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

Undersøgelse af AI-genkendelsessystem for hjertelyd ved screening af medfødt hjertesygdom

30. juli 2026 opdateret af: Kun Sun, Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

Multicenterundersøgelse om udforskning og anvendelse af kunstig intelligens-teknologi-assisteret hjertelydsgenkendelsessystem ved screening af medfødt hjertesygdom hos børn

Formålet med denne undersøgelse er at etablere AI-algoritme baseret på dyb læring for at styrke evnen til at klassificere hjertemislyde hos raske mennesker og forskellige større eller andre underopdelte medfødte hjertesygdomme (CHD'er) og at evaluere effektiviteten af ​​kunstig intelligens teknologi-assisteret hjertelydsgenkendelsessystem (benævnt: Hjertelyd AI-genkendelsessystem) til multicenter CHD-screening.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Dette er en multi-center klynge tværsnitsundersøgelse i KINA. Hjertelyde vil blive opsamlet ved auskultation ved hjælp af et elektronisk stetoskop hos børn (0 ~ 18 år), bekræftet med eller uden CHD'er ved ekkokardiografi under ambulant eller hospitalsindlæggelse i 10 pædiatriske medicinske centre. Hjertelyde vil blive visualiseret som fonokardiogram, og funktionsudtrækning vil blive udført efter klassificering af normale og unormale hjertelyde og mærkning af karakteristika ved hjertemislyde af pædiatriske kardiovaskulære specialister. Kunstig intelligens algoritme (machine learning, deep learning osv.) vil blive trænet til at bygge et hjertelydsgenkendelsessystem med ovennævnte data. Vi vil bruge receiver operation characteristic (ROC) kurven til at sammenligne evnen til genkendelse og klassificering af unormale hjertelyde mellem forskellige kunstige intelligensalgoritmer. Taget resultaterne af ekkokardiografi som guldstandarden, vil vi bruge evalueringsindekserne, såsom sensitivitet, specificitet, nøjagtighed, positiv prædiktiv værdi, negativ prædiktiv værdi osv., til at sammenligne den diagnostiske kapacitet af CHD-screening mellem AI-genkendelsessystemet og mennesket. kardiovaskulære børnelæger. Vores mål er at bruge kunstig intelligens-teknologi til at assistere hjerteauskultation til CHD-screening.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

9370

Kontakter og lokationer

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

Studiesteder

  • Kina
      • Beijing, Kina
        • Beijing Anzhen Hospital
      • Chongqing, Kina
        • Children's Hospital Affiliated to Chongqing Medical University
      • Guangxi, Kina
        • The First Affiliated Hospital of Guangxi Medical University
      • Guangzhou, Kina
        • Guangzhou Women and Children's Medical Center
      • Hangzhou, Kina
        • Children's Hospital Affiliated to Zhejiang Medical University
      • Hunan, Kina
        • Hunan Children's Hospital
      • Jinan, Kina
        • Shandong Provincial Hospital
      • Kunming, Kina
        • Kunming Children's Hospital
      • Lanzhou, Kina
        • Lanzhou University Second Hospital
      • Linyi, Kina
        • Linyi Hospital for Women and Children
      • Shanghai, Kina
        • Children's Hospital of Shanghai
      • Shanghai, Kina
        • Shanghai Children's Medical Center
      • Shiyan, Kina
        • Shiyan Taihe Hospital
      • Suzhou, Kina
        • Children's Hospital of Soochow University
      • Wenzhou, Kina
        • The Second Hospital Affiliated to Wenzhou Medical University
      • Wuhan, Kina
        • Wuhan Children's Hospital

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

Ikke ældre end 18 år (Barn, Voksen)

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Pædiatrisk population under ambulant service eller hospitalsindlæggelse i ti pædiatriske medicinske centre i KINA

Beskrivelse

Inklusionskriterier:

  1. 0 ~ 18 år, uanset køn;
  2. Børn med eller uden medfødt hjertesygdom bekræftet ved ekkokardiografi;
  3. På grundlag af informeret samtykke, villig til at samarbejde med vores gruppe.

Ekskluderingskriterier:

  1. ≥ 18 år;
  2. Børn, der ikke kan gennemgå ekkokardiografi eller andre relaterede tests;
  3. Forsøgspersoner, der nægter at deltage, eller som ikke er villige til at samarbejde med levering af diagnostiske og terapeutiske data til yderligere analyse og forskning.

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
0 ~ 18 år gamle børn
Børn under ambulant eller hospitalsindlæggelse
Diagnostisk test: Hjerteauskultation og ekkokardiografi
Hjerteauskultation vil blive udført af kardiovaskulær børnelæge og ekkokardiografi af ekkokardiolog

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Modtagerens driftskarakteristik (ROC) af følsomhed
Tidsramme: Juli 2020 til december 2021
ROC af følsomhed i CHD-screening ved forskellige kunstige intelligensalgoritmer og auskultation
Juli 2020 til december 2021

Samarbejdspartnere og efterforskere

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

Sponsor

Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

Efterforskere

  • Ledende efterforsker: KUN SUN, MD, Xinhua Hospital, Shanghai Jiao Tong University School of Medicine

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. juli 2020

Primær færdiggørelse (Faktiske)

1. maj 2024

Studieafslutning (Faktiske)

1. maj 2024

Datoer for studieregistrering

Først indsendt

11. marts 2020

Først indsendt, der opfyldte QC-kriterier

11. marts 2020

Først opslået (Faktiske)

13. marts 2020

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

3. august 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

30. juli 2026

Sidst verificeret

1. maj 2024

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • XH-20-003

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

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 .

Abonner