心电图 (CTG) 解读中的人工智能 (AI)
2020年10月5日 更新者：University Hospital Inselspital, Berne
在胎心宫缩图 (CTG) 解释中引入人工智能 (AI) 和机器学习以改善临床使用
项目负责人计划通过对自学软件进行编程来创建临床决策支持 (CDS) 系统，以分析伯尔尼 Inselspital 妇产科现有数据库中的心电图 (CTG) 轨迹。
项目负责人将处理和分析估计 10000-15000 份符合条件的患者记录的所有临床结果。
CSEM 将设计、开发和验证多个 AI 架构，以创建 CDS 系统。
人工智能将通过训练机器学习 (ML) 算法来学习协助完成这项任务。
AI-CDS 的主要目的是根据自学方法确定分娩过程中的最佳胎儿提取时刻，作为产科医生在分娩过程中做出决策的“超人”支持工具。
研究概览
研究类型
观察性的
注册 (预期的)
15000
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
-
Bern、瑞士、3010
- 招聘中
- Frauenklinik Inselspital Bern
-
接触：
- Anda I Radan, Dr. med.
- 电话号码：0316321010 0316321010
- 邮箱：anda-petronela.radan@insel.ch
-
接触：
- Karin I Strahm, Dr. med.
- 电话号码：0316321010 0316321010
- 邮箱：karin.strahm@insel.ch
-
首席研究员：
- Daniel I Surbek, Prof. Dr. med
-
副研究员：
- Anda I Radan, Dr. med.
-
副研究员：
- Karin I Strahm, Dr. med.
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
女性
取样方法
非概率样本
研究人群
2006 年 1 月 1 日至 2019 年 12 月 31 日分娩期间单胎妊娠和 CTG 登记的患者
描述
纳入标准：
- 2006 年 1 月 1 日至 2019 年 12 月 31 日分娩期间单胎妊娠患者的 CTG 登记
- 胎龄≥24+0周
- 年龄 ≥ 18 岁
- 书面知情同意书
排除标准：
- 书面拒绝
- 多胎妊娠
- 计划剖腹产的 CTG 注册
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 观测模型：队列
- 时间观点：追溯
研究衡量的是什么？
主要结果指标
结果测量 |
大体时间 |
|---|---|
|
通过自学 CDS 系统对胎儿发病率的预测优于单独由产科医生进行，尤其是在特异性方面。
大体时间：3个月
|
3个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (预期的)
2020年10月1日
初级完成 (预期的)
2021年6月1日
研究完成 (预期的)
2021年6月1日
研究注册日期
首次提交
2020年10月5日
首先提交符合 QC 标准的
2020年10月5日
首次发布 (实际的)
2020年10月12日
研究记录更新
最后更新发布 (实际的)
2020年10月12日
上次提交的符合 QC 标准的更新
2020年10月5日
最后验证
2020年10月1日
更多信息
与本研究相关的术语
其他研究编号
- 2020-00501
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.