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

AIR-CPR-studiet: AI-styrede brystkompressioner (AIR-CPR)

19. februar 2026 opdateret af: Sheng-En Chu, Far Eastern Memorial Hospital

Brug af kunstig intelligens til at optimere regionen for brystkompression under hjerte-lunge-redning for patienter med hjertestop uden for hospitalet.

AIR-CPR-projektet har til formål at forbedre overlevelsessatserne for patienter med hjertestop uden for hospitalet (OHCA) ved at anvende kunstig intelligens (AI) til at optimere placeringen af brystkompressioner. Nuværende retningslinjer anbefaler et standardiseret kompressionspunkt (den nedre halvdel af sternum), men nyere forskning indikerer, at denne position kan komprimere aortaklappen hos cirka 48,7% af patienterne, hvilket reducerer chancerne for vellykket genoplivning betydeligt.

Denne undersøgelse vil udvikle en deep learning-model baseret på YOLO v8 til at analysere arterielle trykbølgeformer i realtid for at identificere korrekt åbning og lukning af aortaklappen. Ved at identificere specifikke bølgeformegenskaber, som mennesker ikke nemt kan skelne, vil AI vejlede redningsfolk til at justere kompressionsstedet – typisk mod venstre ventrikel – for at sikre optimal blodudstrømning. Projektet sigter mod at transformere HLR fra en standardiseret "one-size-fits-all"-tilgang til en personliggjort, præcisionsmedicinsk intervention.

Studieoversigt

Detaljeret beskrivelse

Dette treårige prospektive studie er designet til at udvikle og klinisk validere en "AI-forbedret arteriel bølgeformmonitor" til at guide præcisionshjertemassage.

  1. Forskningshypotese og mål Studiet tester hypotesen om, at AI kan forudsige aortaklapskompression (bekræftet af transøsofageal ekkokardiografi, TEE) nøjagtigt ved at analysere arterielle trykbølgeformer, hvilket giver mulighed for, at redningspersonale kan finde det optimale kompressionssted, der undgår aortaklappen og maksimerer hjerteytelsen.
  2. Implementeringsfaser

    Projektet er opdelt i fem forskellige faser:

    Caseforberedelse: Indskrivning af 150 OHCA-patienter for at indsamle synkroniseret TEE-video og arterielt trykdata.

    Arteriel bølgeformdetektionsmodel: Udvikling af en algoritme til automatisk at segmentere kontinuerlige tryksignaler i enkeltkompressionsbølgeformprøver.

    Kompressionsregiondetektionsmodel: Træning af en YOLO v8-baseret model integreret med patientens fysiologiske data (alder, køn, sygehistorie) for at skelne mellem "komprimeret" og "ikke-komprimeret" aortaklapstatus.

    Klinisk ekstern test: Indskrivning af yderligere 75 patienter for at verificere modelnøjagtighed mod TEE "guldstandard" fund.

    Gennemførlighedsvurdering: Implementering af modellen som en "Genoplivningsstøtteapp" i 30 virkelige kliniske tilfælde for at evaluere dens realtidsvejledningsevne, hastighed og indvirkning på patientudfald.

  3. Teknisk metodologi

    Dataekstraktion: Brug af binarisering og interpolationskurvetilpasning til at udtrække højkvalitets numeriske data direkte fra fysiologisk monitorskærme.

    AI-arkitektur: Anvendelse af en forbedret YOLO v8-ramme kombineret med en opmærksomhedsbaseret arkitektur og fuldt forbundne neurale netværk for at inkorporere komplekse patientheterogeniteter.

    Klinisk intervention: Når AI identificerer aortaklapskompression, vil redningspersonale blive bedt om at justere kompressionsplaceringen (typisk nedad og til venstre), indtil klappen ikke længere er obstrueret.

  4. Udfaldsmålinger Studiet vil evaluere Identifikationssuccesraten (AI vs. TEE), Undgåelsessuccesraten (vellykket repositionering) og traditionelle genoplivningsmetrikker inklusive ROSC, overlevelse til udskrivning og gunstige neurologiske udfald.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

255

Kontakter og lokationer

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

Studiekontakt

  • Navn: Sheng-En Chu, physician
  • Telefonnummer: 886-2-7728-1843
  • E-mail: ianchu300@msn.com

Studiesteder

    • Banqiao
      • New Taipei City, Banqiao, Taiwan, 220
        • Rekruttering
        • Far Eastern Memorinal Hospital
        • Kontakt:

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

Studiepopulationen består af voksne patienter, der oplever ikke-traumatisk hjertestop uden for hospitalet og transporteres til Far Eastern Memorial Hospitals akutafdeling. Denne facilitet er det eneste medicinske center i New Taipei City og håndterer cirka 30 % af byens OHCA-tilfælde, hvilket sikrer et mangfoldigt og stort udvalg af patienter, der modtager avanceret livsstøtte.

Beskrivelse

Inklusionskriterier:

  1. Voksne i alderen 20 år eller derover.
  2. Patienter med hjertestop uden for hospitalet (OHCA), der gennemgår 3.hjertelungeredning (HLR) på skadestuen.

Hjertestop forårsaget af ikke-traumatiske faktorer.

Eksklusionskriterier:

  1. Gravide patienter.
  2. Patienter med tydelige tegn på død.
  3. Patienter med en underskrevet "Gør ikke genoplivningsparat" (DNR) ordre.
  4. Patienter, der kræver ekstrakorporal hjerte-lungeredning (ECPR).
  5. Patienter, der kræver Resuscitative Endovascular Balloon Occlusion of the Aorta (REBOA).
  6. Hjertestop forårsaget af massiv blødning, aorta-nødstilfælde, spændingspneumothorax, hjertetamponade eller lungeemboli.
  7. Tidligere alvorlig aortaklapsygdom eller tidligere aortaklapskirurgi.
  8. Patienter, for hvem TEE eller femoral arteriel kateterisering er kontraindiceret.
  9. Situationer, hvor lægeholdet ikke er i stand til at udføre TEE eller femoral arteriel kateterisering under HLR.

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
OHCA-patienter, der modtager AI-forbedret genoplivning.
Voksne patienter (20 år eller ældre) med ikke-traumatisk Out-of-Hospital Cardiac Arrest (OHCA), der modtager Advanced Life Support (ALS) på Far Eastern Memorial Hospitals akutafdeling. Denne kohorte leverer data til AI-træning (år 1-2) og deltager i den kliniske validering af den AI-styrede kompressionsteknik (år 3).
En deep learning-applikation baseret på YOLO v8-arkitekturen, der analyserer arterielle trykbølgeformer i realtid fra en femoral A-line.
Den identificerer, om den nuværende kompressionsplacering på brystkassen forårsager kompression af aortaklappen (som bekræftet af TEE), og giver øjeblikkelig feedback til genoplivningsteamet.
Når AI-applikationen indikerer kompression af aortaklappen, justerer redningspersonen positionen for den mekaniske brystkompression (LUCAS). Baseret på litteratur og AI-feedback involverer justeringen typisk at flytte kompressionspunktet nedad og mod den venstre parasternal linje for at undgå aortaklappen og optimere venstresidig ventrikeloutput.
Anvendt som "guldstandarden" gennem hele studiet. TEE udføres under HLR for at registrere den faktiske åbning og lukning af aortaklappen samt deformationen af hjertekamrene, hvilket leverer etiketterne til AI-træning og verifikationen til klinisk testning.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
AI-Identifikationsnøjagtighed af Aortaklapkompression
Tidsramme: Indsamlet under den kliniske testfase og gennemførlighedsvurdering (år 2 og 3).
AI-modellens nøjagtighed i at identificere om aortaklappen er komprimeret eller åben under hjerte-lunge-redning (HLR), ved brug af transøsofageal ekkokardiografi (TEE) som guldstandarden for verifikation.
Indsamlet under den kliniske testfase og gennemførlighedsvurdering (år 2 og 3).

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Vellykket Undgåelse af Aortaklappekompression
Tidsramme: Under den kliniske gennemførlighedsvurdering (År 3).
Procentdelen af tilfælde, hvor genoplivningsteamet med succes justerede kompressionsstedet på brystkassen for at stoppe kompression af aortaklappen baseret på feedback fra AI-app'en, bekræftet af TEE.
Under den kliniske gennemførlighedsvurdering (År 3).
Tid forbrugt til komprimeringsjustering
Tidsramme: Under den kliniske gennemførlighedsvurdering (År 3).
Tidsintervallet mellem den første detektering af arteriel bølgeform og afslutningen af repositioneringen af brystkompressionen.
Under den kliniske gennemførlighedsvurdering (År 3).
Rate of Return of Spontaneous Circulation (ROSC)
Tidsramme: Fra starten af genoplivning på skadestuen indtil udskrivelse fra hospitalet eller dødsfald (op til cirka 30 dage).
Forekomst af ROSC og vedvarende ROSC (opretholdt i $\ge 20$ minutter), samt overlevelsesrater ved hospitalsindlæggelse og udskrivelse.
Fra starten af genoplivning på skadestuen indtil udskrivelse fra hospitalet eller dødsfald (op til cirka 30 dage).
Gunstigt neurologisk udfald ved udskrivning
Tidsramme: På tidspunktet for hospitalsudskrivelse (op til ca. 30 dage).
Vurdering af neurologisk status ved hjælp af Cerebral Performance Category (CPC 1-2) eller Modified Rankin Scale (mRS 0-2).
På tidspunktet for hospitalsudskrivelse (op til ca. 30 dage).
Brystkompressionsfraktion (CCF)
Tidsramme: Under den kliniske gennemførlighedsvurdering (år 3).
Andelen af den samlede genoplivningstid, hvor brystkompressioner blev udført, med sikring af at AI-styrede justeringer ikke påvirker kontinuiteten af kompressioner negativt.
Under den kliniske gennemførlighedsvurdering (år 3).

Samarbejdspartnere og efterforskere

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

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

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)

6. januar 2025

Primær færdiggørelse (Anslået)

31. december 2027

Studieafslutning (Anslået)

31. december 2027

Datoer for studieregistrering

Først indsendt

19. februar 2026

Først indsendt, der opfyldte QC-kriterier

19. februar 2026

Først opslået (Faktiske)

24. februar 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

24. februar 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

19. februar 2026

Sidst verificeret

1. februar 2026

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

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