洞察市场格局
解锁药品研发情报

客服电话

400-9696-311
医药数据查询

首页 临床进展 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

【ChiCTR2500114634】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

查看原文
立即下载
基本信息
登记号

ChiCTR2500114634

试验状态

尚未开始

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2025-12-16

临床申请受理号

/

靶点

/

适应症

黏膜皮肤淋巴结综合征

试验通俗题目

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

试验专业题目

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

申办单位信息
申请人联系人
请登录查看
申请人名称
请登录查看
联系人邮箱
请登录查看
联系人邮编

联系人通讯地址
请登录查看
临床试验信息
试验目的

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。

试验分类
请登录查看
试验类型

病例对照研究

试验分期

其它

随机化

无

盲法

无

试验项目经费来源

自选课题（自筹）

试验范围

/

目标入组人数

18000;2000

实际入组人数

/

第一例入组时间

2025-12-01

试验终止时间

2027-12-01

是否属于一致性

/

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）；

研究者信息
研究负责人姓名
请登录查看
试验机构

上海交通大学医学院附属新华医院

研究负责人电话
请登录查看
研究负责人邮箱
请登录查看
研究负责人邮编

/

联系人通讯地址
请登录查看
更多信息
获取更多临床信息查看权限
立即前往摩熵医药企业版免费查询
示例数据
<END>

上海交通大学医学院附属新华医院的其他临床试验

更多

上海交通大学医学院附属新华医院的其他临床试验

更多

最新临床资讯

更多
摩熵医药企业版
50亿+条医药数据随时查
7天免费试用
体验产品