ett nyckelproblem inom modern medicin. Nya metoder för att övervinna bördan bör föreslås. Nya screeningstrategier kan innefatta artificiell intelligens (AI). Ett AI-baserat system för lungröntgenanalys och triage ("normal/tuberkulos misstänkt") har utvecklats och tränats. En speciell datamängd utarbetades. Det finns 238 normala röntgenbilder och 70 röntgenbilder med lungtuberkulos i datauppsättningen. Datauppsättningen delades slumpmässigt upp i 2 urval:
- prov N1 (n=140) med förhållandet "normal: tuberkulos" 50:50,
- prov N1 (n=150) med förhållandet "normal: tuberkulos" 95:5. Båda proverna kommer att analyseras med AI-baserat system. Resultaten kommer att kvantifieras med hjälp av diagnostiska noggrannhetsmått: sensitivitet och specificitet, positiva och negativa prediktorvärden, sannolikhetsförhållande och area under ROC-kurvan (receiver operation characteristic).
Studietyp
Observationell
Inskrivning (Faktisk)
308
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
-
Moscow, Ryska Federationen, 109029
- Research and Practical Center of Medical Radiology, Department of Health Care of Moscow
-
-
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
- Äldre vuxen
Tar emot friska volontärer
N/A
Testmetod
Icke-sannolikhetsprov
Studera befolkning
308 lungröntgenbilder valda från databasen för Unified Radiological Information Service (URIS) i Moskva
Beskrivning
Inklusionskriterier:
- ingen patologi i en lunga vid lungröntgen
- tecken på lungtuberkulos på lungröntgen
Exklusions kriterier:
- någon patologi i lungorna (förutom tuberkulos)
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 |
|---|---|
|
Prov N1
(n=140) med förhållandet "normal: tuberkulos" 50:50
|
Alla ingående röntgenstrålar kommer att analyseras av det AI-baserade systemet.
Därefter kommer resultaten att jämföras med åsikter från 2 erfarna radiologer (de gör peer-review av alla inkluderade bilder oberoende av varandra).
Andra namn:
|
|
Prov N2
(n=150) med förhållandet "normal: tuberkulos" 95:5
|
Alla ingående röntgenstrålar kommer att analyseras av det AI-baserade systemet.
Därefter kommer resultaten att jämföras med åsikter från 2 erfarna radiologer (de gör peer-review av alla inkluderade bilder oberoende av varandra).
Andra namn:
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Diagnostisk noggrannhetsmått 1
Tidsram: Dag 1 vid mottagande av data
|
Känslighet
|
Dag 1 vid mottagande av data
|
|
Diagnostisk noggrannhetsmått 2
Tidsram: Dag 2 vid mottagande av data
|
Specificitet
|
Dag 2 vid mottagande av data
|
|
Diagnostisk noggrannhetsmått 3
Tidsram: Dag 3 vid mottagande av data
|
Positiva prediktorvärden
|
Dag 3 vid mottagande av data
|
|
Diagnostisk noggrannhetsmått 4
Tidsram: Dag 4 vid mottagande av data
|
Negativa prediktorvärden
|
Dag 4 vid mottagande av data
|
|
Diagnostisk noggrannhetsmått 5
Tidsram: Dag 5 vid mottagande av data
|
Sannolikhetsförhållande
|
Dag 5 vid mottagande av data
|
|
Diagnostisk noggrannhetsmått 6
Tidsram: Dag 6 vid mottagande av data
|
Area under ROC-kurvan
|
Dag 6 vid mottagande av data
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Utredare
- Huvudutredare: Anton Vladzymyrskyy, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health 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)
1 februari 2018
Primärt slutförande (Faktisk)
15 mars 2018
Avslutad studie (Beräknad)
30 december 2023
Studieregistreringsdatum
Först inskickad
28 mars 2018
Först inskickad som uppfyllde QC-kriterierna
25 maj 2023
Första postat (Faktisk)
5 juni 2023
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
5 juni 2023
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
25 maj 2023
Senast verifierad
1 maj 2023
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 2018-1
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 .