- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05139797
Künstliche Intelligenz geführtes echokardiographisches Screening seltener Krankheiten (EchoNet-Screening)
Künstliche Intelligenz geführtes echokardiographisches Screening seltener Krankheiten
Trotz der schnell voranschreitenden Entwicklungen bei zielgerichteten Therapeutika und genetischer Sequenzierung haben anhaltende Einschränkungen bei der Genauigkeit und dem Durchsatz der klinischen Phänotypisierung zu einer immer größer werdenden Kluft zwischen dem Potenzial und dem tatsächlichen Nutzen der Präzisionsmedizin geführt.
Jüngste Fortschritte beim maschinellen Lernen und bei Bildverarbeitungstechniken haben gezeigt, dass maschinelle Lernmodelle Merkmale identifizieren können, die von menschlichen Experten nicht erkannt werden, und gängige Messungen, die in der klinischen Praxis durchgeführt werden, präziser/genauer bewerten können.
Die Forscher haben einen Algorithmus namens EchoNet-LVH entwickelt, um Herzhypertrophie zu identifizieren und Patienten zu identifizieren, die von einem zusätzlichen Screening auf kardiale Amyloidose profitieren würden, und werden prospektiv seine Genauigkeit bei der Identifizierung von Patienten bewerten, die von einem zusätzlichen Screening auf kardiale Amyloidose profitieren würden.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Trotz der schnell voranschreitenden Entwicklungen bei zielgerichteten Therapeutika und genetischer Sequenzierung haben anhaltende Einschränkungen bei der Genauigkeit und dem Durchsatz der klinischen Phänotypisierung zu einer immer größer werdenden Kluft zwischen dem Potenzial und dem tatsächlichen Nutzen der Präzisionsmedizin geführt. Dieses Rätsel wird durch aktuelle Ansätze zur Bewertung morphologischer Veränderungen des Herzens veranschaulicht. Bestimmte Herzerkrankungen (z.B. kardiale Amyloidose und hypertrophe Kardiomyopathie) Fehldiagnosen vermeiden und einen effizienten Behandlungsbeginn mit spezifischen zielgerichteten Therapien erhalten könnten. Die Fähigkeit, zuverlässig zwischen Herzkrankheitstypen ähnlicher Morphologie, aber unterschiedlicher Ätiologie zu unterscheiden, würde auch die Spezifität für die Verknüpfung genetischer Risikovarianten und Bestimmungsmechanismen verbessern
Jüngste Fortschritte beim maschinellen Lernen und bei Bildverarbeitungstechniken haben gezeigt, dass maschinelle Lernmodelle Merkmale identifizieren können, die von menschlichen Experten nicht erkannt werden, und gängige Messungen, die in der klinischen Praxis durchgeführt werden, präziser/genauer bewerten können. In der Echokardiographie ist diese Fähigkeit zur Präzisionsmessung und -erkennung sowohl für das Krankheitsscreening als auch für die Diagnose von Herz-Kreislauf-Erkrankungen wichtig.
Die Echokardiographie wird routinemäßig und häufig zur Diagnose und Prognose in der klinischen Routineversorgung eingesetzt, jedoch gibt es oft Subjektivität in der Interpretation und Heterogenität in der Anwendung. Die menschliche Aufmerksamkeit ist ermüdbar und wird von Anbieter zu Anbieter heterogen interpretiert. KI-geführte Krankheitsscreening-Workflows wurden für seltene Krankheiten wie Herzamyloidose und andere Krankheiten mit relativ geringer Prävalenz, aber erheblichen Auswirkungen auf den Menschen mit gezielten Therapien vorgeschlagen, wenn sie früh erkannt werden. Dies ist ein Bereich, der sich besonders für KI eignet, da es mehrere Mimetika gibt, bei denen Krankheiten wie hypertrophe Kardiomyopathie, kardiale Amyloidose, Aortenstenose und andere Phänotypen visuell ähnlich sein können, aber durch KI-Algorithmen unterschieden werden können. Die Forscher haben einen Algorithmus namens EchoNet-LVH entwickelt, um Herzhypertrophie zu identifizieren und Patienten zu identifizieren, die von einem zusätzlichen Screening auf Herzamyloidose, hypertrophe Kardiomyopathie und andere Krankheiten profitieren würden. E
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienorte
-
-
California
-
Los Angeles, California, Vereinigte Staaten, 90048
- Rekrutierung
- Cedars-Sinai Medical Centre (Los Angeles)
-
Kontakt:
- David Ouyang, MD
- Telefonnummer: 832-495-1605
- E-Mail: david.ouyang@cshs.org
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten, bei denen laut AI-Algorithmus ein hoher Verdacht auf kardiale Amyloidose besteht
Ausschlusskriterien:
- Patienten, die sich weigern, in der Spezialklinik gesehen zu werden
- Verstorbene Patienten
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
---|---|
Künstliche Intelligenz Screening für kardiale Amyloidose
Ein künstlicher Intelligenzalgorithmus wird eine Wahrscheinlichkeit für eine kardiale Amyloidose erzeugen, die eine Überweisung an eine Spezialklinik zur weiteren Bewertung auslöst.
|
Ein KI-Algorithmus identifiziert LVH, niedrige Spannung und hohen Verdacht auf kardiale Amyloidose.
Die Intervention ist der Verdachts-Score.
Patienten mit hohem Verdachtswert werden an eine Spezialklinik überwiesen, um den Pflegestandard zu bewerten, zu untersuchen und zu behandeln, wie von den Ärzten festgelegt.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Anzahl der neu diagnostizierten kardialen Amyloidose
Zeitfenster: 6 Monate
|
Identifizierung von Patienten mit einer nachgelagerten Diagnose einer kardialen Amyloidose anhand der Diagrammübersicht
|
6 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Anzahl der gefundenen neuen Diagnosen von TTR-Amyloidose
Zeitfenster: 6 Monate
|
Identifizierung von Patienten mit einer nachgeschalteten Diagnose von TTR-Amyloidose anhand der Diagrammübersicht
|
6 Monate
|
Anzahl der gefundenen neuen Diagnosen von AL-Amyloidose
Zeitfenster: 6 Monate
|
Identifizierung von Patienten, bei denen eine nachgeschaltete Diagnose einer AL-Amyloidose vorliegt, anhand der Diagrammübersicht
|
6 Monate
|
Mitarbeiter und Ermittler
Sponsor
Publikationen und hilfreiche Links
Nützliche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (TATSÄCHLICH)
Primärer Abschluss (ERWARTET)
Studienabschluss (ERWARTET)
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
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- STUDY00001720
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 Kardiale Amyloidose
-
Klinikum LudwigshafenKlinikum der Stadt Ludwigshafen, Department of Anesthesiology and Intensive... und andere MitarbeiterAbgeschlossen
-
Università Vita-Salute San RaffaeleAbgeschlossenLow-Cardiac-Output-SyndromItalien, Brasilien, Russische Föderation
-
Tenax Therapeutics, Inc.AbgeschlossenKoronararterien-Bypass-Operation | Low-Cardiac-Output-Syndrom | MitralklappenchirurgieKanada, Vereinigte Staaten
-
Scientific Institute San RaffaeleAbgeschlossenLow-Cardiac-Output-Syndrom | MitralklappenerkrankungItalien
-
Cliniques universitaires Saint-Luc- Université...AbgeschlossenLow-Cardiac-Output-Syndrom | Angeborene Herz-Kreislauf-DefekteBelgien
-
University of Sao Paulo General HospitalCoordenação de Aperfeiçoamento de Pessoal de Nível Superior.RekrutierungLow-Cardiac-Output-SyndromBrasilien
-
Ludwig Boltzmann GesellschaftUnbekanntLow-Cardiac-Output-SyndromÖsterreich
-
Institute for Clinical and Experimental MedicineRekrutierungKetose | Akute Herzinsuffizienz | Hämodynamische Instabilität | Low-Cardiac-Output-SyndromTschechien
-
University Hospital, RouenRekrutierungChirurgie | Schock, kardiogen | Output, Low CardiacFrankreich
-
Fundacion para la Investigacion Biomedica del Hospital...Fondo de Investigacion Sanitaria; Hospital Universitario La PazAbgeschlossen