Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Udvikling af et nyt konvolutionsneuralt netværk til arytmiklassificering (AI-ECG)

4. november 2020 opdateret af: Sanjeev Bhavnani MD, Scripps Clinic

Udvikling af et nyt konvolutionsneuralt netværk for arytmiklassificering for stødbare hjerterytmer

Identifikation af den korrekte arytmi på tidspunktet for en klinikhændelse inklusive hjertestop er af høj prioritet for patienter, sundhedsorganisationer og for folkesundheden. Den seneste udvikling inden for kunstig intelligens og maskinlæring giver nye muligheder for hurtigt og præcist at diagnosticere hjertearytmier og for, hvordan nye mobile sundheds- og hjertetelemetrienheder bruges i patientbehandling. Den nuværende undersøgelse har til formål at validere en ny statistisk tilgang til kunstig intelligens kaldet 'convolution neural network classifier' og dens ydeevne til forskellige arytmier diagnosticeret på 12-aflednings-EKG'er og enkelt-aflednings Holter/hændelsesovervågning. Disse arytmier omfatter; atrieflimren, supraventrikulær takykardi, AV-blok, asystoli, ventrikulær takykardi og ventrikulær fibrillation, og vil blive benchmarket til American Heart Associations præstationskriterier (95 % ensidigt konfidensinterval på 67-92 % baseret på arytmitype). For at gøre dette er undersøgelsens tilgang at skabe en stor EKG-database med afidentificerede rå EKG-data og at træne det neurale netværk på EKG-dataene for at forbedre den diagnostiske nøjagtighed.

Studieoversigt

Status

Afsluttet

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

25458

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

    • California
      • San Diego, California, Forenede Stater, 92037
        • Scripps Clinic

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • VOKSEN
  • OLDER_ADULT
  • BARN

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Personer, der gennemgår et 12-aflednings-EKG eller Holter/Event-monitorering

Beskrivelse

Inklusionskriterier:

  • Alle EKG-data kompileret fra 12-aflednings-EKG, enkelt- og multiple afledningsdatabaser

Ekskluderingskriterier:

  • Ingen

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
EKG-data
Kodede data inklusive; bølgelængder, amplitude, intervaller, timing, frekvens
Det foldede neurale netværk er konfigureret til at modtage et elektrokardiogramsegment som input og til at generere et output, der indikerer, om det modtagne elektrokardiogramsegment repræsenterer en hjertearytmi. Ingen specifikke træk ved elektrokardiogrammet identificeres til det foldede neurale netværk, og det modtagne elektrokardiogramsegment filtreres, transformeres eller behandles ikke før modtagelse af algoritmen. Algoritmen trænes på en lignende måde - elektrokardiogramsegmenterne er det eneste input til det foldede neurale netværk.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk nøjagtighed
Tidsramme: 1 ÅR
American Heart Association EKG præstationskriterier
1 ÅR

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Efterforskere

  • Ledende efterforsker: Sanjeev Bhavnani, MD, Scripps Clinic Medical Group

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (FAKTISKE)

1. oktober 2018

Primær færdiggørelse (FAKTISKE)

1. marts 2020

Studieafslutning (FAKTISKE)

1. oktober 2020

Datoer for studieregistrering

Først indsendt

5. september 2018

Først indsendt, der opfyldte QC-kriterier

5. september 2018

Først opslået (FAKTISKE)

7. september 2018

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

6. november 2020

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

4. november 2020

Sidst verificeret

1. november 2020

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • 027527

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Arytmier, hjerte

Kliniske forsøg med Neural netværksklassificering

Abonner