Delineate-prospektive (DELINEATE)
Tiefes Lernen für die prospektive Bewertung der Echoanalyse, Verfolgung und Bewertung (delineate-prospektive)
Herzerkrankungen sind die häufigste Todesursache in den Vereinigten Staaten, und die Echokardiographie (oder "Echo") ist die häufigste Art und Weise, wie Ärzte das Herz betrachten. Echo ist sicher, schmerzlos und kann große Herzprobleme erkennen, einschließlich schwacher Herzpumpen und Klappenerkrankungen.
Die Klappenerkrankung, insbesondere die Aortenstenose (Verengung) und Mitralinsuffizienz (Leckage), ist bei älteren Erwachsenen häufig, wird jedoch häufig nicht diagnostiziert. Während Echo das Hauptinstrument für die Suche nach Ventilproblemen ist, erfordert es Zeit, erfordert Expertenschulungen und die Ergebnisse können zwischen den Lesern variieren.
Jüngste Fortschritte in der künstlichen Intelligenz (KI), insbesondere in Deep Learning (DL), haben sich bei der automatischen Analyse von Herzbildern vielversprechend gezeigt. In früheren Forschungen wurden jedoch die wichtigsten Echo-Techniken nicht vollständig angegangen, die den Farbdoppler und den spektralen Doppler-Doppler-Doppler-ähnlichen Farbdoppler sind. Das ist entscheidend für die Messung der Bewegung des Blutes durch Herzventile. KI-Tools stehen auch vor Herausforderungen bei der Verwendung in der täglichen medizinischen Praxis aufgrund von Workflow-Problemen, mangelnden Tests in realer Welt und Bedenken, wie die Algorithmen Entscheidungen treffen.
An der Columbia University Irving Medical Center haben Forscher in den letzten sechs Jahren eine große Datenbank mit Herztests aufgebaut und AI -Programme entwickelt, um Echokardiogramme zu analysieren. In der aktuellen Studie wird getestet, ob die Bereitstellung der KI -Analyse für Kardiologen in Echtzeit während des Echo -Lesens den Prozess schneller und konsistenter machen kann.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Heidi S Hartman, MD
- Telefonnummer: 212-305-3068
- E-Mail: hl2738@cumc.columbia.edu
Studieren Sie die Kontaktsicherung
- Name: Michelle Castillo, BS
- Telefonnummer: 212-305-9161
- E-Mail: mc5067@cumc.columbia.edu
Studienorte
-
-
New York
-
New York, New York, Vereinigte Staaten, 10032
- Rekrutierung
- Columbia University Irving Medical Center
-
Kontakt:
- Michelle Castillo, BS
- Telefonnummer: 212-305-9161
- E-Mail: mc5067@cumc.columbia.edu
-
Hauptermittler:
- Pierre A Elias, MD
-
Kontakt:
- Jeffrey Ruhl, MS
- Telefonnummer: 570-713-7815
- E-Mail: hvx9001@nyp.org
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Besucher Kardiologe an der Columbia University, Columbiadoctors oder dem Newyork Presbyterian Hospital, das transhorakische Echokardiogramme im Columbia Echocardiography Laboratory liest
- Bereitstellung einer Einverständniserklärung zur Teilnahme an den Fragebögen oder einer entscheidenden Studie
Ausschlusskriterien:
- Arzt in der Ausbildung (Kardiologie -Stipendiat oder fortgeschrittener Bildgebungsfachmann)
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
|---|
|
Interventionsgruppe
Studien, die die folgenden Kriterien erfüllen, werden von einem Expertengremium entschieden: gemäßigte, mittelschwere oder schwere Mitral-, Aorten- oder Trikuspidalinsuffizienz durch ärztliche oder AI-Modellbewertung. Diskrepanz zwischen Arzt- und KI-Interpretationen, bei denen die Schwere der A-beurteilten Schwere größer ist als der Schweregrad der von Ärzten beurteilten Schweregrad (d. H. zeigt an, dass mehr Klappenregelung vorhanden ist) |
|
Kontrollgruppe
Eine geschichtete Zufallsstichprobe von Fällen wird ausgewählt, um der Verteilung von AI-flagierten Fällen durch den Schweregrad der ärgerlichen Valvular-Regurgitation entspricht und wird dieselbe Experten-Panel-Entscheidung durchlaufen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Anteil der klinisch aussagekräftigen Neuklassifizierung durch Panel -Überprüfung
Zeitfenster: 18 Monate
|
Anteil der Fälle, in denen das Expertengremium die Schwere der Valvularinsuffizienz um mindestens einer Klasse (Upgrade oder Herabstufung) neu klassifiziert.
Der Anteil wird als Anzahl der Fälle mit Umklassifizierung ÷ Gesamtzahl der überprüften Fälle berechnet.
|
18 Monate
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Anteil der Fälle mit AI-basierter Neuklassifizierung, die zu einer Änderung des klinischen Managements führt
Zeitfenster: 18 Monate
|
Der Anteil wird als Anzahl der Fälle mit einer Änderung des Managements berechnet. Die Gesamtzahl der überprüften Fälle.
|
18 Monate
|
|
Anteil der Fälle mit AI-basierter Neuklassifizierung, die zu einer Überweisung an einen Ventilspezialisten oder Chirurgen führt
Zeitfenster: 18 Monate
|
Definition: Der Anteil wird berechnet, wenn die Anzahl der Fälle, die auf einen Ventilspezialisten oder Chirurgen genannt werden, Gesamtzahl der überprüften Fälle.
|
18 Monate
|
|
Anteil der Fälle mit AI-basierter Neuklassifizierung, die zu einer Änderung der Häufigkeit der Nachuntersuchungs-Echokardiographie führt
Zeitfenster: 18 Monate
|
Der Anteil wird als Anzahl der Fälle mit einer Änderung der empfohlenen Follow-up-Echokardiographiefrequenz ÷ Gesamtzahl der überprüften Fälle berechnet.
|
18 Monate
|
|
Anteil der Fälle mit AI-basierter Neuklassifizierung, die zu einer Überweisung für weitere Tests führt (TEE oder kardiale MRT)
Zeitfenster: 18 Monate
|
Der Anteil wird als Anzahl der Fälle berechnet, die für weitere Tests mit TEE oder kardialer MRT ÷ Gesamtzahl der überprüften Fälle genannt werden.
|
18 Monate
|
Andere Ergebnismessungen
Andere Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Übereinstimmung zwischen KI und Panel Review
Zeitfenster: 18 Monate
|
Anteil der Fälle, in denen die KI -Klassifizierung mit der Überprüfung des Schweregrads der Valvularinsuffizienz überprüft wird.
|
18 Monate
|
|
Übereinstimmung zwischen klinischem Kardiologen und Panel Review
Zeitfenster: 18 Monate
|
Anteil der Fälle, in denen die klinische Interpretation des Kardiologen mit der Überprüfung des Schweregrads der Valvular -Regurgitation übereinstimmt.
|
18 Monate
|
|
Vergleich der Konkordanzraten (AI vs Kardiologe) mit der Überprüfung des Panels
Zeitfenster: 18 Monate
|
Differenz zwischen der Konkordanzrate der Überprüfung der AI -VS -Panel und der Konkordanzrate der Überprüfung der klinischen Leser -Panel -Panel des Kardiologen.
|
18 Monate
|
|
Übereinstimmung zwischen den Lesern für kategoriale echokardiographische Maßnahmen
Zeitfenster: 18 Monate
|
Die Übereinstimmung zwischen unabhängigen Kardiologen -Lesern für kategoriale Variablen (z. B. Schweregrad der Klappenregelung) wird unter Verwendung der Kappa -Statistik von Cohen quantifiziert.
|
18 Monate
|
|
Inter-Reader-Vereinbarung für kontinuierliche echokardiographische Maßnahmen
Zeitfenster: 18 Monate
|
Übereinstimmung zwischen unabhängigen Kardiologen -Lesern für kontinuierliche Maßnahmen (z. B. Kategorie für linksventrikuläre Ejektionsfraktionen [LVEF]) wird unter Verwendung des Intraclass -Korrelationskoeffizienten (ICC) quantifiziert
|
18 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Ermittler
Ermittler
- Hauptermittler: Pierre A Elias, MD, Columbia University
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Studienbeginn
Primärer Abschluss (Geschätzt)
Primärer Abschluss
Studienabschluss (Geschätzt)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- AAAU9603
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
Privatsphäre und Vertraulichkeit von Patienten: Selbst bei der Ent-Identifizierung kann das Austausch detaillierter Gesundheitsdaten die Wiederidentifikation der Teilnehmer riskieren.
Regulatorische Beschränkungen: Institutionelle Überprüfungsgremien (IRBs), HIPAA -Regeln oder lokale Gesetze können den Datenaustausch einschränken, insbesondere für sensible Gesundheitsinformationen wie Echokardiogramme.
Einverständnisbeschränkungen: Wenn die Teilnehmer bei der Registrierung nicht ausdrücklich mit dem breiten Datenaustausch der Daten zugestimmt haben, kann die Studie ihre IPD nicht ethisch oder legal legal bereitstellen.
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 .