- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06845462
Tillämpning av artificiell intelligensalgoritm baserad på CT -avbildning för muskelparametermätning
20 februari 2025 uppdaterad av: Yaomin Hu, RenJi Hospital
Tillämpning av artificiell intelligensalgoritm baserad på CT -avbildning för muskelparametermätning vid diagnosen sarkopeni
Att skapa en konstgjord intelligensmodell för automatiserad diagnos av sarkopeni baserad på CT -avbildning
Studieöversikt
Status
Avslutad
Betingelser
Detaljerad beskrivning
Med den accelererande åldringsprocessen har den tidiga identifieringen och diagnosen av sarkopeni, tillsammans med ett effektivt förebyggande av dess negativa resultat, blivit en samlingspunkt i medicinsk forskning.
De nuvarande metoderna för att bedöma och diagnostisera sarkopeni står emellertid fortfarande inför betydande begränsningar, vilket gör utvecklingen av mer effektiva och exakta tekniker för muskelmassautvärdering ett brådskande kliniskt behov.
Även om CT betraktas som den mest lovande metoden för att bedöma muskelmassa, hindras dess praktiska tillämpning av faktorer som beroende av läkares expertis och tidskrävande förfaranden, vilket begränsar dess utbredda kliniska antagande.
Mot bakgrund av dessa utmaningar syftar denna studie till att utveckla en konstgjord intelligensmodell för hela automatiserad muskelmätning baserad på Abdominal CT -avbildning och att validera dess tillämpningsvärde för att hjälpa diagnosen sarkopeni.
Studietyp
Observationell
Inskrivning (Faktisk)
1080
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Shanghai
-
Shanghai, Shanghai, Kina, 2000127
- Shanghai Jiaotong University School of Medicine, Renji Hospital Ethics Committee
-
-
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
Ja
Testmetod
Icke-sannolikhetsprov
Studera befolkning
960 Inpatienter i Geriatric Department of Renji Hospital, 20 patienter från Ruijin Hospital anslutna till Shanghai Jiaotong University School of Medicine, 20 patienter från det första anslutna sjukhuset i Zhejiang Medical University, 50 patienter från det första anslutna sjukhuset vid Wenzhou Medical University och 30 patienter från Huangshan People.
Beskrivning
Inkluderingskriterier :
- Befolkningen som genomgår BIA och buk CT -undersökningar;
- Kan samarbeta för att slutföra analys av mänsklig kroppssammansättning, mätning av greppstyrka, 6M gångtidsmätning och frågeformulärundersökning.
Uteslutningskriterier :
- Ålder <18 år gammal;
- Förekomst av bukväggödem;
- Historik om ryggradskirurgi eller ryggradsfrakturer eller ryggrads tumörskador;
- Historia av neuromuskulära störningar.
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
För att automatiskt och exakt kvantifiera tredimensionell muskelvolym och fettvolym.
Tidsram: 2020-2023
|
För att uppnå en automatiserad och exakt kvantifiering av tredimensionell muskelvolym och fettvolym vid L3-ryggraden genom djup inlärning.
|
2020-2023
|
|
För att skapa en konstgjord intelligensmodell för diagnos av sarkopeni.
Tidsram: 2020-2023
|
Valideringen av modeller av artificiell intelligens kan hjälpa till att diagnostisera sarkopeni.
|
2020-2023
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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)
5 september 2023
Primärt slutförande (Faktisk)
31 december 2024
Avslutad studie (Faktisk)
31 december 2024
Studieregistreringsdatum
Först inskickad
20 februari 2025
Först inskickad som uppfyllde QC-kriterierna
20 februari 2025
Första postat (Faktisk)
25 mars 2025
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
25 mars 2025
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
20 februari 2025
Senast verifierad
1 februari 2025
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- LY2023-150-A
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 .