尘肺病高危预警模型评价
2021年7月2日 更新者:Peking University Third Hospital
基于卷积神经网络的尘肺病胸片高危预警模型开发及临床应用
尘肺病的预防比治疗更重要。
然而,目前的流程无法对高危粉尘作业人员进行预警,直至确诊为尘肺病。
人工智能具有高效、非个性化、量化的特点,正好适合解决这些问题。
因此,我们旨在应用深度学习开发尘肺病智能检测、分级诊断和高危预警模型。
注释图像将用于卷积神经网络(CNNs)算法训练,旨在进行尘肺筛查和分级诊断。
此外,通过密度热图计算的风险评分将用于粉尘作业人员的预警。
然后将暗示队列的跟进以验证风险评分的有效性。
通过这种方式,高危粉尘作业人员得到早期干预,预后较好,可明显减轻医疗负担。
研究概览
地位
招聘中
条件
详细说明
尘肺是中国乃至全世界的主要职业病。
胸片是最容易获得和负担得起的放射学检查,可用于对接触粉尘的工人进行体检和对尘肺进行大规模筛查。
但诊断过程存在主观性强、效率低、不能判断临界病变等缺点。此外,尘肺的预防重于治疗。
然而,目前的流程无法对高危粉尘作业人员进行预警,直至确诊为尘肺病。
人工智能具有高效、非个性化、量化的特点,正适合解决上述问题。
迄今为止,关于将深度学习应用于尘肺分级诊断和高危预警的研究还很少见。
在我们之前的研究中,我们建立了一个胸片数据库,其中包含超过 100,000 张数字尘肺病 X 线图像。
检测系统评价结果表明,尘肺病识别准确率可达90%,AUC(Area Under The Curve)为0.965,灵敏度为99%。
更多的工作需要继续进行。
因此,我们旨在应用深度学习开发尘肺病智能检测、分级诊断和高危预警模型。
注释图像将用于卷积神经网络(CNNs)算法训练,旨在进行尘肺筛查和分级诊断。
此外,通过密度热图计算的风险评分将用于粉尘作业人员的预警。
然后将暗示队列的跟进以验证风险评分的有效性。
通过这种方式,高危粉尘作业人员得到早期干预,预后较好,可明显减轻医疗负担。
研究类型
观察性的
注册 (预期的)
200
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。
学习联系方式
- 姓名:Xiao Li, M.D.
- 电话号码:+8613051709411
- 邮箱:lixiao.sy@bjmu.edu.cn
学习地点
-
-
Beijing
-
Beijing、Beijing、中国、100191
- 招聘中
- Peking University Third Hospital
-
接触:
- Xiao Li, M.D.
- 电话号码:+8613051709411
- 邮箱:lixiao.sy@bjmu.edu.cn
-
-
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 至 60年 (成人)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
概率样本
研究人群
中国16个省的粉尘工人
描述
纳入标准:
- 接触粉尘的工人;
- 有数字胸片
排除标准:
- 基础肺部疾病;
- 免除接触粉尘的工作
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
队列和干预
团体/队列 |
|---|
|
低危人群
风险指数∈[0,0.5)
|
|
高危人群
风险指数∈[0.5,1)
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
被诊断为“尘肺”的参与者
大体时间:2022 年 12 月 31 日之前
|
诊断为「尘肺病」的参加者人数
|
2022 年 12 月 31 日之前
|
|
死亡
大体时间:2022 年 12 月 31 日之前
|
死亡的参与者人数
|
2022 年 12 月 31 日之前
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
1 秒用力呼气量 (FEV1),以 % 表示
大体时间:2022 年 12 月 31 日之前
|
1 秒用力呼气量
|
2022 年 12 月 31 日之前
|
|
动脉血氧分压,PaO2
大体时间:2022 年 12 月 31 日之前
|
动脉血氧分压
|
2022 年 12 月 31 日之前
|
|
修改后的医学研究委员会,mMRC
大体时间:2022 年 12 月 31 日之前
|
用于评估症状的问卷
|
2022 年 12 月 31 日之前
|
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。
调查人员
- 首席研究员:Xiao Li, M.D.、Peking University Third Hospital
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 (实际的)
2018年8月1日
初级完成 (预期的)
2021年12月1日
研究完成 (预期的)
2025年12月1日
研究注册日期
首次提交
2021年6月23日
首先提交符合 QC 标准的
2021年7月2日
首次发布 (实际的)
2021年7月7日
研究记录更新
最后更新发布 (实际的)
2021年7月7日
上次提交的符合 QC 标准的更新
2021年7月2日
最后验证
2021年6月1日
更多信息
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.