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

Kunstig intelligens til at hjælpe med den ekkokardiografiske identifikation af transthyretin hjerteamyloidose (AI-ATTR-ECHO)

18. marts 2024 opdateret af: Algalarrondo Vincent

Målet med denne undersøgelse er at udvikle en algoritme ved hjælp af kunstig intelligens (AI) til at hjælpe med at identificere potentielle ATTR-CM tilfælde ved hjælp af rutinemæssig transthorax ekkokardiografi.

De vigtigste spørgsmål, den sigter mod at besvare er:

  • er algoritmen i stand til at diagnosticere ATTR-CM
  • er algoritmen i stand til at diagnosticere forskellige typer ATTR-CM (ATTRv, ATTRwt)

Dette er en ikke-interventionel undersøgelse. Deltagerens ekkokardiografier vil efter afidentifikation blive brugt til at træne, validere og teste algoritmen.

Studieoversigt

Detaljeret beskrivelse

Transthyretin (TTR) amyloidose er en alvorlig systemisk sygdom, der påvirker flere målorganer, herunder det perifere nervesystem, hjerte og nyrer. I mangel af behandling er den mediane overlevelse for symptomatiske former med hjertepåvirkning 3 til 4 år.

I de senere år har nye behandlinger bevist deres effektivitet i transthyretin amyloidose, hvilket gør det muligt at bremse udviklingen af ​​neuropati og hjerteskade. Disse behandlinger virker særligt effektive, når de påbegyndes på et tidligt stadium af sygdommen.

Det er derfor nødvendigt at stille diagnosen så tidligt som muligt for at få mest muligt ud af behandlingen. Men under den kliniske undersøgelse, elektrokardiogrammet eller den rutinemæssige ekkokardiografi er tegnene, der fremkalder hjerteamyloidose, ikke specifikke. Den indledende diagnose er derfor ofte vanskelig, overset eller forsinket, og mediantiden mellem de første symptomer og påbegyndelsen af ​​behandlingen er cirka 3 år.

Det er derfor den indledende fase af diagnosen, der skal forbedres på en tilstrækkelig følsom og specifik måde til at opdage potentielle tilfælde tidligt og samtidig undgå unødvendige undersøgelser i tilfælde af lav sandsynlighed.

Formålet med undersøgelsen er at udvikle og validere et værktøj til at hjælpe med screening af hjertetransthyretin amyloidose, fra standard ekkokardiografi, uden behov for aktiv deltagelse af kardiologen i den diagnostiske proces. Dette diagnostiske bidrag vil give kardiologen mulighed for at fremkalde diagnosen hjerteamyloidose og overveje yderligere udforskninger.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

15000

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

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
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

ATTR-CM-kohorten vil blive rekrutteret i henvisnings-tertiære centre for hjerteamyloidose. Kontrolkohorten vil blive rekrutteret i de samme centre fra patienter, der præsenterer en indikation for transthorax ekkokardiografi som en del af kardiologisk opfølgning

Beskrivelse

ATTR-CM patienter:

Inklusionskriterier:

  • Hjerte transthyretin amyloidose diagnosticeret på de klassiske kriterier:

    1. Fravær af monoklonalt immunoglobulin OG
    2. Tilstedeværelse af en bisfosfonatscintigrafi med forbedring i hjerteområdet ELLER

    2-tilstedeværelse af en hjertebiopsi, der viser transthyretin (Congo rød positiv) hjerteamyloidose (påvist enten ved immunfarvning eller ved massespektrometri) ELLER 3-tilstedeværelse af en perifer biopsi, der viser transthyretin-amyloidose (se ovenfor) forbundet med hjerteinfiltration >12 mm (parietal tykkelse) uden anden årsag til hjertehypertrofi)

  • Ingen modstand mod forskning

Ikke-inkluderingskriterier:

  • En anden årsag til hjerteamyloidose: AL AA amyloidose...
  • Blandet hjertesygdom med tilhørende tilstedeværelse af ikke-amyloid hjertesygdom (iskæmisk hjertesygdom, dilateret osv.)

Kontrolpatienter:

Inklusionskriterier:

  • Indikation for transthorax ekkokardiografi som led i kardiologisk opfølgning
  • Patient tilknyttet social sikring
  • Patientens samtykke til at deltage i forskningen og underskrift af samtykkeerklæringen.
  • Undersøgelsens tekniske forhold og ekkogenicitet, der tillader erhvervelse af ekkokardiografiske billeder af god kvalitet, hvilket muliggør efterbehandling

Ikke-inkluderingskriterier:

  • Tilstedeværelse af hjerteamyloidose som defineret ovenfor
  • Tilstedeværelse af transthyretin amyloidose selv uden påvist hjertepåvirkning
  • Patient monitoreret for asymptomatisk transthyretinmutation
  • Mindreårig patient eller patient, der ikke kan give sit samtykke (bevidstløs patient, under værgemål)

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
Transthyretin hjerteamyloidose (ATTR-CM)
Patienter med en ATTR-CM og gennemgår en transthorax ekkokardiografi
ikke-interventionel undersøgelse
Kontrolelementer
Patienter uden hjerteamyloidose, der gennemgår transthorax ekkokardiografi som en del af kardiologisk opfølgning
ikke-interventionel undersøgelse

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Opbygning og validering af de diagnostiske præstationsmålingskurver for AI-algoritmen til at diagnosticere ATTR-CM:
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose.

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

  • modtagerens driftskarakteristikkurve (ROC) og areal under kurve (AUC) af ROC'en: AUROC
  • Præcisionsopkaldskurve (PR) og areal under kurve (AUC) af PR-kurven: AUC-PR
år 1
Opbygning og validering af diagnostiske præstationsmålinger for AI-algoritmen til at diagnosticere ATTR-CM:
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose ATTR.

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

Nøjagtighed, følsomhed eller genkaldelse, specificitet, falsk positiv rate, falsk negativ rate, præcision (alle er udtrykt som forhold)

år 1

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Opbygning og validering af diagnostiske præstationsmålinger for AI-algoritmen til at diagnosticere ATTRwt-CM:
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose.

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

Nøjagtighed, følsomhed eller genkaldelse, specificitet, falsk positiv rate, falsk negativ rate, præcision (alle er udtrykt som forhold)

år 1
Opbygning og validering af diagnostiske præstationsmålinger for AI-algoritmen til at diagnosticere ATTRv-V122I-CM:
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose.

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

Nøjagtighed, følsomhed eller genkaldelse, specificitet, falsk positiv rate, falsk negativ rate, præcision (alle er udtrykt som forhold)

år 1
Opbygning og validering af diagnostiske præstationsmålinger for AI-algoritmen til at diagnosticere ATTRv-CM:
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose.

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

Nøjagtighed, følsomhed eller genkaldelse, specificitet, falsk positiv rate, falsk negativ rate, præcision (alle er udtrykt som forhold)

år 1
Opbygning og validering af diagnostiske præstationsmålinger for AI-algoritmen for at differentiere ATTR-CM fra LV-hypertrofi (LVH):
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose fra LVH.

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

Nøjagtighed, følsomhed eller genkaldelse, specificitet, falsk positiv rate, falsk negativ rate, præcision (alle er udtrykt som forhold)

år 1
Opbygning og validering af kurver for diagnostiske præstationsmålinger for AI-algoritmen til at diagnosticere ATTRwt-CM:
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose (ATTRwt undergruppe).

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

  • modtagerens driftskarakteristikkurve (ROC) og areal under kurve (AUC) af ROC'en: AUROC
  • Præcisionsopkaldskurve (PR) og areal under kurve (AUC) af PR-kurven: AUC-PR
år 1
Opbygning og validering af de diagnostiske præstationsmålingskurver for AI-algoritmen til at diagnosticere ATTRv-V122I-CM:
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose (ATTRv-V122I undergruppe).

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

  • modtagerens driftskarakteristikkurve (ROC) og areal under kurve (AUC) af ROC'en: AUROC
  • Præcisionsopkaldskurve (PR) og areal under kurve (AUC) af PR-kurven: AUC-PR
år 1
Opbygning og validering af de diagnostiske præstationsmålingskurver for AI-algoritmen til at diagnosticere ATTRv-CM:
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose (ATTRv-undergruppe).

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

  • modtagerens driftskarakteristikkurve (ROC) og areal under kurve (AUC) af ROC'en: AUROC
  • Præcisionsopkaldskurve (PR) og areal under kurve (AUC) af PR-kurven: AUC-PR
år 1
Opbygning og validering af de diagnostiske præstationsmålingskurver for AI-algoritmen for at differentiere ATTR-CM fra LV-hypertrofi (LVH):
Tidsramme: år 1

At udvikle og validere et værktøj ved hjælp af kunstig intelligens, en algoritme, der vil forbedre den automatiske detektion på rutinemæssigt erhvervede ekkokardiografibilleder af aspekter, der tyder på transthyretin amyloidose (ATTRv-undergruppe) i en undergruppe af patienter med LVH.

En forvirringsmatrix vil blive bygget, og følgende diagnostiske præstationsmålinger vil blive beregnet:

  • modtagerens driftskarakteristikkurve (ROC) og areal under kurve (AUC) af ROC'en: AUROC
  • Præcisionsopkaldskurve (PR) og areal under kurve (AUC) af PR-kurven: AUC-PR
år 1

Samarbejdspartnere og efterforskere

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

Samarbejdspartnere

Efterforskere

  • Studiestol: Gabriel Steg, MD, PhD, Bichat Hospital

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. januar 2022

Primær færdiggørelse (Anslået)

1. januar 2025

Studieafslutning (Anslået)

1. januar 2026

Datoer for studieregistrering

Først indsendt

12. marts 2024

Først indsendt, der opfyldte QC-kriterier

18. marts 2024

Først opslået (Faktiske)

25. marts 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

25. marts 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

18. marts 2024

Sidst verificeret

1. marts 2024

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • AI-ATTR-ECHO
  • 20211029191554 (Anden identifikator: registre général des traitements de l'APHP)

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Efterforskere vil give adgang til individuelle afidentificerede deltagerdata og relaterede undersøgelsesdokumenter (f. protokol, Statistical Analysis Plan (SAP), Clinical Study Report (CSR)) efter rimelig anmodning fra kvalificerede forskere og underlagt visse kriterier, betingelser og undtagelser.

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 Transthyretin hjerteamyloidose

Kliniske forsøg med ikke-interventionel undersøgelse

3
Abonner