Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Leistungsbewertung des Screening-Modells für künstliche Intelligenz bei der Erkennung koronarer Herzkrankheiten (DeepCHD)

7. April 2025 aktualisiert von: Tien Yin Wong, Tsinghua University
Um festzustellen, ob eine integrierte KI-Entscheidungsunterstützung Zeit sparen und die Genauigkeit der Beurteilung der obstruktiven koronaren Herzkrankheit (KHK) verbessern kann, führen die Forscher eine verblindete, randomisierte kontrollierte Studie mit KI-gesteuerten Messungen der Wahrscheinlichkeit einer obstruktiven KHK im Vergleich zur klinischen Beurteilung in vorläufigen Bewertungen durch durch Ärzte.

Studienübersicht

Status

Aktiv, nicht rekrutierend

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Hierbei handelt es sich um eine verblindete, randomisierte kontrollierte Studie (RCT), die die Wirksamkeit eines KI-basierten Entscheidungsunterstützungstools bei der vorläufigen Beurteilung obstruktiver KHK durch Ärzte bewertet. Fallakten von Teilnehmern mit Brustschmerzen oder Atemnot werden nach dem Zufallsprinzip einer von drei Gruppen zugeordnet:

  1. Clinical Intuition Group (Kontrollgruppe) Ärzte beurteilen die Wahrscheinlichkeit einer obstruktiven KHK ohne externe Hilfe. Die Beurteilung beruht ausschließlich auf dem klinischen Urteilsvermögen und der Erfahrung des Arztes.
  2. Leitlinienbasierte Gruppe (Leitliniengruppe) Ärzte verwenden eine RF-CL-Tabelle (Risikofaktor-gewichtete klinische Wahrscheinlichkeitstabelle), um die Wahrscheinlichkeit einer obstruktiven KHK zu berechnen.

    Dieser Ansatz entspricht den aktuellen klinischen Leitlinien und hilft bei der Entscheidungsfindung.

  3. AI-Assisted Group (AI Group) Ärzte erhalten KHK-Wahrscheinlichkeitsschätzungen und diagnostische Empfehlungen von einem KI-Modell auf der Grundlage von Netzhautfotos.

Das KI-Tool liefert individualisierte obstruktive KHK-Wahrscheinlichkeiten und nutzt Netzhaut-Biomarker, die mit kardiovaskulärem Risiko verbunden sind.

Hauptziel: Bewertung, ob KI-gesteuerte Entscheidungsunterstützung die diagnostische Genauigkeit obstruktiver KHK im Vergleich zu klinischen Standardbewertungen (sowohl mit als auch ohne Leitlinien) verbessert.

Sekundäres Ziel: Beurteilung, ob KI-gesteuerte Entscheidungsunterstützung den Zeitaufwand für die Durchführung vorläufiger Beurteilungen obstruktiver KHK verkürzt.

Teilnehmer, Leser und Randomisierungsteilnehmer: Fallakten von Teilnehmern mit Brustschmerzen oder Atemnot, alle wurden einer CT-Koronarangiographie oder einer invasiven Koronarangiographie unterzogen.

Leser: Ärzte, die vorläufige Untersuchungen von Patienten mit obstruktiver KHK durchführen.

Randomisierung: Teilnehmer und Leser werden mithilfe der Block-Randomisierung in eine der drei Gruppen (klinische Intuition, Leitlinie, KI) randomisiert, um ausgewogene Gruppengrößen sicherzustellen.

Blendung

Das geblendete Design gewährleistet Folgendes:

Den Ergebnisprüfern wird bei der Überprüfung der Beurteilungsergebnisse nicht bekannt gegeben, zu welcher Gruppe jeder Teilnehmer oder Arzt gehört.

Studientyp

Interventionell

Einschreibung (Geschätzt)

900

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studienorte

    • Beijing
      • Beijing, Beijing, China, 100084
        • Tsinghua University
    • Shanghai
      • Shanghai, Shanghai, China, 200000
        • Shanghai Health and Medical Center
      • Shanghai, Shanghai, China, 200000
        • Shanghai Sixth People's Hospital

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Beschreibung

Einschlusskriterien:

  • Personen mit Symptomen einer koronaren Herzkrankheit
  • Altersspanne: 18–75 Jahre
  • Kann die Untersuchung und eventuelle Folgearbeiten annehmen und mitwirken, nachdem er für klinische Studien ausgewählt wurde

Ausschlusskriterien:

  • Schwerer Bluthochdruck (>180/110 mmHg)
  • Komplexe Arrhythmie (Vorhofflimmern, Vorhofflattern, häufige vorzeitige Herzschläge)
  • Patienten mit schwerer Lungenerkrankung und Brustfehlbildung oder chirurgischen Eingriffen
  • Akuter Myokardinfarkt, der weniger als 3 Monate zurückliegt
  • Personen mit schwerer Leber- und Nierenfunktionsstörung und Elektrolytstörungen

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Screening
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Single

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Aktiver Komparator: Richtlinienbasierte Gruppe (Richtliniengruppe)

Ärzte verwenden eine RF-CL-Tabelle (Risikofaktor-gewichtete klinische Wahrscheinlichkeitstabelle), um die Wahrscheinlichkeit einer obstruktiven KHK zu berechnen.

Dieser Ansatz entspricht den aktuellen klinischen Leitlinien und hilft bei der Entscheidungsfindung.

Ärzte verwenden eine RF-CL-Tabelle (Risikofaktor-gewichtete klinische Wahrscheinlichkeitstabelle), um die Wahrscheinlichkeit einer obstruktiven KHK zu berechnen.
Experimental: KI-unterstützte Gruppe (KI-Gruppe)

Ärzte erhalten KHK-Wahrscheinlichkeitsschätzungen und diagnostische Empfehlungen von einem KI-Modell auf der Grundlage von Netzhautfotos.

Das KI-Tool liefert individualisierte obstruktive KHK-Wahrscheinlichkeiten und nutzt Netzhaut-Biomarker, die mit kardiovaskulärem Risiko verbunden sind.

Ärzte werden durch KI-gestützte Wahrscheinlichkeiten und Diagnosen einer obstruktiven koronaren Herzkrankheit unterstützt. Das KI-Tool bietet individuelle obstruktive KHK-Wahrscheinlichkeiten und -Diagnosen und nutzt dabei Netzhaut-Biomarker, die mit kardiovaskulärem Risiko verbunden sind.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Diagnostische Genauigkeit von Teilnehmern mit obstruktiver koronarer Herzkrankheit
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Woche

Ob KI-gestützte Entscheidungsunterstützung die diagnostische Genauigkeit der obstruktiven koronaren Herzkrankheit (KHK) stärker verbessert als standardmäßige klinische Beurteilungen (RF-CL), beide im Vergleich zur klinischen Intuition.

Alle Teilnehmer der Fallakten hatten sich einer CT-Angiographie oder einer invasiven Angiographie unterzogen. Die diagnostische Genauigkeit, Sensitivität und Spezifität werden gruppenübergreifend verglichen.

Bis zum Abschluss des Studiums durchschnittlich 1 Woche

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Von Ärzten benötigte Zeit, um den Diagnoseeindruck einer obstruktiven koronaren Herzkrankheit zu vermitteln.
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Woche
Der Zeitaufwand der ärztlichen Leser wird durch einen auf der Website implementierten Lesealgorithmus erfasst.
Bis zum Abschluss des Studiums durchschnittlich 1 Woche

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Mitarbeiter

Ermittler

  • Hauptermittler: Tien Yin Wong, PhD, Tsinghua University

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

10. Januar 2025

Primärer Abschluss (Geschätzt)

1. April 2025

Studienabschluss (Geschätzt)

1. Mai 2025

Studienanmeldedaten

Zuerst eingereicht

22. Oktober 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

24. Oktober 2024

Zuerst gepostet (Tatsächlich)

26. Oktober 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

8. April 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

7. April 2025

Zuletzt verifiziert

1. April 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • DeepCHD

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .