- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT03662802
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
Betingelser
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
- Johnson KW, Torres Soto J, Glicksberg BS, Shameer K, Miotto R, Ali M, Ashley E, Dudley JT. Artificial Intelligence in Cardiology. J Am Coll Cardiol. 2018 Jun 12;71(23):2668-2679. doi: 10.1016/j.jacc.2018.03.521.
- Kiranyaz S, Ince T, Gabbouj M. Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks. IEEE Trans Biomed Eng. 2016 Mar;63(3):664-75. doi: 10.1109/TBME.2015.2468589. Epub 2015 Aug 14.
- Bhavnani SP, Parakh K, Atreja A, Druz R, Graham GN, Hayek SS, Krumholz HM, Maddox TM, Majmudar MD, Rumsfeld JS, Shah BR. 2017 Roadmap for Innovation-ACC Health Policy Statement on Healthcare Transformation in the Era of Digital Health, Big Data, and Precision Health: A Report of the American College of Cardiology Task Force on Health Policy Statements and Systems of Care. J Am Coll Cardiol. 2017 Nov 28;70(21):2696-2718. doi: 10.1016/j.jacc.2017.10.018. No abstract available.
- Bhavnani SP, Narula J, Sengupta PP. Mobile technology and the digitization of healthcare. Eur Heart J. 2016 May 7;37(18):1428-38. doi: 10.1093/eurheartj/ehv770. Epub 2016 Feb 11.
- Vandendriessche B, Abas M, Dick TE, Loparo KA, Jacono FJ. A Framework for Patient State Tracking by Classifying Multiscalar Physiologic Waveform Features. IEEE Trans Biomed Eng. 2017 Dec;64(12):2890-2900. doi: 10.1109/TBME.2017.2684244. Epub 2017 Mar 17.
- Arvanaghi R, Daneshvar S, Seyedarabi H, Goshvarpour A. Fusion of ECG and ABP signals based on wavelet transform for cardiac arrhythmias classification. Comput Methods Programs Biomed. 2017 Nov;151:71-78. doi: 10.1016/j.cmpb.2017.08.013. Epub 2017 Aug 24.
- Figuera C, Irusta U, Morgado E, Aramendi E, Ayala U, Wik L, Kramer-Johansen J, Eftestol T, Alonso-Atienza F. Machine Learning Techniques for the Detection of Shockable Rhythms in Automated External Defibrillators. PLoS One. 2016 Jul 21;11(7):e0159654. doi: 10.1371/journal.pone.0159654. eCollection 2016.
- Li Q, Rajagopalan C, Clifford GD. Ventricular fibrillation and tachycardia classification using a machine learning approach. IEEE Trans Biomed Eng. 2014 Jun;61(6):1607-13. doi: 10.1109/TBME.2013.2275000. Epub 2013 Jul 26.
- Lyon A, Minchole A, Martinez JP, Laguna P, Rodriguez B. Computational techniques for ECG analysis and interpretation in light of their contribution to medical advances. J R Soc Interface. 2018 Jan;15(138):20170821. doi: 10.1098/rsif.2017.0821.
- Mjahad A, Rosado-Munoz A, Bataller-Mompean M, Frances-Villora JV, Guerrero-Martinez JF. Ventricular Fibrillation and Tachycardia detection from surface ECG using time-frequency representation images as input dataset for machine learning. Comput Methods Programs Biomed. 2017 Apr;141:119-127. doi: 10.1016/j.cmpb.2017.02.010. Epub 2017 Feb 10.
- Xiong Z, Nash MP, Cheng E, Fedorov VV, Stiles MK, Zhao J. ECG signal classification for the detection of cardiac arrhythmias using a convolutional recurrent neural network. Physiol Meas. 2018 Sep 24;39(9):094006. doi: 10.1088/1361-6579/aad9ed.
- Fan X, Yao Q, Cai Y, Miao F, Sun F, Li Y. Multiscaled Fusion of Deep Convolutional Neural Networks for Screening Atrial Fibrillation From Single Lead Short ECG Recordings. IEEE J Biomed Health Inform. 2018 Nov;22(6):1744-1753. doi: 10.1109/JBHI.2018.2858789. Epub 2018 Aug 7.
- Warrick PA, Nabhan Homsi M. Ensembling convolutional and long short-term memory networks for electrocardiogram arrhythmia detection. Physiol Meas. 2018 Oct 30;39(11):114002. doi: 10.1088/1361-6579/aad386.
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
Yderligere relevante MeSH-vilkår
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
-
Assiut UniversityIkke rekrutterer endnuCardiac CT TOF
-
Alexion Pharmaceuticals, Inc.RekrutteringTransthyretin-type Cardiac AmyloidosisJapan
-
IRCCS Ospedale San RaffaeleIkke rekrutterer endnu
-
Impulse DynamicsRekrutteringEvaluer sikkerheden og anvendeligheden af ODOCOR II Intra-cardiac LeadSpanien, Tyskland, Italien
-
Ye ShengIkke rekrutterer endnuOut-of-Hospital Cardiac Arrest (Simuleret)Kina
-
Abbott Medical DevicesAfsluttetPatienten opfylder ACC/AHA/ESC-retningslinjerne for implanterbar cardioverter-defibrillator (ICD) eller cardiac resynchronization therapy (CRT-D)-enhedDet Forenede Kongerige, Tyskland
-
Reham SameehAssiut UniversityUkendtCardiac Magnetic Resonance Imaging i ikke-iskæmisk kardiomyopati
-
Xiangya Hospital of Central South UniversityRekrutteringHjertestop | Post-Cardiac Arrest CareKina
-
Erzincan Binali Yildirim UniversitesiAfsluttetSkulder dysfunktion | Cardiac Implantable Electronic Device (CIED)Tyrkiet (Türkiye)
-
Milton S. Hershey Medical CenterRekrutteringVenstre ventrikulær dysfunktion | Spinalbedøvelsesmidler, der forårsager uønskede virkninger ved terapeutisk brug | Global Cardiac Wall Motion DysfunktionForenede Stater
Kliniske forsøg med Neural netværksklassificering
-
Josue Fernandez CarneroUniversidad Autonoma de MadridAfsluttet
-
City University of New YorkAlliance of Border Collaboratives; Programa CompañerosAfsluttetHIVMexico, Forenede Stater
-
University of ChicagoUniversity of Alabama at Birmingham; Tulane University; Birmingham AIDS Outreach og andre samarbejdspartnereRekrutteringHIV seropositivitetForenede Stater
-
University of ManitobaButterfly NetworkAfsluttetTemporomandibulære ledlidelser | Magnetisk resonans billede | Håndholdt ultralydCanada
-
Riphah International UniversityAfsluttetCervikal RadikulopatiPakistan
-
Riphah International UniversityAfsluttetIkke-specifikke lænderygsmerterPakistan
-
Riphah International UniversityAfsluttetLumbal radikulopatiPakistan
-
Universidad Rey Juan CarlosUkendt
-
University of SharjahIkke rekrutterer endnuFysisk og Rehabiliteringsmedicin
-
University of LiegeAfsluttet