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

Effektiviteten af ​​AI EF-screening ved at bruge smartphone-applikation Optaget PLAX Se hjerte-ultralydsvideoklip

18. marts 2024 opdateret af: Sittiluck Wongwantanee, Rayong Hospital

Vurdering af effektiviteten af ​​kunstig intelligens ved screening af venstre ventrikelfunktion ved hjælp af parasternale langaksevisning Hjerte-ultralydsvideoklip

Vurdering af effektiviteten af ​​kunstig intelligens ved screening af venstre ventrikelfunktion ved hjælp af parasternale langaksevisning Hjerte-ultralydsvideoklip

ABSTRAKT BAGGRUND: Ekkokardiografi tjener som en grundlæggende diagnostisk procedure til behandling af hjertesvigtspatienter. Data fra Thailands ministerium for folkesundhed afslører, at der er en betydelig patientpopulation med over 100.000 indlæggelser årligt på grund af denne tilstand. Ikke desto mindre forbliver den udbredte implementering af ekkokardiografi i denne patientgruppe udfordrende, primært på grund af begrænsninger i specialistressourcer, især på landdistriktshospitaler. Selvom moderne samfundshospitaler er udstyret med ultralydsmaskiner, der er i stand til grundlæggende hjertevurdering (f.eks. parasternal langaksevisning), er efterspørgslen efter ekspertkardiologer fortsat en formidabel hindring for at opnå omfattende diagnostiske evner. Udnyttelse af mulighederne i kunstig intelligens (AI) teknologi, dygtige til nøjagtig forudsigelse og behandling af forskellige sundhedsdatatyper, giver et løfte om at løse dette fremherskende problem. Denne undersøgelse er designet til at vurdere effektiviteten af ​​AI til at evaluere hjerteydelse fra parasternale langaksede ultralydsvideoklip opnået via smartphone-applikationen.

MÅL: At evaluere effektiviteten af ​​kunstig intelligens til screening af hjertefunktion fra parasternal langakset se hjerte-ultralydsvideoklip opnået gennem smartphone-applikationen.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

METODER: Efterforskerne byggede smartphone-applikationen til at indsamle parasternale langaksede videoklip og brugte kunstig intelligens "Easy EF" til at evaluere hjertefunktionen. Alle prøver, der blev evalueret for LVEF af certificerede kardiologer, 70% af alle klip blev brugt til at træne AI, mens de resterende 30% af klip blev brugt til at teste, om AI kunne behandle resultaterne korrekt. Kunstig intelligens sigter mod at klassificere hjertefunktionen i tre grupper: Reduceret EF, Mildt Reduceret EF og Bevaret LV.

Undersøgelsestype

Interventionel

Tilmelding (Faktiske)

923

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiesteder

  • Thailand
      • Rayong, Thailand, 066
        • Rayong 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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Beskrivelse

Inklusionskriterier:

  • Optaget 5 sekunders VDO-klip af Parasternal langakset hjerte-ultralyd optaget af smartphone-applikationen "Easy EF" uden patientidentifikation med resultatet af udstødningsfraktion, udført af certificeret kardiolog godkendt resultat

Ekskluderingskriterier:

  • Ufuldstændigt VDO-klip (for meget rystelse, for skudt optagelse)
  • Belysningen var uhensigtsmæssig
  • Uhensigtsmæssig ultralydsindramning
  • arytmi (atrieflimren)

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Diagnostisk
  • Tildeling: Ikke-randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Enkelt

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Aktiv komparator: LV funktion fra kardiolog
Certificeret kardiolog vil få adgang til og fortolke LV-funktion ved brugt traditionel ekkokardiografi og derefter opdele resultatet i tre grupper Bevaret LV-udstødningsfraktion (EF>50%), mildt reducere ejektionsfraktion (EF40-49%), reduceret LV-udstødningsfraktion (EF<40%)
Andet: Nem EF
AI blev integreret i applikationssmartphonen og brugte smartphonekamera til at optage et VDO-klip af hjerteultralyd i parasternal langaksevisning og returnerede hjertefunktionsresultater til brugeren.
Andre navne:
  • kunstig intelligens
  • mobil smartphone applikation
Eksperimentel: LV funktion Ved kunstig intelligens
AI vil kun få adgang til VDO-klip i parasternal langaksevisning og adskilles i tre grupper Bevaret LV-udstødningsfraktion (EF>50%), mildt reducere udstødningsfraktionen (EF40-49%), reduceret LV-udstødningsfraktion (EF <40%)
Andet: Nem EF
AI blev integreret i applikationssmartphonen og brugte smartphonekamera til at optage et VDO-klip af hjerteultralyd i parasternal langaksevisning og returnerede hjertefunktionsresultater til brugeren.
Andre navne:
  • kunstig intelligens
  • mobil smartphone applikation

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
effektiviteten af ​​AI til screening af venstre ventrikulær hjertefunktion ved brug af smartphone-applikation
Tidsramme: 3 måneder
procentdel af korrekt LV-funktionsklip, der fortolkes af AI i hver LV-funktionsgruppe (Bevaret LV, Mildt reduceret LV, Reduceret LV-funktion) og generelt sammenlignet med resultatet fra certificeret kardiolog
3 måneder

Samarbejdspartnere og efterforskere

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

Sponsor

Rayong Hospital

Samarbejdspartnere

Chulalongkorn University

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. maj 2023

Primær færdiggørelse (Faktiske)

31. juli 2023

Studieafslutning (Faktiske)

31. juli 2023

Datoer for studieregistrering

Først indsendt

5. marts 2024

Først indsendt, der opfyldte QC-kriterier

18. marts 2024

Først opslået (Faktiske)

26. marts 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

26. marts 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

18. marts 2024

Sidst verificeret

1. marts 2024

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • RayongH

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

JA

IPD-planbeskrivelse

resultat af AI-screening

IPD-delingstidsramme

3 måneder

IPD-delingsadgangskriterier

kontakt rayong hospital

IPD-deling Understøttende informationstype

  • STUDY_PROTOCOL
  • SAP

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 Hjertefejl

Kliniske forsøg med Nem EF

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Pakistan

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner