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

Kunstig intelligens med dyb læring og gener om hjerte-kar-sygdomme

13. marts 2019 opdateret af: Ping-Yen Liu, National Cheng-Kung University Hospital

Anvendelse af kunstig intelligens dyb læring til sammenhængen mellem hjerte-kar-sygdomme og individualiserede forskelle

Et associationsstudie med stor database fra elektronisk journalsystem, billeder, udfaldsanalyse og genetiske enkeltnukleotidpolymorfivariationer ved maskinlæring og kunstig intelligens metoder i en taiwansk og kinesisk medicinsk centerbaseret befolkning

Studieoversigt

Status

Ukendt

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

I de senere år har analysen af ​​big data database kombineret med computer deep learning efterhånden spillet en vigtig rolle inden for biomedicinsk teknologi. For et stort antal journaldataanalyser, billedanalyse, enkeltnukleotidpolymorfi-forskelanalyse osv. kan al relevant forskning om udvikling og anvendelse af kunstig intelligens observeres i vid udstrækning. Til klinisk indikation kan patienter modtage en række forskellige kardiovaskulære rutineundersøgelser og behandlinger, såsom: hjerteultralyd, multi-path EKG, kardiovaskulær og perifer angiografi, intravaskulær ultralyd og optisk kohærenstomografi, elektrisk fysiologi osv. Det aktuelle studie er for det undersøgende kardiovaskulære team at drage fordel af, at udover den undersøgelse og behandling, deltagerne passende skal modtage, kan efterforskerne også analysere de individuelle forskelle og bruge "deep learning-metoden" til at analysere forskellen i fysisk form. , terapeutisk effektivitet og hensynet til behandlingens sikkerhed. Det yderligere mål med denne undersøgelse er at forbedre kvaliteten af ​​sundhedspleje, realiseringen af ​​kardiovaskulær "præcis medicin", især med personlig forskel på genetisk variation.

Denne undersøgelse vil analysere forskellene i individualiseringen af ​​hjerte-kar-sygdomme mellem sygdomme og andre emner for yderligere at forbedre kvaliteten af ​​plejen til kliniske patienter. Ved at bruge kunstig intelligens dybt læringssystem håber efterforskerne ikke kun at forbedre den diagnostiske hastighed og også opnå en mere præcis forudsigelse af patientens bedring, forbedre den medicinske kvalitet i den nærmeste fremtid.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

5000

Kontakter og lokationer

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

Studiesteder

      • Tainan, Taiwan, 704
        • Rekruttering
        • Department of Internal Medicine, National Cheng Kung University Hospital
        • Kontakt:

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

18 år og ældre (VOKSEN, OLDER_ADULT)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Pipeline for sagstilmelding:

  1. Vi vil tilmelde undersøgende emner fra klinikker hos næsten 10 læger, der screenes af vores assistent eller læger selv, med næsten 100-120 tilfælde/måned. Ifølge vores første erfaring under vores tidligere hospitalsbaserede bevilling i 2018 viste det muligt at tilmelde et tilfælde, næsten 1000 tilfælde inden for 3 måneders tilmelding. I alt planlægger vi at rekruttere 5000 forsøgspersoner med hjerte-kar-sygdomme eller med risikofaktorer inden for 3 år. (IRB-godkendelse A-ER-107-149)
  2. Vores forsøgspersoner vil blive evalueret, om de opfylder casekriterierne, af en uafhængig læge hver måned.
  3. I sammenligning med sygdom vil den eneste risikofaktorgruppe (500 tilfælde) være den matchende gruppe på genetisk baggrund og resultatsammenligning.

Beskrivelse

Inklusionskriterier:

  • Patienternes udvælgelseskriterier og tilmeldingsplan:

Vi vil tilmelde forsøgspersoner fra enten kardiovaskulære klinikker eller indlagte patienter fra National Cheng Kung University Hospital fra 2018 til 2021 efter underskrift af informeret samtykke fra patienter og deres familier. De vigtigste tilmeldingskriterier inkluderer en af ​​de flydende sygdomme eller tilstande:

A. Koronararteriesygdom:

  1. Anamnese med myokardieinfarkt
  2. Koronararteriesygdom med computertomografi angiografi billedundersøgelse med mindst én kar luminal stenose >70 %
  3. Koronararteriestents implantation af hospitalsbaseret billeddatabase
  4. Thallium-201 scanning positiv/løbebåndstest positiv med yderligere 2 risikofaktorer, inkl

    1. Diabetes mellitus
    2. Forhøjet blodtryk
    3. Dyslipidæmi
    4. Familiehistorie med pludselig død, koronar bypass-operation, cerebrale vaskulære angreb (CVA), for tidligt myokardieinfarkt
    5. Rygeadfærd

B. Kongestiv hjertesvigt med reduceret ejektionsfraktion

1. Ekkokardiografi venstre ventrikulær ejektionsfraktion <40 %

C. Hypertrofisk kardiomyopati:

  1. Venstre ventrikel interventrikulær septum(IVS) >15 mm
  2. Venstre ventrikel masseindeks > 200gm
  3. Apikal hypertrofi noteret på rapporten med 4-kammer udsigt

D. Atrieflimren

  1. Optaget af Holter kontinuerlig EKG
  2. Optaget af standard 12 afledninger komplet EKG

E. Pulmonal hypertension

  1. Ekko med systolisk lungetryk (sysPAP)> 40 mmHg
  2. Diagnose af idiopatisk pulmonal hypertension
  3. Under pulmonal hypertension medicin

F. Fabrys sygdom

  1. a-Galactosidase (a-GAL) enzymmangel
  2. Genetisk lidelse

G. Patient med kun risikofaktorer (<3 risikofaktorer), anerkendt som sammenligningsgruppen (>500 tilfælde)

  1. Diabetes mellitus
  2. Forhøjet blodtryk
  3. Dyslipidæmi
  4. Familiehistorie med pludselig død, koronar bypass-operation, cerebrale vaskulære angreb, for tidligt myokardieinfarkt
  5. Rygeadfærd

Ekskluderingskriterier:

  • Patienter, der ikke ønsker at blive indskrevet
  • Koncentrationen af ​​DNA-opsamling var utilstrækkelig efter 3 ganges indsamling

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
Kardiovaskulær højrisikogruppe (sygdom).
A. Koronararteriesygdom B. Kongestiv hjertesvigt med reduceret ejektionsfraktion C. Hypertrofisk kardiomyopati D. Atrieflimren E. Pulmonal hypertension F. Fabrys sygdom
ASCVD-score < 10 % vil være i kontrol- eller lavrisikogruppen
Kardiovaskulær lavrisikogruppe (kontrol).
Patient med kun risikofaktorer med ASCVD-score <10 % vil blive anerkendt som sammenligningsgruppen
ASCVD-score < 10 % vil være i kontrol- eller lavrisikogruppen

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Større kardiovaskulære begivenheder
Tidsramme: 5 år
Hyppigheden af ​​myokardieinfarkt, slagtilfælde, død, kardiovaskulær død, hjertesvigt med hospitalsindlæggelse
5 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Hjertefunktion ændres
Tidsramme: 5 år
parametre og funktionsændringer fra ekkokardiografi
5 år
Lipid profiler
Tidsramme: 5 år
De procentvise ændringer og respons af lipidprofil med almindelige lipidsænkende midler
5 år
Arrhythmia begivenheder
Tidsramme: 5 år
Hyppigheden af ​​arytmi associerede komplikationer og kliniske hændelser, stokes
5 år
Tilbagevendende akutte koronare hændelser
Tidsramme: 5 år
Hyppigheden af ​​tilbagevendende akutte koronare hændelser med nødvendig hospitalsindlæggelse eller genindgrebsprocedurer for koronararterie nødvendig
5 år

Samarbejdspartnere og efterforskere

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

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)

28. august 2018

Primær færdiggørelse (FORVENTET)

1. december 2021

Studieafslutning (FORVENTET)

1. juni 2022

Datoer for studieregistrering

Først indsendt

8. marts 2019

Først indsendt, der opfyldte QC-kriterier

13. marts 2019

Først opslået (FAKTISKE)

15. marts 2019

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

15. marts 2019

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

13. marts 2019

Sidst verificeret

1. marts 2019

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • A-ER-107-149

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 Hjerte-kar-sygdomme

Kliniske forsøg med ASCVD risikoscore

3
Abonner