Kunstig intelligensbaseret timing, infarktstørrelse og resultater i akut koronar okklusion myokardieinfarkt (ANOMI)
Kunstig intelligensbaseret timing, infarktstørrelse og resultater i akut koronar okklusion myokardieinfarkt uden ST -højde
Den nuværende undersøgelse er praksisdrevet og blot observationsmæssig og prospektiv. I klinisk rutine, patienter, der lider af mistænkte ACS og ikke viser ST -højde i EKG, fører forskellige timingforslag i retningslinjerne og logistisk drevne forskelle til betydeligt variable tidspunkter i invasive koronaranatomi -vurderinger. Denne håndtering kan føre til større infarktstørrelser, når OMI overvåges. Derfor sigter den nuværende undersøgelse at observere a), om en AI -model er i stand til korrekt at identificere OMI hos støtteberettigede patienter og B), hvis troponinniveauer i disse patienter varierer afhængigt af den forløbne tid mellem OMI -diagnose og koronar intervention.
Da modellen ikke er blevet etableret, men i retningslinjerne, er det sikkert at antage, at den sædvanlige vej fra første medicinske kontakt til specialists opmærksomhed gennemføres. Når en patient præsenterer i en nødsituation eller sætter et nødopkald, vurderer lægerne situationen som USE og som anført i de nuværende retningslinjer1.
Hvis der ikke bekræftes nogen stemi, startes NSTE-ACS-protokollen. Patienterne, der udelukkes for ACS, er udelukket fra den endelige analyse (screening). I dette tilfælde testes AI -modellen på deres EKG for at vurdere, om der er falske positiver.
Patienterne, der er i ACS "regel-in" -sporet og gennemgår den endelige koronar angiografi, vil naturligvis blive delt i patienter, der blev klassificeret som OMI og som ikke-OMI af AI-modellen. Desuden vil de præsentere en anden "tid fra OMI -diagnose til PCI) og variable troponin -spidsniveauer.
Ved at udnytte denne naturlige variation kan der udføres en praktisk sondring og flere analyser:
- Gennemføreligheden af AI-drevet EKG-fortolkning i pleje af patienter med mistanke om ACS og uden klar ST-elevationsinfarkt
- Nøjagtigheden af AI-drevet EKG-fortolkning til påvisning af OMI sammenlignet med de klassiske STEMI-kriterier
- Hvordan infarktstørrelse korrelerer med forskellige EKG -aflæsninger af AI og (hypotesen generering), hvis ændring af den kliniske praksis kan føre til en fordel hos patienter med mistænkt OMI.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Det 12-bly elektrokardiogram (EKG) forbliver det mest umiddelbart tilgængelige og vidt anvendte indledende diagnostiske værktøj til vejledning i styring hos patienter med mistænkt akut koronarsyndrom (ACS). Baseret hovedsageligt på 12-bly-EKG er ACS klassisk opdelt i ST-ELEVATION MYOCARDIAL INFARTION (STEMI) og ikke-ST-ELEVATION MYOCARDIAL INFARCTION (NSTEMI). For patienter med en arbejdsdiagnose af STEMI anbefales en øjeblikkelig reperfusionsterapi, fortrinsvis med en perkutan koronar intervention (PCI),.
For patienter med NSTEMI er timingen for en invasiv koronar reperfusion baseret på risikostratificering. Til dato forhindrer stemi vs. Nstemi -paradigmet nogle NSTEMI -patienter med akut okklusion af en koronararterie i at modtage fremkommende PCI, på trods af deres kendte øgede dødelighed sammenlignet med NSTEMI uden koronar okklusion. Cirka 24-35% af patienterne med NSTEMI har total koronar okklusion, benævnt okklusionsmyokardieinfarkt (OMI) og kunne drage fordel af fremvoksende PCI. Disse patienter ender ofte med at modtage reperfusion på et senere tidspunkt (24-72 timer) til optagelse, hvilket menes at være sent til at redde iskæmisk eller infarktet væv.
Mange publikationer siden 2000'erne beskriver EKG-mønstre uden ST-segmentforhøjelse, der betegner akut koronar okklusion. Imidlertid er det vist, at disse EKG -tegn er subtile og visuelle inspektion af EKG -billeder af kliniske eksperter, der er suboptimal og fører til en høj grad af variation i EKG -fortolkning. En nylig undersøgelse fandt, at maskinlæring og kunstig intelligens (AI) til EKG -diagnose af OMI overgår praktiserende klinikere. En ny EKG AI -model demonstrerede også overlegen nøjagtighed til at påvise akut OMI sammenlignet med de klassiske STEMI -kriterier. Dette antyder potentialet for AI til at forbedre triage af patienter med ACS, der sikrer passende og rettidig henvisning til øjeblikkelig PCI.
Vi sigter derfor mod at bruge disse modeller til at analysere EKG'er af patienter med NSTE-AC'er og kontrollere, om modellen udsender OMI eller ikke OMI. Baseret på disse oplysninger vil vi analysere den tid, det havde taget fra adgang til intervention (PCI), for at korrelere mulige sene reperfusioner med infarktstørrelse af ventriklen. Hypotesen er, at en okkluderet koronararterie faktisk vil producere en større infarktstørrelse (SCAR) i ventriklen efter længere okklusionstider (= reperfusionstid), derfor vil patienterne blive dikotomiseret i tidlige og sene interventionspatienter og analyseret baseret på deres infarktstørrelse og resultat, stratificeret af OMI -diagnosen lavet af AI -ECG -algoritmen baseret på.
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Matthias Unterhuber, MD, Associate Prof.
- Telefonnummer: +39 471 43 9950
- E-mail: matthias.unterhuber@gmail.com
Studiesteder
-
-
BZ
-
Bolzano, BZ, Italien, 39100
- Rekruttering
- Azienda Sanitaria di Bolzano
-
Kontakt:
- Matthias MU Unterhuber, Assoc.Prof. Dr. Dr.
- Telefonnummer: +39 0471 94 9950
- E-mail: matthias.unterhuber@sabes.it
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inkluderingskriterier:
- Alder> 18 år
- Arbejdsdiagnose af ikke-øget akut koronarsyndrom efter vurdering af specialist
Ekskluderingskriterier:
- St-ellevation myokardieinfarkt
- Alder <18 år
- Større vedvarende ventrikulære arytmier
- Korrupte EKG -billeder
- Dårlig digitaliseringskvalitet af EKG
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
Nste-acs
Patienter med ikke-ST-elevations myokardieinfarkt
|
Diagnostisk/terapeutisk procedure til genåbning
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Kardiovaskulær dødelighed
Tidsramme: 12 måneder
|
Kardiovaskulær dødelighed
|
12 måneder
|
|
Infarktstørrelse
Tidsramme: 12 måneder
|
Infarktstørrelse målt ved transthoracisk ekkokardiogram eller hjertemagnetisk resonansafbildning
|
12 måneder
|
Andre resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Ydeevne af AI-baseret OMI-detektion
Tidsramme: Periprocedural (ved tidspunktet for koronarangiografi)
|
Ydeevnen af AI-algoritmen bestemmes i form af sensitivitet, specificitet, negativ og positiv prædiktiv værdi baseret på sande negative, sande positive, falske negative og falske positive for at identificere OMI i henhold til de aktuelle definitioner i litteraturen.
|
Periprocedural (ved tidspunktet for koronarangiografi)
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- ANOMI
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
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 .