- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT05139797
Echokardiografický screening vzácných onemocnění řízený umělou inteligencí (EchoNet-Screening)
Echokardiografický screening vzácných onemocnění řízený umělou inteligencí
Navzdory rychle postupujícímu vývoji v cílené terapii a genetickém sekvenování vedly přetrvávající limity v přesnosti a výkonnosti klinického fenotypování k prohlubování propasti mezi potenciálními a skutečnými přínosy realizovanými precizní medicínou.
Nedávné pokroky v technikách strojového učení a zpracování obrazu ukázaly, že modely strojového učení dokážou identifikovat rysy nerozpoznané lidskými odborníky a přesněji/přesněji posoudit běžná měření prováděná v klinické praxi.
Výzkumníci vyvinuli algoritmus nazvaný EchoNet-LVH pro identifikaci srdeční hypertrofie a identifikaci pacientů, kteří by měli prospěch z dalšího screeningu srdeční amyloidózy, a budou prospektivně hodnotit jeho přesnost při identifikaci pacientů, kteří by měli prospěch z dalšího screeningu na srdeční amyloidózu.
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Navzdory rychle postupujícímu vývoji v cílené terapii a genetickém sekvenování vedly přetrvávající limity v přesnosti a výkonnosti klinického fenotypování k prohlubování propasti mezi potenciálními a skutečnými přínosy realizovanými precizní medicínou. Tento hlavolam je ilustrován současnými přístupy k hodnocení morfologických změn srdce. Pokud jsou spolehlivě identifikovány, některá srdeční onemocnění (např. srdeční amyloidóza a hypertrofická kardiomyopatie) by se mohly vyhnout nesprávné diagnóze a mohly by být účinně zahájeny specifické cílené terapie. Schopnost spolehlivě rozlišovat mezi typy srdečních onemocnění podobné morfologie, ale různé etiologie by také zvýšila specifitu pro spojování variant genetického rizika a určování mechanismů.
Nedávné pokroky v technikách strojového učení a zpracování obrazu ukázaly, že modely strojového učení dokážou identifikovat rysy nerozpoznané lidskými odborníky a přesněji/přesněji posoudit běžná měření prováděná v klinické praxi. V echokardiografii je tato schopnost přesného měření a detekce důležitá jak pro screening onemocnění, tak pro diagnostiku kardiovaskulárních onemocnění.
Echokardiografie je rutinně a často používána pro diagnostiku a prognostiku v rutinní klinické péči, často však existuje subjektivita v interpretaci a heterogenita v aplikaci. Lidská pozornost je únavná a má heterogenní výklad mezi poskytovateli. Pracovní postupy screeningu nemocí řízeného umělou inteligencí byly navrženy pro vzácná onemocnění, jako je srdeční amyloidóza a další nemoci s relativně nízkou prevalencí, ale významným dopadem na člověka s cílenými terapiemi, pokud jsou včas odhaleny. Toto je oblast zvláště vhodná pro AI, protože existuje mnoho napodobenin, kde mohou být onemocnění, jako je hypertrofická kardiomyopatie, srdeční amyloidóza, aortální stenóza a další fenotypy, vizuálně podobné, ale lze je rozlišit pomocí algoritmů AI. Výzkumníci vyvinuli algoritmus, nazvaný EchoNet-LVH, pro identifikaci srdeční hypertrofie a identifikaci pacientů, kteří by měli prospěch z dalšího screeningu na srdeční amyloidózu, hypertrofickou kardiomyopatii a další onemocnění. E
Typ studie
Zápis (Očekávaný)
Kontakty a umístění
Studijní místa
-
-
California
-
Los Angeles, California, Spojené státy, 90048
- Nábor
- Cedars-Sinai Medical Centre (Los Angeles)
-
Kontakt:
- David Ouyang, MD
- Telefonní číslo: 832-495-1605
- E-mail: david.ouyang@cshs.org
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- Pacienti, kteří mají vysoké podezření na srdeční amyloidózu podle algoritmu AI
Kritéria vyloučení:
- Pacienti, kteří odmítnou být viděni na speciální klinice
- Pacienti, kteří zemřeli
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
---|---|
Screening umělé inteligence na srdeční amyloidózu
Algoritmus umělé inteligence vytvoří pravděpodobnost srdeční amyloidózy, která spustí odeslání na specializovanou kliniku k dalšímu hodnocení.
|
Algoritmus AI identifikuje LVH, nízké napětí a vysoké podezření na srdeční amyloidózu.
Zásah je skóre podezření.
Pacienti s vysokým skóre podezření budou odesláni na specializovanou kliniku ke zhodnocení standardní péče, screeningu a léčby, jak určí lékaři.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
---|---|---|
Počet nalezených nových diagnóz srdeční amyloidózy
Časové okno: 6 měsíců
|
Z přehledu grafu, identifikace pacientů, kteří mají následnou diagnózu srdeční amyloidózy
|
6 měsíců
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
---|---|---|
Počet nalezených nových diagnóz TTR amyloidózy
Časové okno: 6 měsíců
|
Z přehledu grafu, identifikace pacientů, kteří mají následnou diagnózu TTR amyloidózy
|
6 měsíců
|
Počet nalezených nových diagnóz AL amyloidózy
Časové okno: 6 měsíců
|
Z přehledu grafu, identifikace pacientů, kteří mají následnou diagnózu AL amyloidózy
|
6 měsíců
|
Spolupracovníci a vyšetřovatelé
Sponzor
Publikace a užitečné odkazy
Užitečné odkazy
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (AKTUÁLNÍ)
Primární dokončení (OČEKÁVANÝ)
Dokončení studie (OČEKÁVANÝ)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (AKTUÁLNÍ)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (AKTUÁLNÍ)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
- STUDY00001720
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
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 .