- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06178900
Evaluierung der KI-Gatekeeper-Software beim Screening auf Koronararterienstenose: Eine multizentrische RCT (AIGatekeeper)
Eine prospektive, multizentrische, offene, randomisierte, vergleichende klinische Studie zur Überprüfung der Wirksamkeit, Sicherheit und Kosteneffizienz von AI-Gatekeeper, einer multimodalen KI-Software, zur Unterstützung des Screenings auf Koronararterienstenose
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Die koronare Herzkrankheit (KHK) ist eine der häufigsten Todesursachen weltweit und für über 50 % der Todesfälle im Zusammenhang mit Herzerkrankungen verantwortlich. Zu den ersten Beurteilungen einer koronaren Herzkrankheit gehören in der Regel Röntgenaufnahmen des Brustkorbs, Elektrokardiogramme (EKG), Risikofaktorbewertungen und grundlegende Blutuntersuchungen. Mit diesen Primärtests lässt sich CAD jedoch nicht eindeutig diagnostizieren. Bei Verdacht auf CAD wird eine koronare CTA (CCTA) oder eine invasive Koronarangiographie (ICA) durchgeführt, um die Notwendigkeit von Eingriffen wie Stentimplantation oder Revaskularisierung zu ermitteln.
Interessanterweise benötigen über 50 % der Patienten, die sich einer CCTA oder ICA unterziehen, keiner Behandlung, da die KHK entweder fehlt oder nicht schwerwiegend genug ist. Dies führt zu unnötigen Eingriffen und erheblichen Gesundheitskosten. In den USA beispielsweise belaufen sich die Kosten unnötiger ICAs jedes Jahr auf Milliarden, und in Südkorea gibt es ähnliche Trends.
Die AI-Gatekeeper-Software unterstützt Kliniker bei der Diagnose einer koronaren Herzkrankheit, indem sie mithilfe multimodaler KI-Technologie eine Koronararterienstenose (≥50 %) vorhersagt. Es integriert klinische Risikofaktoren und Basisbluttests, einschließlich Röntgenaufnahme des Brustkorbs, Elektrokardiogramm und Echokardiogramm, bei Patienten mit Verdacht auf koronare Herzkrankheit. Der Zweck dieser Studie besteht darin, die Wirksamkeit, Sicherheit und Kosteneffizienz des AI-Gatekeepers zu bestimmen Software in einer prospektiven, multizentrischen, randomisierten Kontrollstudie.
Studientyp
Einschreibung (Tatsächlich)
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
-
Incheon, Korea, Republik von
- Catholic Kwandong University International St. Mary's Hospital
-
Seoul, Korea, Republik von
- Hanyang University Seoul Hospital
-
-
Gyeonggi-do
-
Bucheon, Gyeonggi-do, Korea, Republik von, 16995
- Soonchunhyang University Bucheon Hospital
-
Seongnam, Gyeonggi-do, Korea, Republik von, 16995
- Seoul National University Bundang Hospital
-
Yongin, Gyeonggi-do, Korea, Republik von, 16995
- Yongin Severance Hospitall, Yonsei University College of Medicine
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Ein Patient mit Symptomen wie Brustschmerzen, die auf eine koronare Herzkrankheit hinweisen, und der sich routinemäßigen Untersuchungen einschließlich Blutuntersuchungen, Elektrokardiogramm, Röntgenaufnahme des Brustkorbs und Echokardiographie unterzog
- Mittleres bis hohes Risiko für obstruktive koronare Herzkrankheit vor dem Test (>15 %)
- Hat der Teilnahme an dieser klinischen Studie freiwillig zugestimmt und die schriftliche Einverständniserklärung unterzeichnet
Ausschlusskriterien:
- Akuter Brustschmerz (bei Patienten, bei denen ACS nicht ausgeschlossen wurde)
- Zuvor diagnostizierte und behandelte koronare Herzkrankheit (Myokardinfarkt, PCI, CABG)
- Patienten mit einer Lebenserwartung von weniger als 2 Jahren aufgrund anderer Erkrankungen als einer Herzerkrankung
- Diejenigen, die dem Protokoll nicht zugestimmt haben
- Hat innerhalb der letzten 3 Monate an einer klinischen Studie zu Arzneimitteln oder Medizinprodukten teilgenommen
- Schwangere oder stillende Frauen
- Allergisch gegen Jodpräparate
- Serumkreatinspiegel über 1,5 mg/dl oder eGFR unter 30 ml/min
- Zu Beginn unregelmäßiger und unkontrollierter Herzrhythmus
- Herzfrequenz größer als 100 Schläge/Minute
- Systolischer Blutdruck von 90 mm Hg oder weniger
- Kontraindikationen für Betablocker oder Nitroglycerin
- Patienten mit komplexen angeborenen Herzfehlern
- Body-Mass-Index größer oder gleich 35
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Diagnose
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Experimental: Unterstützt durch die AI-Gatekeeper-Softwaregruppe
Nach einer Basisuntersuchung (Röntgenaufnahme des Brustkorbs, Elektrokardiogramm, Echokardiogramm, klinische Risikofaktoren und Bluttest) wird die AI-Gatekeeper-Software zur Steuerung der klinischen Versorgung eingesetzt.
|
Die Gruppe erhält einen AI-Gatekeeper-Softwarebericht über die Wahrscheinlichkeit einer Koronararterienstenose (≥50 %), basierend auf dem Routinetest.
|
|
Kein Eingriff: Übliche Pflegegruppe
Die Betreuung der üblichen Pflegegruppe erfolgt nach festgelegten Richtlinien.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
MACE (schwerwiegende unerwünschte kardiovaskuläre Ereignisse)
Zeitfenster: 24 Wochen
|
Tod jeglicher Ursache, nicht tödlicher Myokardinfarkt, Schlaganfall, Aufnahme aufgrund eines akuten Koronarsyndroms
|
24 Wochen
|
|
Unnötige Nutzung der fortgeschrittenen Herzbildgebung
Zeitfenster: 24 Wochen
|
Definiert als (1) Bestätigung einer nicht signifikanten Erkrankung der Koronararterien (Stenose ≤ 50%) durch fortgeschrittene Herzbilder (CCTA oder ICA) oder (2) falsche Vorhersage von signifikanten CAD durch die AI-Gatekeeper-Software.
|
24 Wochen
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Anteil der durch die AI-Gatekeeper-Modellanalyse als positiv eingestuften Probanden, bei denen eine Koronararterienstenose diagnostiziert wird (≥50 %)
Zeitfenster: 24 Wochen
|
Diese Messung bewertet die Genauigkeit des AI-Gatekeeper-Modells bei der Identifizierung von Patienten mit einer Koronararterienstenose von 50 % oder mehr unter den als positiv eingestuften Patienten.
|
24 Wochen
|
|
Vergleich der gesamten Gesundheitskosten
Zeitfenster: 24 Wochen
|
Diese Analyse konzentriert sich auf den Vergleich der finanziellen Gesamtauswirkungen verschiedener Gesundheitsinterventionen oder -behandlungen.
Es umfasst alle damit verbundenen Kosten, von der Diagnose über die Behandlung bis hin zur Nachsorge, und bietet eine umfassende Einschätzung der wirtschaftlichen Belastung des Gesundheitssystems.
|
24 Wochen
|
|
Vergleich der Veränderungen im Angina-Symptom-Score
Zeitfenster: 24 Wochen
|
Dieser Vergleich bewertet die Variation in der Schwere und Häufigkeit der Angina-Symptome der Patienten, gemessen mit dem Seattle Angina Questionnaire (SAQ), einem standardisierten Instrument zur Beurteilung von Brustschmerzen im Zusammenhang mit Herzerkrankungen.
|
24 Wochen
|
|
Anteil der Probanden, die durch das Ai-Gate-Keeper-Modell als negativ identifiziert wurden und der bestätigt ist, dass sie eine nicht signifikante Stenose aufweisen (<50%)
Zeitfenster: 24 Wochen
|
Diese Maßnahme bewertet die Genauigkeit des AI-Gate-Keeper-Modells bei der Identifizierung von Patienten mit nicht signifikanter Stenose der Koronararterie (<50%) unter denjenigen, die sie als negativ einstufen.
|
24 Wochen
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: In Hyun Jung, MD, PhD, Yongin Severance Hospital, Yonsei University College of Medicine
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Kwon JM, Lee SY, Jeon KH, Lee Y, Kim KH, Park J, Oh BH, Lee MM. Deep Learning-Based Algorithm for Detecting Aortic Stenosis Using Electrocardiography. J Am Heart Assoc. 2020 Apr 7;9(7):e014717. doi: 10.1161/JAHA.119.014717. Epub 2020 Mar 21.
- Min JK, Dunning A, Lin FY, Achenbach S, Al-Mallah MH, Berman DS, Budoff MJ, Cademartiri F, Callister TQ, Chang HJ, Cheng V, Chinnaiyan KM, Chow B, Delago A, Hadamitzky M, Hausleiter J, Karlsberg RP, Kaufmann P, Maffei E, Nasir K, Pencina MJ, Raff GL, Shaw LJ, Villines TC. Rationale and design of the CONFIRM (COronary CT Angiography EvaluatioN For Clinical Outcomes: An InteRnational Multicenter) Registry. J Cardiovasc Comput Tomogr. 2011 Mar-Apr;5(2):84-92. doi: 10.1016/j.jcct.2011.01.007. Epub 2011 Feb 1.
- Genders TS, Steyerberg EW, Hunink MG, Nieman K, Galema TW, Mollet NR, de Feyter PJ, Krestin GP, Alkadhi H, Leschka S, Desbiolles L, Meijs MF, Cramer MJ, Knuuti J, Kajander S, Bogaert J, Goetschalckx K, Cademartiri F, Maffei E, Martini C, Seitun S, Aldrovandi A, Wildermuth S, Stinn B, Fornaro J, Feuchtner G, De Zordo T, Auer T, Plank F, Friedrich G, Pugliese F, Petersen SE, Davies LC, Schoepf UJ, Rowe GW, van Mieghem CA, van Driessche L, Sinitsyn V, Gopalan D, Nikolaou K, Bamberg F, Cury RC, Battle J, Maurovich-Horvat P, Bartykowszki A, Merkely B, Becker D, Hadamitzky M, Hausleiter J, Dewey M, Zimmermann E, Laule M. Prediction model to estimate presence of coronary artery disease: retrospective pooled analysis of existing cohorts. BMJ. 2012 Jun 12;344:e3485. doi: 10.1136/bmj.e3485.
- Renker M, Schoepf UJ, Wang R, Meinel FG, Rier JD, Bayer RR 2nd, Mollmann H, Hamm CW, Steinberg DH, Baumann S. Comparison of diagnostic value of a novel noninvasive coronary computed tomography angiography method versus standard coronary angiography for assessing fractional flow reserve. Am J Cardiol. 2014 Nov 1;114(9):1303-8. doi: 10.1016/j.amjcard.2014.07.064. Epub 2014 Aug 12.
- Kamel PI, Yi PH, Sair HI, Lin CT. Prediction of Coronary Artery Calcium and Cardiovascular Risk on Chest Radiographs Using Deep Learning. Radiol Cardiothorac Imaging. 2021 Jun 17;3(3):e200486. doi: 10.1148/ryct.2021200486. eCollection 2021 Jun.
- Kim J, Lee SY, Cha BH, Lee W, Ryu J, Chung YH, Kim D, Lim SH, Kang TS, Park BE, Lee MY, Cho S. Machine learning models of clinically relevant biomarkers for the prediction of stable obstructive coronary artery disease. Front Cardiovasc Med. 2022 Jul 19;9:933803. doi: 10.3389/fcvm.2022.933803. eCollection 2022.
- Writing Committee Members; Gulati M, Levy PD, Mukherjee D, Amsterdam E, Bhatt DL, Birtcher KK, Blankstein R, Boyd J, Bullock-Palmer RP, Conejo T, Diercks DB, Gentile F, Greenwood JP, Hess EP, Hollenberg SM, Jaber WA, Jneid H, Joglar JA, Morrow DA, O'Connor RE, Ross MA, Shaw LJ. 2021 AHA/ACC/ASE/CHEST/SAEM/SCCT/SCMR Guideline for the Evaluation and Diagnosis of Chest Pain: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. J Am Coll Cardiol. 2021 Nov 30;78(22):e187-e285. doi: 10.1016/j.jacc.2021.07.053. Epub 2021 Oct 28. Erratum In: J Am Coll Cardiol. 2024 Oct 29;84(18):1771. doi: 10.1016/j.jacc.2024.09.024.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
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
- AI-Gatekeeper Pro
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
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 .
Klinische Studien zur Koronare Herzkrankheit
-
Zhejiang Cancer HospitalRekrutierungHepatic Artery Infusion | Lebermetastasen bei BrustkrebsChina
-
National Medical Research Center for Therapy and...Stupino Clinical Hospital, Moscow Region State Medical InstitutionAbgeschlossenUNTERSCHALTE CORONARY SYNDROMERussland
-
Medical University of WarsawRekrutierungANOCA | Angina ohne obstruktive Koronararterienerkrankung | Coronary Sinus ReduderPolen