Anwendung künstlicher Intelligenz auf das 12-Kanal-EKG zur Diagnose von pulmonaler Hypertonie: eine Beobachtungsstudie
Das Ziel dieser Beobachtungsstudie besteht darin, künstliche Intelligenz (KI) und maschinelle Lerntechnologie auf das 12-Kanal-Ruhe-Elektrokardiogramm (EKG) anzuwenden und zu beurteilen, ob es Ärzten bei der Frühdiagnose von pulmonaler Hypertonie (PH) helfen kann. Eine frühzeitige und genaue Diagnose ist ein wichtiger Schritt für Patienten mit PH. Es trägt dazu bei, frühzeitig wirksame Behandlungen bereitzustellen, die die Prognose und Lebensqualität verbessern. Die Hauptfragen, die unsere Studie beantworten soll, sind:
- Kann die KI-Technologie im 12-Kanal-EKG das Vorhandensein von PH genau vorhersagen?
- Kann die KI-Technologie im 12-Kanal-EKG bestimmte Subtypen der PH identifizieren?
- Kann KI-Technologie im 12-Kanal-EKG die Mortalität bei Patienten mit PH vorhersagen?
In dieser Studie werden die Forscher 12-Kanal-EKGs von einwilligenden Teilnehmern rekrutieren, die sich im Rahmen ihrer routinemäßigen klinischen Versorgung einer Rechtsherzkatheterisierung (RHC) unterzogen haben. Auf diese EKGs wird KI-Technologie angewendet, um zu beurteilen, ob automatisierte Technologie das Vorhandensein von PH und den damit verbundenen Subtypen vorhersagen kann.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Diese Studie wird vom Royal United Hospital Bath NHS Trust und der Liverpool John Moore's University geleitet. Ziel dieser Studie ist es, künstliche Intelligenz (KI) und maschinelle Lerntechnologie zu nutzen, um Ärzte bei der Frühdiagnose von pulmonaler Hypertonie (PH) zu unterstützen. Wir gehen davon aus, dass die KI-Technologien die Quantifizierung und Interpretation der Parameter verbessern können, die bei der Erkennung von PH eine Rolle spielen. Dies geschieht entweder durch die Hervorhebung signifikanter Anomalien im 12-Kanal-EKG oder durch die schnelle Bereitstellung vollautomatischer Messungen der Merkmale im 12-Kanal-EKG, die auf PH hinweisen. Die Kombination dieser elektrokardiographischen Merkmale mit klinischen Daten kann hochpräzise Vorhersagewerkzeuge liefern.
Diese Beobachtungsstudie wird einen retrospektiven und einen prospektiven Arm mit einer Nachbeobachtungszeit von 3 Jahren haben. Für die Teilnehmer sind zu keinem Zeitpunkt der Studie zusätzliche Tests oder Verfahren erforderlich. Alle EKGs, die innerhalb der 12 Monate vor der Rechtsherzkatheterisierung (RHC) eines Teilnehmers durchgeführt wurden, werden einer Analyse der künstlichen Intelligenz unterzogen, um festzustellen, ob Frühindikatoren einer PH erkennbar sind.
Für alle rekrutierten Teilnehmer wird ein anonymisiertes Fallberichtsformular für Kliniker verwendet, um Details zu ihrer Demografie und routinemäßigen klinischen Versorgung zu erfassen. Nachbeobachtungszeiten und Ergebnisse einschließlich Mortalität und Morbidität werden ebenfalls aufgezeichnet.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienorte
-
-
-
Bath, Vereinigtes Königreich
- Royal United Hospital Bath NHS Trust
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- prospektive Kohorte: Ab Juli 2023 alle Patienten ab 18 Jahren, die mit klinischem Verdacht auf PH an den Bath Pulmonary Hypertension Shared Care Service überwiesen werden und sich im Rahmen ihrer routinemäßigen klinischen Versorgung einem RHC und einem 12-Kanal-EKG unterziehen.
- Retrospektive Kohorte: Alle Patienten ab 18 Jahren, die zwischen 2007 und Juni 2023 an den örtlichen gemeinsamen Pflegedienst für pulmonale Hypertonie überwiesen wurden und sich im Rahmen ihrer routinemäßigen klinischen Versorgung innerhalb eines Jahres nach einem 12-Kanal-EKG einer RHC unterzogen. Zu dieser Kohorte gehören auch verstorbene Patienten.
Ausschlusskriterien:
- Der Patient ist jünger als 18 Jahre
- Patienten, die keine gültige Einwilligung erteilen (außer verstorbene Patienten; REC genehmigt)
- Patienten, die sich keiner RHC zur Beurteilung einer PH unterzogen haben
- Patienten, bei denen innerhalb von 12 Monaten nach ihrem RHC kein EKG durchgeführt wurde
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Retrospektive Kohorte
Patienten, die bereits zwischen 2007 und Juni 2023 wegen der Verdachtsdiagnose einer pulmonalen Hypertonie vom örtlichen Dienst für pulmonale Hypertonie untersucht und sich einer Rechtsherzkatheterisierung (RHC) unterzogen haben, werden von einem Mitglied der direkten Klinik zur Teilnahme an der Studie eingeladen Pflegeteam.
Ihr EKG wird mithilfe von KI-Technologie analysiert, um einen Algorithmus zu entwickeln, der die Diagnose von PH unterstützt.
|
Künstliche Intelligenz beschreibt Computersoftware, die die kognitiven Funktionen des Menschen nachahmen soll.
Maschinelles Lernen ist eine Art künstlicher Intelligenz, bei der das erstellte Modell Daten ausgesetzt wird, Muster identifiziert und Beziehungen zwischen in den Daten sichtbaren Merkmalen und der „Grundwahrheit“ erkennt.
Diese Technologie wird auf die EKGs der Teilnehmer angewendet.
|
|
Prospektive Kohorte
Patienten, die ab Juli 2023 mit der Verdachtsdiagnose pulmonale Hypertonie an den örtlichen PH-Dienst überwiesen werden und sich einer Rechtsherzkatheterisierung unterziehen, werden von einem Mitglied des direkten klinischen Betreuungsteams zur Teilnahme an der Studie eingeladen.
Ihr EKG wird mithilfe von KI-Technologie analysiert, um einen Algorithmus zu entwickeln, der die Diagnose von PH unterstützt.
|
Künstliche Intelligenz beschreibt Computersoftware, die die kognitiven Funktionen des Menschen nachahmen soll.
Maschinelles Lernen ist eine Art künstlicher Intelligenz, bei der das erstellte Modell Daten ausgesetzt wird, Muster identifiziert und Beziehungen zwischen in den Daten sichtbaren Merkmalen und der „Grundwahrheit“ erkennt.
Diese Technologie wird auf die EKGs der Teilnehmer angewendet.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Diagnose pulmonaler Hypertonie
Zeitfenster: Grundlinie
|
Die Forscher berechnen die Fläche unter der Receiver Operating Characteristic Curve (AUROC) für die PH-Diagnose mittels künstlicher Intelligenz und vergleichen diese mit RHC (dem Goldstandard).
|
Grundlinie
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Subtyp der pulmonalen Hypertonie
Zeitfenster: Grundlinie
|
Die Forscher werden die diagnostische Testgenauigkeit der Technologie der künstlichen Intelligenz bewerten, um die EKGs der Teilnehmer nach dem Subtyp der pulmonalen Hypertonie zu kategorisieren und diese mit der klinischen Standardbewertung zu vergleichen
|
Grundlinie
|
|
Mortalität
Zeitfenster: 3 Jahre
|
Die Forscher berechnen die Fläche unter der Receiver Operating Characteristics Curve (AUROC) für die Sterblichkeit, wie sie durch die Technologie der künstlichen Intelligenz vorhergesagt wird
|
3 Jahre
|
|
Morbidität
Zeitfenster: Grundlinie
|
Die Forscher berechnen die Fläche unter der Betriebscharakteristikkurve des Empfängers für Morbidität, wie sie durch die Technologie der künstlichen Intelligenz vorhergesagt wurde, und vergleichen diese mit aktuellen Messungen (NYHA-Funktionsklasse, 6MWT, Lungenfunktionstests).
|
Grundlinie
|
Mitarbeiter und Ermittler
Mitarbeiter
Ermittler
- Hauptermittler: Dan Augustine, BSc, MBBS, MRCP, Royal United Bath NHS Foundation Trust
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
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
- RD2651
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 .