Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

AI-Based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST) (EP-AI ASSIST)

28. října 2026 aktualizováno: Yong-Soo Baek, Inha University Hospital

AI-based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST)

This multicenter retrospective study aims to develop, validate, and clinically apply an artificial intelligence (AI)-powered electrocardiography (ECG) algorithm for the diagnosis and prognostic prediction of cardiovascular diseases, including coronary artery disease and heart failure. By utilizing encrypted raw 12-lead ECG text data and deep neural network models, the study evaluates the effectiveness of AI-enhanced ECG in detecting cardiac abnormalities and predicting clinical outcomes.

Přehled studie

Postavení

Nábor

Podmínky

Intervence / Léčba

Typ studie

Pozorovací

Zápis (Odhadovaný)

10000

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní kontakt

  • Jméno: Yongsoo Baek, MD, PhD
  • Telefonní číslo: +82-32-890-2200
  • E-mail: existsoo@inha.ac.kr

Studijní místa

    • Incheon
      • Incheon, Incheon, Jižní Korea, 22332
        • Nábor
        • Inha University Hospital
        • Kontakt:

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

19 let a starší (Dospělý, Starší dospělý)

Přijímá zdravé dobrovolníky

Ne

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Retrospective cohort of patients aged 19 years or older with PSVT, WPW syndrome, PVC, or VT who underwent electrophysiological study and catheter ablation at participating institutions between January 2005 and December 2023.

Popis

Inclusion Criteria:

  • Age 19 years or older
  • Diagnosis of one of the following arrhythmias: paroxysmal supraventricular tachycardia (PSVT), Wolff-Parkinson-White (WPW) syndrome, premature ventricular contractions (PVC), or ventricular tachycardia (VT)
  • Underwent an electrophysiological study (EPS) and catheter ablation
  • Available 12-lead electrocardiogram (ECG) records that can be extracted as text (XML) files

Exclusion Criteria:

  • Inadequate ECG data quality, as judged by the investigator
  • Missing medical records required for the study, as judged by the investigator

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

  • Observační modely: COHORT
  • Časové perspektivy: RETROSPECTIVE

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Cardiovascular Disease and Tachycardia Cohort

Patients aged 19 years or older diagnosed with tachycardias (including PSVT, WPW syndrome, PVC, or VT) who underwent an electrophysiological study (EPS) and radiofrequency catheter ablation (RFCA), with extractable 12-lead ECG text data[cite: 1].

Application of a deep learning-based 12-lead electrocardiogram (ECG) algorithm to analyze raw text data for the differential diagnosis and localization of tachycardias, including PSVT, WPW syndrome, PVC, and VT[cite: 1].

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Area Under the ROC Curve (AUC) of AI-ECG Models for Differentiating Tachycardia Mechanisms Confirmed by Electrophysiological Study
Časové okno: Baseline

Diagnostic performance of Transformer-based deep learning models applied to 12-lead ECG raw data for differentiating tachycardia mechanisms, including atrioventricular nodal reentrant tachycardia (AVNRT) versus atrioventricular reentrant tachycardia (AVRT). The reference standard is the diagnosis confirmed by electrophysiological study and catheter ablation. Performance is summarized as AUC with 95% confidence interval (range 0-1; higher values indicate better discrimination).

Baseline

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Area Under the ROC Curve (AUC) of AI-ECG Models for Localizing Arrhythmia Origin Sites (Accessory Pathway, PVC, and VT) Confirmed by Successful Catheter Ablation
Časové okno: Baseline

Performance of AI-ECG models in classifying the anatomical site of the arrhythmia substrate from the pre-ablation 12-lead ECG, including (1) accessory pathway location in Wolff-Parkinson-White syndrome, (2) the origin of premature ventricular contractions, and (3) the origin of ventricular tachycardia. The reference standard is the site identified by electrophysiological mapping and confirmed by successful catheter ablation. For each classification task, performance is reported as AUC with 95% confidence interval (range 0-1; higher values indicate better classification).

Baseline

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

1. prosince 2023

Primární dokončení (Odhadovaný)

1. prosince 2028

Dokončení studie (Odhadovaný)

1. prosince 2028

Termíny zápisu do studia

První předloženo

29. září 2026

První předloženo, které splnilo kritéria kontroly kvality

29. září 2026

První zveřejněno (Aktuální)

5. října 2026

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

30. října 2026

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

28. října 2026

Naposledy ověřeno

1. října 2026

Více informací

Termíny související s touto studií

Další identifikační čísla studie

  • 2023-12-033
  • 2023-12-033 (Identifikátor registru: Inha University Hospital Institutional Review Board)

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Popis plánu IPD

Individual participant data (IPD) will not be shared with other researchers due to institutional data privacy policies and ethical regulations concerning retrospective clinical records and encrypted electrocardiogram data.

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .