在 COVID-19 疾病的诊断中使用 FCV-SDS 评估 AudibleHealth Dx AI/ML-Based Dx SaMD
基于人工智能/机器学习的诊断软件作为一种医疗设备的评估,在 COVID-19 疾病的诊断中使用强制咳嗽发声信号数据签名
AudibleHealth Dx 是一种作为医疗设备的诊断软件 (Dx SaMD),由一组软件子程序组成,这些子程序与信号数据签名 (SDS) 的专有数据库交互,使用人工智能/机器学习 (AI/ML) 分析强制用于诊断目的的咳嗽发声信号数据签名 (FCV-SDS)。
本研究将评估 AudibleHealth Dx 与用于诊断 COVID-19 的护理标准逆转录酶聚合酶链反应 (RT-PCR) 测试相比的性能。 双向 Sanger 测序将用于降低假阴性和假阳性结果的发生率。
该研究的第二个目的是为参与者和提供者测试设备的可用性。
研究概览
详细说明
该研究是一项前瞻性、多中心、非劣效性试验,将 AudibleHealth Dx 与紧急使用授权 (EUA) 批准的 COVID-19 RT-PCR 测试进行比较,以证明在使用该设备诊断 COVID 时 PPA 和 NPA 的非劣效性-19 病。 AudibleHealth Dx 测试、“Xpert Xpress SARS-CoV-2 RT-PCR”(品牌名称)测试和双向 Sanger 测序将在一次会面中对每个参与者进行。 参与者和工作人员将不知道 AudibleHealth Dx 结果和测试时的 RT-PCR 状态。 没有人会实时知道这两个结果,除非现场协调员和非盲统计员特别授权获得这些结果用于注册、审计、数据跟踪和数据编译目的。 在获得 AudibleHealth Dx、RT-PCR 和变体测序结果后,将进行结果揭盲。 参与者将根据临床站点的协议收到 RT-PCR 测试的结果。 变异测序结果将由每个站点根据其协议进行处理。
该试验的目标入组人数为 65 名 COVID-19 阳性病例和 247 名 COVID-19 阴性病例,假设符合所有纳入标准的 312 名受试者的患病率为 0.17。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Florida
-
Tampa、Florida、美国、33612
- University of South Florida
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准:
- 男性或女性,年满 18 岁或以上
- 参加选择性门诊 COVID-19 RT-PCR 检测
- 符合 FDA EUA 批准的适应症,用于 COVID-19 的 RT-PCR 鼻拭子测试
- 表示愿意遵守所有试验程序和试验期间的可用性
- 测试前必须获得知情同意
排除标准:
- 未满 18 岁
- 无法自主咳嗽
- 出现头部、颈部、喉咙、胸部、腹部或躯干的急性外伤
- 专利气管造口
- 近期胸部/腹部/躯干外伤或手术,近期/持续性神经血管损伤或近期颅内手术
- 筛板损伤或筛板手术、膈疝、外束颈/喉/颌面放疗、膈神经损伤/麻痹、根治性颈/喉/颌面手术、声带外伤或结节的病史
- 由于失语症患者可能难以在应用程序分配的时间内生成 FCV-SDS,因此该人群也将被排除在当前试验之外
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
干预/治疗 |
---|---|
试验人群
试验人群将从在一个中心进行选择性门诊 COVID-19 检测的成人中招募,可能有多个检测地点(根据试验时的当地需求)。
研究设备将通过预装通用现成原始设备制造商 (COTS OEM) 软件和研究 Dx SaMD 的手机提供给参与者。
将在收集 FCV-SDS 的单次接触中评估研究设备。
本试验将不涉及后续访问或参与者接触。
|
AudibleHealth Dx 是一种研究性 Dx SaMD,由一组软件子程序组成,这些子程序使用人工智能/机器学习 (AI/ML) 与信号数据签名 (SDS) 的专有数据库交互,以分析用力咳嗽发声信号数据签名 (FCV-SDS) ) 用于诊断目的。 使用 FCV-SDS 的基于 AudibleHealth Dx AI/ML 的 Dx SaMD 的预期用途是用于诊断急性和慢性疾病。 AudibleHealth Dx 是一种基于云的 AI/ML(锁定 ML)诊断软件作为医疗设备 (Dx SaMD),具有基于移动应用程序的图形用户界面 (GUI),旨在与基于 COTS Android 操作系统 (OS) 和 Apple OS 的操作系统一起运行移动设备。 AudibleHealth Dx 系统使用强制咳嗽发声 (FCV) 信号数据签名 (SDS) 来诊断门诊成人的 COVID-19疾病。 使用符合健康等级 7 (HL7) 的通信协议将结果发送给订购医生、州卫生部门和参与者。
其他名称:
|
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 |
---|---|---|
正百分比一致性 (PPA) 的非劣效性
大体时间:参与者将有一次持续不到一小时的遭遇;预计研究持续时间为 6 周。目标注册人数为 65 名积极参与者和 247 名消极参与者。 (中期分析将在中途进行。)
|
与 EUA 批准的 COVID-19 RT-PCR 测试(特别是 Xpert Xpress SARS-CoV-2 RT-PCR 测试用于诊断 COVID-19疾病。)
|
参与者将有一次持续不到一小时的遭遇;预计研究持续时间为 6 周。目标注册人数为 65 名积极参与者和 247 名消极参与者。 (中期分析将在中途进行。)
|
负百分比一致性(NPA)的非劣效性
大体时间:参与者将有一次持续不到一小时的遭遇;预计研究持续时间为 6 周。目标注册人数为 65 名积极参与者和 247 名消极参与者。 (中期分析将在中途进行。)
|
与 EUA 批准的 COVID-19 RT-PCR 测试(特别是 Xpert Xpress SARS-CoV-2 RT-PCR 测试用于诊断 COVID-19疾病。)
|
参与者将有一次持续不到一小时的遭遇;预计研究持续时间为 6 周。目标注册人数为 65 名积极参与者和 247 名消极参与者。 (中期分析将在中途进行。)
|
合作者和调查者
出版物和有用的链接
一般刊物
- Amoh J, Odame K. Deep Neural Networks for Identifying Cough Sounds. IEEE Trans Biomed Circuits Syst. 2016 Oct;10(5):1003-1011. doi: 10.1109/TBCAS.2016.2598794. Epub 2016 Sep 16.
- Arevalo-Rodriguez I, Buitrago-Garcia D, Simancas-Racines D, Zambrano-Achig P, Del Campo R, Ciapponi A, Sued O, Martinez-Garcia L, Rutjes AW, Low N, Bossuyt PM, Perez-Molina JA, Zamora J. False-negative results of initial RT-PCR assays for COVID-19: A systematic review. PLoS One. 2020 Dec 10;15(12):e0242958. doi: 10.1371/journal.pone.0242958. eCollection 2020.
- Assandri R, Canetta C, Vigano G, Buscarini E, Scartabellati A, Montanelli A. Laboratory markers included in the Corona Score can identify false negative results on COVID-19 RT-PCR in the emergency room. Biochem Med (Zagreb). 2020 Oct 15;30(3):030402. doi: 10.11613/BM.2020.030402. Epub 2020 Aug 5.
- Bahreini F, Najafi R, Amini R, Khazaei S, Bashirian S. Reducing False Negative PCR Test for COVID-19. Int J MCH AIDS. 2020;9(3):408-410. doi: 10.21106/ijma.421. Epub 2020 Oct 8.
- Chaimayo C, Kaewnaphan B, Tanlieng N, Athipanyasilp N, Sirijatuphat R, Chayakulkeeree M, Angkasekwinai N, Sutthent R, Puangpunngam N, Tharmviboonsri T, Pongraweewan O, Chuthapisith S, Sirivatanauksorn Y, Kantakamalakul W, Horthongkham N. Rapid SARS-CoV-2 antigen detection assay in comparison with real-time RT-PCR assay for laboratory diagnosis of COVID-19 in Thailand. Virol J. 2020 Nov 13;17(1):177. doi: 10.1186/s12985-020-01452-5.
- Chen YH, DeMets DL, Lan KK. Increasing the sample size when the unblinded interim result is promising. Stat Med. 2004 Apr 15;23(7):1023-38. doi: 10.1002/sim.1688.
- Imran A, Posokhova I, Qureshi HN, Masood U, Riaz MS, Ali K, John CN, Hussain MI, Nabeel M. AI4COVID-19: AI enabled preliminary diagnosis for COVID-19 from cough samples via an app. Inform Med Unlocked. 2020;20:100378. doi: 10.1016/j.imu.2020.100378. Epub 2020 Jun 26.
- Katz AP, Civantos FJ, Sargi Z, Leibowitz JM, Nicolli EA, Weed D, Moskovitz AE, Civantos AM, Andrews DM, Martinez O, Thomas GR. False-positive reverse transcriptase polymerase chain reaction screening for SARS-CoV-2 in the setting of urgent head and neck surgery and otolaryngologic emergencies during the pandemic: Clinical implications. Head Neck. 2020 Jul;42(7):1621-1628. doi: 10.1002/hed.26317. Epub 2020 Jun 12.
- Khomsay, S., Vanijjirattikhan, R., & Suwatthikul, J. (2019). Cough detection using PCA and Deep Learning. Paper presented at the 2019 International Conference on Information and Communication Technology Convergence (ICTC)
- Kosasih K, Abeyratne UR, Swarnkar V, Triasih R. Wavelet augmented cough analysis for rapid childhood pneumonia diagnosis. IEEE Trans Biomed Eng. 2015 Apr;62(4):1185-94. doi: 10.1109/TBME.2014.2381214. Epub 2014 Dec 18.
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems, 25, 1097-1105.
- Kucirka LM, Lauer SA, Laeyendecker O, Boon D, Lessler J. Variation in False-Negative Rate of Reverse Transcriptase Polymerase Chain Reaction-Based SARS-CoV-2 Tests by Time Since Exposure. Ann Intern Med. 2020 Aug 18;173(4):262-267. doi: 10.7326/M20-1495. Epub 2020 May 13.
- Laguarta J, Hueto F, Subirana B. COVID-19 Artificial Intelligence Diagnosis Using Only Cough Recordings. IEEE Open J Eng Med Biol. 2020 Sep 29;1:275-281. doi: 10.1109/OJEMB.2020.3026928. eCollection 2020.
- Liu JM, You M, Wang Z, Li GZ, Xu X, Qiu Z. Cough event classification by pretrained deep neural network. BMC Med Inform Decis Mak. 2015;15 Suppl 4(Suppl 4):S2. doi: 10.1186/1472-6947-15-S4-S2. Epub 2015 Nov 25.
- Mehta CR, Pocock SJ. Adaptive increase in sample size when interim results are promising: a practical guide with examples. Stat Med. 2011 Dec 10;30(28):3267-84. doi: 10.1002/sim.4102. Epub 2010 Nov 30.
- Moore NM, Li H, Schejbal D, Lindsley J, Hayden MK. Comparison of Two Commercial Molecular Tests and a Laboratory-Developed Modification of the CDC 2019-nCoV Reverse Transcriptase PCR Assay for the Detection of SARS-CoV-2. J Clin Microbiol. 2020 Jul 23;58(8):e00938-20. doi: 10.1128/JCM.00938-20. Print 2020 Jul 23.
- Nemati E, Rahman MM, Nathan V, Vatanparvar K, Kuang J. A Comprehensive Approach for Classification of the Cough Type. Annu Int Conf IEEE Eng Med Biol Soc. 2020 Jul;2020:208-212. doi: 10.1109/EMBC44109.2020.9175345.
- Sharan RV, Abeyratne UR, Swarnkar VR, Porter P. Automatic Croup Diagnosis Using Cough Sound Recognition. IEEE Trans Biomed Eng. 2019 Feb;66(2):485-495. doi: 10.1109/TBME.2018.2849502. Epub 2018 Jun 21. Erratum In: IEEE Trans Biomed Eng. 2019 May;66(5):1491.
- Yu F, Yan L, Wang N, Yang S, Wang L, Tang Y, Gao G, Wang S, Ma C, Xie R, Wang F, Tan C, Zhu L, Guo Y, Zhang F. Quantitative Detection and Viral Load Analysis of SARS-CoV-2 in Infected Patients. Clin Infect Dis. 2020 Jul 28;71(15):793-798. doi: 10.1093/cid/ciaa345.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
与本研究相关的术语
关键字
- SARS-CoV-2
- 2019冠状病毒病
- 人工智能
- 循环神经网络
- 人工智能
- SARS-CoV-2 感染
- 2019新型冠状病毒病
- 机器学习
- 奥米克戎
- 燃料电池汽车
- 安全数据表
- 2019冠状病毒病大流行
- 三角洲
- 燃料电池汽车安全数据表
- 信号数据签名
- 用力咳嗽发声
- Dx 萨姆
- 三星电子
- 作为医疗设备的诊断软件
- 软件作为医疗设备
- 人工智能/机器学习
- 卷积神经网络
- 毫升
- 冠状病毒病 19
- COVID-19 病毒感染
- 2019-nCoV 疾病
- 2019-nCoV 感染
- COVID-19 病毒病
- 2019新型冠状病毒感染
- COVID-19 大流行病
- SARS 冠状病毒 2 感染
- 严重急性呼吸系统综合症冠状病毒 2 感染
- 分类器
- 美国有线电视新闻网
- 循环神经网络
- 甲骨文
- 合奏
其他研究编号
- Pro00057996
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)?
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
在美国制造并从美国出口的产品
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.
新冠肺炎的临床试验
-
Texas Woman's UniversityNational Institutes of Health (NIH)尚未招聘COVID19测试
-
Aarhus University HospitalUniversity of Aarhus; Pharma Nord完全的
-
Diffusion Pharmaceuticals Inc完全的
-
Lumos DiagnosticsRapid Pathogen Screening完全的
-
Cairo UniversityKasr El Aini Hospital未知
-
Assistance Publique - Hôpitaux de Paris未知
作为医疗设备的诊断软件的临床试验
-
Taipei Veterans General Hospital, TaiwanLotung Poh-Ai Hospital未知