- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05055960
Validierung von 3D-Simulationen bei embryonalem Schlaganfall
Validierung von 3D-Schlaganfallmodellen zur Unterscheidung von Schlaganfallsubtypen und zur Vorhersage der Ursache bei akutem ischämischem Schlaganfall
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Im Vereinigten Königreich erleiden jedes Jahr mehr als 100.000 Menschen einen Schlaganfall, und bis zu 50 % der Patienten bleiben mit erheblichen Behinderungen zurück [1, 2]. 85 % der Schlaganfälle entstehen durch verschlossene Blutgefäße im Gehirn (akuter ischämischer Schlaganfall [AIS]), wodurch die Blutversorgung unterbrochen wird und es zu Gewebeinfarkten und Funktionseinschränkungen kommt [1]. Schlaganfälle sind für eine erhebliche Morbidität und Mortalität verantwortlich und haben erhebliche soziale und wirtschaftliche Auswirkungen, insbesondere für Personen im erwerbsfähigen Alter [1, 2]. Die Ursache von AIS kann grob in embolischen und nichtembolischen Schlaganfall eingeteilt werden [3]. Ungefähr ein Viertel der AIS ist kardioembolisch, verursacht durch eine Embolie aus dem linken Vorhof (Vorhofflimmern – AF), Klappen (Herzklappenerkrankung oder künstliche Klappen), einem kürzlich erlittenen Myokardinfarkt, offenem Foramen ovale, infektiöser Endokarditis oder Aortenbogenatherom [3- 5]. Diese Zahl ist bei älteren Erwachsenen höher, da die Prävalenz von Vorhofflimmern mit zunehmendem Alter zunimmt [6]. Wichtig ist, dass kardioembolische Schlaganfälle schwerwiegender sind und zu einer größeren Behinderung führen als andere Schlaganfall-Subtypen [4]. Aufgrund verbesserter Standards im Management vaskulärer Risikofaktoren steigt der Anteil der Schlaganfälle infolge einer Kardioembolie und hat sich in den letzten Jahrzehnten verdreifacht [4]. Durch die korrekte Identifizierung und Behandlung einer Emboliequelle kann das Wiederauftreten um bis zu 70 % reduziert werden [4]. Vorhofflimmern bleibt die Hauptursache für kardioembolische Schlaganfälle [4, 5]. Man geht jedoch davon aus, dass Vorhofflimmern nur bei 50 % der in Frage kommenden Patienten korrekt erkannt und behandelt wird [3]. Dies kann auf die Zurückhaltung des Klinikpersonals gegenüber gerinnungshemmenden Patienten zurückzuführen sein, insbesondere bei der gebrechlichen älteren Bevölkerung mit hohem Sturzrisiko [3]. Bis zu 25 % der Schlaganfälle sind Embolien unbekannter Ursache (ESUS), die auf paroxysmales Vorhofflimmern zurückzuführen sein können und eine längere Herzüberwachung erfordern, um Patienten erfolgreich zu identifizieren und zu behandeln [3, 7]. Vorhofflimmern verläuft bei bis zu 40 % der Patienten asymptomatisch und die erste Manifestation kann mit einem erheblichen Infarkt einhergehen [8]. Die Antikoagulation ist der Grundstein für die Reduzierung des Schlaganfallrisikos bei Vorhofflimmern, aber mit einem bis zu zweifach erhöhten Blutungsrisiko ist diese Behandlung nur für nachgewiesene Fälle reserviert [9, 10]. Die Antikoagulation bei ESUS bleibt eine anhaltende Debatte und ist derzeit auf Hochrisikogruppen (z. B. multiple Infarkte in verschiedenen Territorien) [11, 12]. Daher ist die Erkennung und Behandlung von Vorhofflimmern eine Schlüsselpriorität, um das zukünftige Schlaganfallrisiko zu verringern und gleichzeitig Komplikationen zu minimieren, wenn eine Antikoagulation nicht angezeigt ist.
Angesichts der unterschiedlichen Ätiologie, Untersuchung und Behandlung von embolischen und nichtembolischen Schlaganfällen erleichtert eine frühe Differenzierung die klinische Entscheidungsfindung und ermöglicht den Patienten eine gezielte Untersuchung und Behandlung. Radiologische Merkmale eines Schlaganfalls können diesen Prozess unterstützen, da Ort, Größe und Muster des Infarkts Aufschluss über die wahrscheinliche Ätiologie und den Untertyp des Schlaganfalls geben können. Derzeit gibt es jedoch keine Kriterien, anhand derer dies beurteilt werden kann und die auf einer qualitativen und damit subjektiven Meinung des behandelnden Arztes oder Radiologen beruhen. Bei bis zu einem Drittel der lakunaren Schlaganfälle wurde über eine ungenaue Diagnose berichtet, die sich allein auf klinische und CT-Befunde stützte [13]. Die meisten falsch positiven Befunde waren auf einen kardioembolischen Schlaganfall oder einen Schlaganfall der großen Arterie zurückzuführen, was möglicherweise dazu führte, dass die Gelegenheit zur Erkennung und Behandlung von Vorhofflimmern verpasst wurde [13]. Die diffusionsgewichtete Bildgebung kann die Diagnose eines lakunaren Infarkts verbessern, ihre Verwendung ist jedoch durch Kosten und Verfügbarkeit begrenzt [13–15]. In einer kürzlich durchgeführten Studie mit 133 Patienten mit ESUS wurde festgestellt, dass 22,6 % nach dreimonatiger Herzüberwachung Vorhofflimmern hatten, und ein 8-Punkte-Risikoscore konnte dies mit angemessener Genauigkeit vorhersagen (Fläche unter der Kurve = 0,70). [16]. Diese Genauigkeit nimmt jedoch erheblich ab, wenn die Ätiologie des Schlaganfalls ungeklärt bleibt [16]. Der tatsächliche Anteil des Vorhofflimmerns, der unentdeckt bleibt, bleibt unbekannt, und eine frühere Erkennung durch prädiktive Modellierung könnte möglicherweise Verzögerungen bei Untersuchungen und Behandlungen reduzieren.
Daher kann die Verbesserung der Prozesse, durch die ein embolischer Schlaganfall, insbesondere Vorhofflimmern, ausgelöst wird, als Leitfaden für die klinische Entscheidungsfindung dienen. Dies würde eine bessere Anpassung der Untersuchungen an die Patienten ermöglichen, unnötige Tests eliminieren, die potenzielle wirtschaftliche Vorteile für den NHS haben könnten, und den Untersuchungsaufwand für die Patienten verringern. Die Entwicklung von Schlaganfallmodellen, die klinische Informationen von Patienten und Scan-Befunde integrieren können, kann möglicherweise zu einer verbesserten diagnostischen Genauigkeit bei der Klassifizierung von Schlaganfall-Subtypen führen und eine zeitnahe und gezieltere Untersuchung und Behandlung erleichtern. Insbesondere Modelle, die in der Lage sind, zwischen verschiedenen Arten von Embolien zu unterscheiden, können besonders wertvoll sein und zu einer erweiterten Überwachung von Patienten führen, bei denen die Wahrscheinlichkeit einer Vorhofflimmerquelle am größten ist.
Diese Studie schlägt eine von JH und EC entwickelte Monte-Carlo-Methode zur Simulation von Schlaganfällen vor [17-20]. Diese Methode wurde kürzlich unter Verwendung eines In-silico-Gefäßsystems des Gehirns angepasst [21] und anhand von Schlaganfallbildern aus der Datenbank „Anatomical Tracings of Lesions After Stroke“ (ATLAS) getestet (unveröffentlichte Arbeit). Der Vorteil der Verwendung eines rechnerisch generierten Gefäßsystems gegenüber der Bildgebung besteht darin, dass es keine Untergrenze für die Gefäßgröße gibt und wir Gefäße bis hin zum Kapillarbett in unser Modell einbeziehen können. Im Rahmen der Simulationen können wir das Läsionsvolumen abschätzen und den unterschiedlichen Stoffwechselbedarf der grauen und weißen Substanz berücksichtigen. Kürzlich konnten wir Schlaganfallbilder im vorderen, mittleren und hinteren Kreislauf (ACA, MCA, PCA) mithilfe von Bildern aus dem ATLAS-Datensatz reproduzieren. Allerdings waren die meisten Läsionen in ATLAS chronischer Natur und dies liefert keine Informationen darüber, wie dieses Modell an der „Haustür“ funktionieren würde, wo Behandlungsentscheidungen schneller getroffen werden könnten.
Ziel dieses Projekts ist daher die Entwicklung einer Scan-Datenbank für akute Schlaganfälle, um diese kürzlich entwickelten Simulationen anhand zu validieren und die Genauigkeit bei der Vorhersage der Quelle eines embolischen Schlaganfalls im akuten Umfeld zu bestimmen. Angesichts der zunehmenden Anwendung von KI-Techniken in der klinischen Medizin werden wir die Fähigkeit dieses kürzlich entwickelten Schlaganfallsimulationsmodells mit KI-Techniken vergleichen, um die Ursache eines embolischen Schlaganfalls vorherzusagen. Wir werden die Leistungsfähigkeit der Modelle mit der klinischen oder radiologischen Meinung vergleichen. Abschließend werden wir die kombinierte Fähigkeit der beiden Techniken testen, die Ursache eines embolischen Schlaganfalls zu bestimmen. Insbesondere werden wir die folgenden Quellen bewerten: lakunäre, kardioembolische, atherosklerotische Emboli großer Gefäße und Wassereinzugsgebiete.
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienorte
-
-
Leicestershire
-
Leicester, Leicestershire, Vereinigtes Königreich, LE2 7LX
- University of Leicester
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten, die sich mit einem akuten ischämischen Schlaganfall in der Notaufnahme, einer Klinik für vorübergehende ischämische Attacken oder einer Abteilung für hyperakute Schlaganfälle vorstellen
- Erwachsene ab 18 Jahren
- Patienten, die eine Magnetresonanztomographie (MRT) erhalten
Ausschlusskriterien:
- Unzureichende klinische Demografie- und Ergebnisdaten (<75 % aller Variablen)
- Keine Diagnose eines akuten Schlaganfalls oder erkennbare Läsion im MRT
- Nur Patienten mit einer Computertomographie-Untersuchung
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Eine Datenbank mit anonymen Magnetresonanztomographie-Scans von Patienten mit akutem ischämischen Schlaganfall zur Entwicklung und Validierung von Schlaganfallsimulationsmodellen.
Zeitfenster: 1 Jahr
|
anonymisierte Datenbank
|
1 Jahr
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Die Sensitivität und Spezifität von 3D- und künstlichen Intelligenzmodellen zur Bestimmung der Emboliequelle des Schlaganfalls anhand der aktuellen klinischen Referenzstandards
Zeitfenster: 3 Jahre
|
diagnostische Testgenauigkeit der entwickelten Modelle
|
3 Jahre
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Voraussichtlich)
Studienabschluss (Voraussichtlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 0839
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .
Klinische Studien zur Schlaganfallsimulation und maschinelles Lernen
-
Oregon Health and Science UniversityNational Institute on Aging (NIA)AbgeschlossenDemenz | Alzheimer Erkrankung | Familienmitglieder | Burnout der PflegekraftVereinigte Staaten
-
University College CorkAbgeschlossenLeistung | Simulation | Klinische Kommunikation | ISBAR | Kompetenzbasierte Progression | Nicht technische Fähigkeiten | Verschlechterung des PatientenIrland
-
Uludag UniversityIstanbul UniversityAbgeschlossenStrahlungsbelastung | Chemieunfall | Vergiftung durch biologische SubstanzenTruthahn