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

Strojové učení pro zvýšení včasné diagnózy akutních kardiovaskulárních stavů (MALBEC)

7. dubna 2025 aktualizováno: University Hospital, Basel, Switzerland
Cílem výzkumného projektu je vyvinout nástroje podpory klinického rozhodování integrující zavedené diagnostické proměnné a modely strojového učení (ML) pro rychlou diagnostiku akutního života ohrožujícího kardiovaskulární stavy u pacientů s pohotovostním oddělením (ED) s bolestí na hrudi nebo dušností s konečným cílem zlepšeného diagnostického přesnosti pacientů a sníženou lékařskou léčbu a léčbu a sníženou lékařskou léčbou.

Přehled studie

Detailní popis

Současný stav výzkumu v oboru

Akutní kardiovaskulární onemocnění (ACVD) je hlavní příčinou úmrtí ve Švýcarsku a Evropě, odpovědné za 29% úmrtí ve Švýcarsku a 36% v celé Evropě. Rostoucí prevalence ACVD, včetně akutního infarktu myokardu (AMI), akutního srdečního selhání (AHF), plicní embolie (PE) a akutních aortálních syndromů (AAS), uvádí významné zatížení systémů zdravotní péče. Diagnostika těchto stavů na pohotovostních odděleních (EDS) je náročná kvůli překrývajícím se symptomům a potřebě rychlého a přesného rozhodování.

Zavedení kardiovaskulárních biomarkerů, včetně srdečního troponinu s vysokou citlivostí, natriuretický peptid typu B a D-Dimer revolucionizovalo včasnou diagnózu. Tyto biomarkery, spolu s klinickými hodnoceními a elektrokardiogramy (EKG), jsou nyní nezbytnými diagnostickými nástroji. Současné diagnostické algoritmy však mají stále ohromná omezení.

Nedávný pokrok v strojovém učení (ML) a hlubokém učení (DL) nabízí příležitosti ke zlepšení diagnózy. Interpretace EKG na bázi ML a techniky hlubokého přenositelného učení (DTL) by mohly zvýšit diagnostickou přesnost integrací komplexních dat EKG a biomarkerů. Přístupy AUTALL mohou tyto modely dále upřesnit, snižovat lidské chyby a zlepšit klinické pracovní postupy.

Výzkumný tým provedl několik rozsáhlých studií vedoucí k významnému pokroku ve výzkumu kardiovaskulárního biomarkeru a přesnosti medicíny. Jejich příspěvky zahrnují:

  • Validace modelu MI3, který používá ML ke zlepšení nstemi
  • Zavedení skóre EKG BASIL, kvantitativního nástroje, který zvyšuje diagnózu Nstemi.
  • Validace kódu-ACS, ML založená na klinickém rozhodování-toolu, která předpovídá pravděpodobnost nstemi efektivněji než standardní prahové hodnoty srdečních troponinů.

Tým se nyní zaměřuje na integraci dat EKG s biomarkery pomocí AI/ML pro zvýšení přesnosti a automatizaci rozhodování. Spolupráce s mezinárodními odborníky umožnila úspěšné použití neuronových sítí na interpretaci EKG. Mezi další kroky patří:

  • Rafinování interpretace EKG založené na ML za účelem zahrnutí neaditivních účinků.
  • Rozšíření modelů ML tak, aby zahrnovaly více kardiovaskulárních podmínek za AMI.
  • Integrace těchto nástrojů řízených AI do klinických pracovních postupů a elektronických zdravotních záznamů.

Cílem tohoto výzkumu je revoluce kardiovaskulární diagnostiky využitím AI a ML pro přesnější, rychlejší a klinicky relevantní rozhodování.

Cíle:

  1. Vypracovat a implementovat nástroj pro podporu klinického rozhodování, který vizualizuje klíčová diagnostická data.
  2. Vyškolení a ověření ML modelů pro diagnostiku akutních kardiovaskulárních onemocnění (ACVD).
  3. Porovnejte výkon modelu ML s existujícími diagnostickými algoritmy.
  4. Ověřte ML modely ve velkých mezinárodních klinických hodnoceních.
  5. Integrujte ML modely do záznamu elektronického pacienta na Fakultní nemocnici Basel.

Typ studie

Pozorovací

Zápis (Odhadovaný)

200000

Kontakty a umístění

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

Studijní kontakt

Studijní záloha kontaktů

Studijní místa

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

  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Metoda odběru vzorků

Ukázka pravděpodobnosti

Studijní populace

Datový soubor ve výši asi 200 000 rozsáhle charakterizovaných pacientů zapsaných do randomizovaných kontrolovaných studií a observačních studií se používá

Popis

Kritéria pro zařazení:

• Akutní kardiovaskulární onemocnění (ACVD)

Kritéria vyloučení

  • Věk <18 let
  • pacienti prezentující kardiogenní šok
  • Chronický terminální selhání ledvin vyžadující dialýzu

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

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Pacienti s akutní bolestí na hrudi a/nebo akutní dušností
Malbec bude dodáván prostřednictvím pěti integrovaných pracovních balíčků (WP) zahrnujících: (0) vývoj a implementaci platformy, (1) sdružování dat, (2) vývoj modelu, (3) porovnání výkonu, (4) ověření výkonu a (5) plugin platformy a (5) plugin platformy

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Vývoj nástroje pro podporu klinického rozhodování
Časové okno: Během celé trvání studie 3 roky
Vývoj a implementace nástroje pro podporu klinického rozhodování, který integruje a vizualizuje výsledky zavedených diagnostických proměnných na palubní desce
Během celé trvání studie 3 roky
Ověřte modely strojového učení (ML)
Časové okno: Během celé trvání studie 3 roky
Odvozujte a validujte ML modely, které integrují srdeční biomarkery s klíčovými klinickými informacemi a digitální 12-vedoucí EKG, aby rychle informovaly diagnostickou pravděpodobnost šesti akutních život ohrožujících kardiovaskulárních podmínek u pacientů s akutní bolestí na hrudi a/nebo akutní dyspnoea na pohotovostním oddělení
Během celé trvání studie 3 roky

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Spolupracovníci

Vyšetřovatelé

  • Ředitel studie: Christian Müller, Prof. Dr. med., University Hospital, Basel, Switzerland
  • Vrchní vyšetřovatel: Jasper Boeddinghaus, PD Dr. med., University Hospital, Basel, Switzerland

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. dubna 2024

Primární dokončení (Odhadovaný)

1. března 2027

Dokončení studie (Odhadovaný)

1. března 2027

Termíny zápisu do studia

První předloženo

7. dubna 2025

První předloženo, které splnilo kritéria kontroly kvality

7. dubna 2025

První zveřejněno (Aktuální)

15. dubna 2025

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

15. dubna 2025

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

7. dubna 2025

Naposledy ověřeno

1. dubna 2025

Více informací

Termíny související s touto studií

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

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 .

Předplatit