基于 AI 的临床环境中听诊器正常声音、喘息声和爆裂声分类的可行性
2023年4月4日 更新者：Innova Smart Technologies (Pvt.) Ltd
评估人工智能算法在临床环境中对从数字听诊器获得的正常声音、喘息声和爆裂声进行分类的可行性
通过三个数字听诊器获取的看不见的本地患者数据，评估临床环境中用于检测肺部病理患者喘息和爆裂音的开发人工智能算法的可行性和测试准确性。
研究概览
研究类型
介入性
注册 (实际的)
60
阶段
- 不适用
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
-
-
-
Peshawar、巴基斯坦、25000
- Lady Reading Hospital, Pakistan
-
-
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
- 孩子
- 成人
- 年长者
接受健康志愿者
是的
有资格学习的性别
全部
描述
纳入标准：
- 老少皆宜
- 提供书面同意
排除标准：
- 对象状态不稳定
- 粘合剂应用区域的胸壁畸形或伤口
- 未提供书面同意
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
- 主要用途：诊断
- 分配：不适用
- 介入模型：单组作业
- 屏蔽：无（打开标签）
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 |
|---|---|---|
|
通过与金标准比较，用于检测喘息、爆裂音和正常肺音的 AI 模型的临床验证
大体时间：2个月
|
AI 模型的临床可行性将通过测量阳性和阴性一致性（NPA 和 PPA）来比较从 AI 模型获得的结果与黄金标准的结果。
黄金标准是由经验丰富的顾问肺科医生给每个肺部声音记录的标签。
AI 模型对这些标签视而不见，并经过独立测试以检测正常肺音、喘息和爆裂声
|
2个月
|
|
通过测量灵敏度和特异性来测试用于检测喘息、爆裂音和正常肺音的人工智能模型的准确性
大体时间：2个月
|
人工智能模型根据从三个不同的数字听诊器分别命名为 NoaScope、eSteth 和 Littmann 收集的肺部声音进行训练。 来自所有三个数字听诊器的数据也被合并以训练单独的 AI 模型。 这些训练有素的 AI 模型将根据灵敏度（正确识别喘息和爆裂声的能力）和特异性（正确识别正常肺音的能力）进行评估。 真阳性 (TP)、真阴性 (TN)、假阳性 (FP) 和假阴性 (FN) 值将用于使用以下表达式计算灵敏度和特异性。 灵敏度：TP/TP+FN 特异性：TN/TN+FP |
2个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
三种数字听诊器的性能分析：Littmann、NoaScope 和 eSteth
大体时间：2个月
|
三个数字听诊器 NoaScope、eSteth 和 Littmann 的性能分析将使用每个听诊器实现的灵敏度和特异性进行评估。 真阳性 (TP)、真阴性 (TN)、假阳性 (FP) 和假阴性 (FN) 值将用于使用以下表达式计算灵敏度和特异性。 灵敏度：TP/TP+FN 特异性：TN/TN+FP |
2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 (实际的)
2022年1月6日
初级完成 (实际的)
2022年2月22日
研究完成 (实际的)
2022年2月22日
研究注册日期
首次提交
2022年1月8日
首先提交符合 QC 标准的
2022年2月22日
首次发布 (实际的)
2022年3月7日
研究记录更新
最后更新发布 (实际的)
2023年4月6日
上次提交的符合 QC 标准的更新
2023年4月4日
最后验证
2023年4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.