ChiCTR2500114634尚未招募不适用
基于大数据与深度学习的人工智能辅助胸片模型用于川崎病早期预警的临床研究
自选课题（自筹）2 个研究点 分布在 1 个国家开始时间: 2025年12月1日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 2
- 主要终点
- 灵敏度
研究概览
简要总结
本课题旨在整合多中心临床数据与深度学习技术，开发并验证一种基于 CXR 的 AI 模型，为川崎病（KD）的早期精准识别提供创新性解决方案。研究将系统性地探索 CXR 影像中潜在的 KD 特征标志物，建立客观、可量化的诊断模型，突破现有诊断标准对主观临床表现的依赖，以提高诊断准确率并优化 IVIG 治疗时机。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 病例对照研究
- 盲法
- 无
入排标准
- 年龄范围
- — 至 18（—）
- 性别
- All
入选标准
- •1.病例组：(1)就诊年龄小于等于 18 岁； (2)病历系统诊断中含有“川崎病”或者“Kawasaki Disease”或者“粘膜皮肤淋巴结综合征”或者“IVIG 无应答型川崎病”诊断 (3)同一次住院期间至少具备一次完整的胸片检查数据（影像及报告）；
- •2.对照组：(1)就诊年龄小于等于 18 岁； (2)与病例组同期； (3)发热大于等于 3 天； (4)排除川崎病诊断可能
排除标准
- •1.病例组：(1)胸片质量问题：严重伪影、曝光过度 / 不足导致关键结构无法评估 (2)临床信息不完整，包括缺少胸片检查、实验室检查、发热天数不明确 (3)无法明确最终诊断（如失访、诊断存疑）；
- •2.对照组：(1)胸片质量问题：严重伪影、曝光过度 / 不足导致关键结构无法评估 (2)临床信息不完整，包括缺少胸片检查、实验室检查、发热天数不明确 (3)无法明确最终诊断（如失访、诊断存疑）
研究组 & 干预措施
对照组
病例组
结局指标
主要结局
灵敏度
ROC 曲线下面积
特异度
次要结局
未报告次要终点
研究者
研究点 (2)
Loading locations...
相似试验
Unknown
不适用
基于机器学习技术构建原发性胸椎源性胸痛诊断模型及其验证ChiCTR2500105074深圳市第三人民医院院内课题，编号【25270G1023】
Unknown
不适用
心脏磁共振联合人工智能技术在心肌炎及心肌病患者中的应用心肌病ChiCTR2500105226苏北人民医院医疗扶持技术项目100
Unknown
不适用
基于影像深度学习在结直肠癌病理及预后预测中的应用价值ChiCTR2500106546自筹
Unknown
不适用
基于影像组学预测早期肺腺癌脏层胸膜侵犯的模型建立肺腺癌ChiCTR2500105640浙江省医药卫生科技计划项目（2023RC252, 2024KY252）
Unknown
不适用
基于多维度信息融合的机器学习模型预测放射性肺炎的回顾性和前瞻性应用研究ChiCTR2500102055重庆医科大学附属第二医院项目经费