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

International undersøgelse af kunstig intelligens-baseret diagnose af kardiomyopati ved hjælp af hjerte-MR (AID-MRI) (AID-MRI)

11. marts 2024 opdateret af: James White, University of Calgary
Målet med denne observationsundersøgelse er at teste nøjagtigheden af ​​computer-(maskinlæringsbaserede) algoritmer til at diagnosticere hjertesygdomme og forudsige, om og hvornår hjertekomplikationer vil opstå. AID-MRI forskerholdet har udviklet algoritmer, der sigter mod at modellere 3D hjertestruktur og bevægelse (deformation), som viser, at disse kan være af værdi for at opnå disse opgaver. Det internationale AID-MRI-studie har til formål at teste ydeevnen af ​​disse algoritmer på tværs af 11 internationale websteder ved hjælp af data opnået fra en bred vifte af patienter, der bruger forskellige MR-scannere. Ud over en etableret kohorte på 10.000 patienter, vil AID-MRI rekruttere yderligere 1100 patienter fra sine internationale sites, disse tjener som en ekstern valideringskohorte.

Studieoversigt

Status

Tilmelding efter invitation

Betingelser

Detaljeret beskrivelse

Der er mange typer af hjertemuskelsygdomme, som kan reducere hjertefunktionen eller føre til hjerterytmeproblemer, disse under ét kaldet kardiomyopatier. Hjerte-MR er en ikke-invasiv test uden stråling, der kan bruges til at diagnosticere disse sygdomme samt hjælpe med at forudsige fremtidige komplikationer. I øjeblikket er fortolkningen af ​​disse tests afhængig af lægernes erfaring med at se på disse billeder og deres evne til at genkende specifikke træk. Computere kan dog trænes til at opfange mere subtile sygdomstræk fra billeder, som et menneske måske ikke ser, og kan hurtigere trænes fra tusindvis af tilfælde, hvor den endelige diagnose allerede er blevet bekræftet. AID-MRI-forskerholdet har indsamlet hjerte-MR-billeder og hjertediagnoser fra over 10.000 patienter i Alberta, Canada og bruger disse data til at træne computeralgoritmer til at diagnosticere hjertesygdomme og forudsige, om der vil opstå hjertekomplikationer i fremtiden. Den internationale AID-MRI-undersøgelse er en offentligt finansieret, investigator-initieret undersøgelse, der tester nøjagtigheden af ​​disse algoritmer for at udføre disse opgaver i en international sammenhæng.

Den primære tilgang, der testes, er konvertering af rå 2D-cine MRI-billeder til en standardiseret 4D-model af hjerteform og deformation. Denne tilgang har vist sig at tillade computeralgoritmer at genkende forskellige kardiomyopatier. Vi vil teste disse datas evne til at informere computeralgoritmer til i) at beslutte, hvilken sygdom en patient har, og ii) forudsige, om en patient vil opleve en større hjertekomplikation i den nærmeste fremtid. Værdien og indflydelsen af ​​andre ikke-billeddannende data (dvs. patientegenskaber) for at forbedre ydeevnen vil også blive vurderet.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

1100

Kontakter og lokationer

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

Studiesteder

    • Alberta
      • Calgary, Alberta, Canada, T3M1M4
        • South Health Campus
      • Calgary, Alberta, Canada, T2N2T9
        • Foothills Medical Centre

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, Ældre voksen)

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Patienter henvist til CMR kliniske tjenester ved rekruttering af medicinske centre til evaluering af kendt eller mistænkt iskæmisk eller ikke-iskæmisk kardiomyopati.

Beskrivelse

Inklusionskriterier:

  • Skal have givet informeret samtykke på en måde, der er godkendt af Investigator's Institutional Review Board (IRB), før en undersøgelsesrelateret procedure udføres. Hvis en deltager ikke er i stand til at give informeret samtykke på grund af hans/hendes medicinske tilstand, kan deltagerens juridisk autoriserede repræsentant give samtykke på vegne af undersøgelsesdeltageren, som tilladt i henhold til lokal lovgivning og institutionelle standarddriftsprocedurer
  • Alder ≥18 år på tidspunktet for informeret samtykke;
  • Indlagt eller ambulant henvisning til CMR-billeddannelse;
  • Henvisning for mistanke om akut eller kronisk kardiomyopati tilstand(er) af iskæmisk og/eller ikke-iskæmisk ætiologi;
  • Nyligt tegnede (≤180 dage) og tilgængelige serumlaboratoriemarkører for hæmoglobin, hæmatokrit og kreatinin;
  • Villig og i stand til at overholde alle studiekrav

Ekskluderingskriterier:

  • Standard kontraindikation(er) til magnetisk resonansbilleddannelse baseret på lokale politikker;
  • I stand til at holde vejret (dvs. real-time cine imaging ikke understøttet);
  • Aktuel eller nylig (≤ 60 dage) graviditet;
  • Aktuel eller nylig (≤ 60 dage) sepsis, der kræver intubation;
  • Hjerteimplanterbar elektronisk implanteret enhed (CIED) af enhver type (udelukket på grund af sandsynligheden for reduceret billedkvalitet og forventet indflydelse på algoritmeydelsen), inklusive permanent pacemaker, implanterbar cardioverter-defibrillator eller implanterbar loop-optager;
  • Alvorlig aortaklapstenose (dvs. middel AVG >40 mmHg);
  • Klappeprotese (mekanisk eller bioprotetisk) i mitral- eller aortaposition
  • Medfødt hjertesygdom, inklusive enhver kirurgisk korrigeret sygdom, dextrocardi, Tetralogy of Fallot, ukorrigeret partiel anomal pulmonal venøs tilbagevenden eller stor atriel septumdefekt (Qp:Qs ≥1,5) [Bemærk: bicuspid aortaklapsygdom er ikke et eksklusionskriterium i isolation];

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Prædiktionsnøjagtighed
Tidsramme: 2 år

Det primære endepunkt er præstationsgevinster ved hjælp af 3D-myokardiedeformationsanalyse (3D-MDA) klassificering versus råbilledebaseret klassificering. Det primære resultat vil blive vurderet i 1.000 eksternt rekrutterede emner.

For diagnostiske modeller vil ydeevne blive beskrevet af AUC, Precision, Recall og F1 for hver sygdomsklasse. Forudsagt sygdomsklasse vil blive defineret som den højeste sandsynlighed observeret på tværs af alle mulige klasser. Grundsandheden vil blive tildelt ved foruddefinerede diagnostiske kriterier ved at tilmelde site-PI'er efter CMR-fortolkning med adgang til medicinske journaler.

For prognostiske modeller vil algoritme-forudsagte større uønskede kardiovaskulære hændelser (MACE) blive testet fra CMR til første observerede MACE. Både regression (tid til begivenhed) og klassifikationsmodellering (på 1- og 2-årige tidspunkter) vil blive vurderet. Klassificeringsydelse vil blive vurderet på samme måde som diagnostiske modeller. Regressionsydelse vil blive vurderet ved tidsafhængig AUC (tAUC).

2 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Sekundær effektivitet
Tidsramme: 2 år

De sekundære resultater af AID-MRI er rettet mod at identificere indflydelsen af ​​bias i AI-modellens ydeevne og at vurdere kapaciteten af ​​billedforbehandling ved hjælp af 3D-MDA til at afbøde en sådan indflydelse og forbedre generaliserbarheden. Dette vil blive opnået gennem stratificerede analyser af det primære endepunkt på tværs af foruddefinerede undergrupper af den prospektivt rekrutterede patientpopulation.

Disse analyser vil omfatte følgende:

  • Sammenlignende modelpræstation i kvindelig versus mandlig fødsels køn
  • Sammenlignende modelpræstation i store etniske undergrupper
  • Komparativ modelpræstation i binært versus ikke-binært køn
  • Sammenlignende modelydelse baseret på leverandørhardware og feltstyrke
2 år

Samarbejdspartnere og efterforskere

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

Samarbejdspartnere

Efterforskere

  • Ledende efterforsker: James White, MD, FRCP(C), University of Calgary

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)

30. juni 2023

Primær færdiggørelse (Anslået)

31. december 2024

Studieafslutning (Anslået)

30. juli 2025

Datoer for studieregistrering

Først indsendt

22. juni 2022

Først indsendt, der opfyldte QC-kriterier

30. marts 2023

Først opslået (Faktiske)

31. marts 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

13. marts 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

11. marts 2024

Sidst verificeret

1. marts 2024

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • AID-MRI-001

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

JA

IPD-planbeskrivelse

Et brugerkonsortium vil blive etableret for at få adgang til kollektive dataressourcer, der bidrager til AID-MRI-undersøgelsen. Hvert deltagende websted vil have tilladelse til at indsende frivillig tilbagetrækning fra konsortiet til enhver tid med fuldstændig fjernelse af dataressourcer. Foreslåede undersøgelser, der udnytter AID-MRI-konsortiets dataressourcer, vil blive gennemgået og skal godkendes af styregruppen. Dataressourcer vil blive tilgået på en sikker server "under glas", hvilket betyder, at dataressourcer ikke kan fjernes fra værtens miljø. Anmodende teams vil være ansvarlige for at etablere og vedligeholde deres eget miljø til dataanalyser på en klargjort virtuel maskine.

IPD-delingstidsramme

18 måneder efter afsluttet studie

IPD-delingsadgangskriterier

Kun forskningsformål. Forelæggelse, gennemgang og godkendelse af studiestyregruppe.

IPD-deling Understøttende informationstype

  • STUDY_PROTOCOL
  • ICF

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