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

Multi-Reader retrospektiv studie som undersöker Carebot AI CXR 2.0.21-v2.01 Implementation i daglig radiologi klinisk praxis

19 juli 2023 uppdaterad av: Carebot s.r.o.
Det primära målet är att utvärdera prestandaparametrarna för den föreslagna DLAD (Carebot AI CXR) i jämförelse med enskilda radiologer.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Under perioden mellan 18 oktober 2022 och 17 november 2022 samlades anonymiserade lungröntgenbilder av patienter in på den radiodiagnostiska avdelningen på Havířov-sjukhuset, p.o. Insamlingsprocessen involverade att använda CloudPACS bildbehandlings- och arkiveringssystem som tillhandahålls av OR-CZ spol. s r.o.

De insamlade röntgenbilderna utsattes för den föreslagna DLAD (Carebot AI CXR) för analys. Därefter jämfördes DLAD:s prestanda med vanlig klinisk praxis, där radiologer bedömde CXR-bilderna i den simulerade sjukhusmiljön med tillgång till standardvisningsverktyg (t.ex. panorering, zoom, WW/WL) och fick en obegränsad tid att slutföra recensionen. Varje radiolog fastställde närvaron eller frånvaron av 7 indikerade radiologiska fynd, inklusive atelektas (ATE), konsolidering (CON), pleural effusion (EFF), lungskada (LES), subkutant emfysem (SCE), kardiomegali (CMG) och pneumothorax ( PNO).

Studietyp

Observationell

Inskrivning (Faktisk)

956

Kontakter och platser

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

Studieorter

  • Tjeckien
      • Havířov, Tjeckien, 73601
        • Nemocnice Havířov, p. o.

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

Patientens kön Kvinna: 480 (50,21 %) Man: 474 (49,58 %) Ospecificerat: 2 (0,21 %)

Patientens ålder 18-30: 58 (6,07 %) 31-50: 163 (17,05 %) 51-70: 366 38,28 %) 70+: 369 (38,60 %)

Beskrivning

Inklusionskriterier:

  • Sjukhuspatienter > 18 år som remitterades till lungröntgen 18 oktober 2022 och 17 november 2022 vid radiodiagnostiska avdelningen på Havířov-sjukhuset, p.o.

Exklusions kriterier:

  • Patienter < 18 år
  • Bröströntgenbilder i sidolägen
  • Duplicerade lungröntgenbilder

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
Retrospektiv insamling för perioden 18 oktober 2022 och 17 november 2022
Totalt gjordes 1 073 lungröntgenbilder inom angiven tid vid avdelningen. Datainsamlingen förblev intakt och opåverkad under hela testfasen, vilket säkerställde datauppsättningens integritet. Det insamlade urvalet representerar exakt prevalensen av fynd inom den observerade populationen. Efter att ha uteslutit icke kvalificerade studier såsom röntgenbilder från patienter under 18 år, laterala projektionsröntgenstrålar och skanningar av otillräcklig kvalitet, identifierades totalt 956 relevanta CXR för vidare bedömning.
Enhet: Carebot AI CXR
Den föreslagna DLAD (Carebot AI CXR) är en djupinlärningsbaserad medicinsk anordning utformad för att hjälpa radiologer att tolka lungröntgenbilder som tagits i anteroposterior (AP) eller posteroanterior (PA) projektion. Genom att använda avancerade algoritmer för djupinlärning möjliggör denna lösning automatisk upptäckt av onormala fynd genom att analysera visuella mönster associerade med specifika tillstånd. De riktade abnormiteterna inkluderar atelektas (ATE), konsolidering (CON), pleural effusion (EFF), lungskada (LES), subkutant emfysem (SCE), kardiomegali (CMG) och pneumothorax (PNO). DLAD fungerar som en förutsägelsealgoritm som kompletteras av olika kringutrustning för applikationer, såsom webbaserade kommunikationsverktyg, DICOM-filkonverteringsmöjligheter och lagrings- och rapporteringsbibliotek som stöder både DICOM Structured Report och DICOM Presentation State-format.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Utvärderingsprov
Tidsram: Mars 2023
Det primära målet är att utvärdera prestandaparametrarna för den föreslagna DLAD (Carebot AI CXR) i jämförelse med enskilda radiologer. Prestationstestet inkluderar sensitivitet och specificitet, positivt och negativt sannolikhetsförhållande samt positivt och negativt prediktivt värde. De tidigare nämnda parametrarna jämförs statistiskt med hjälp av konfidensintervall (CI) och p-värden. Jämförelseproceduren består av två steg: ett globalt hypotestest genomförs för att fastställa om det finns signifikanta skillnader mellan DLAD och radiologer. Om det globala hypotestestet ger ett signifikant resultat utförs individuella hypotestest. Dessutom används flera jämförelsemetoder, såsom McNemar med kontinuitetskorrektion för Se och Sp, Holm-metoden för LR:er och viktad generaliserad poängstatistik för PV:er, för att kontrollera den totala felfrekvensen. Alla tester utförs som tvåsidiga tester på 5% signifikansnivå.
Mars 2023

Samarbetspartners och utredare

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

Sponsor

Carebot s.r.o.

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Allmänna publikationer

  • KVAK, Daniel, Anna CHROMCOVÁ, Petra OVESNÁ, Jakub DANDÁR, Marek BIROŠ, Robert HRUBÝ, Daniel DUFEK a Marija PAJDAKOVIĆ. Can Deep Learning Reliably Recognize Abnormality Patterns on Chest X-rays? A Multi-Reader Study Examining One Month of AI Implementation in Everyday Radiology Clinical Practice. arXiv. 2023, 2305.10116, 26 s.

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)

18 oktober 2022

Primärt slutförande (Faktisk)

17 november 2022

Avslutad studie (Faktisk)

21 mars 2023

Studieregistreringsdatum

Först inskickad

12 juli 2023

Först inskickad som uppfyllde QC-kriterierna

19 juli 2023

Första postat (Faktisk)

27 juli 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

27 juli 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

19 juli 2023

Senast verifierad

1 juli 2023

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 00002

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 Pneumothorax

Kliniska prövningar på Carebot AI CXR

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Kazakhstan

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

3
Prenumerera