Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Durch künstliche Intelligenz unterstützte groß angelegte Elektrokardiogramm-Merkmalsextraktion und Untersuchung des Zusammenhangs zwischen den extrahierten Merkmalen und Mortalität, Schlaganfall oder verschiedenen interessierenden Gesundheitsergebnissen

22. Dezember 2023 aktualisiert von: Yonsei University
  • In dieser Studie werden groß angelegte EKG-Daten (Elektrokardiogrammdaten aller im MUSE-System gespeicherten Patienten durch Messung des standardmäßigen 12-geführten EKGs beim Severance Health Checkup im Severance Hospital vom 1. November 2005 bis 31. Oktober 2022) mit elektronischer Medizin kombiniert Aufzeichnungen, Daten der National Health Insurance Corporation und Daten zur Todesursache des National Statistical Office, und der Algorithmus der künstlichen Intelligenz wird verwendet, um EKG-Merkmale zu extrahieren, um den Zusammenhang zwischen Tod, Schlaganfall und verschiedenen Gesundheitszuständen zu analysieren und eine externe Überprüfung durchzuführen oder Lernen zu übertragen öffentliche Datenbanken (z. B. Daten der britischen Biobank).
  • Beabsichtigt, eine webbasierte Plattform für künstliche Intelligenz zu verwenden, um die bei der Verarbeitung umfangreicher Daten entstehenden Rechenlasten zu verteilen und die Genauigkeit und Effizienz der Analyse zu verbessern.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Detaillierte Beschreibung

  • Alle vom Hauptbüro erhaltenen Patientenausweise werden durch Forschungsausweise (anonymisierte Ausweise) ersetzt, sodass der tatsächliche Ausweis nicht offengelegt wird und andere persönliche Identifikationsinformationen (Name, Einwohnermeldenummer) nicht erfasst werden.

  • Forschungsmethoden:

    1. Elektrokardiogramm-Extraktion basierend auf den Kriterien der Probanden.
    2. Kombiniert mit extrahierten EKG-Daten und Daten der National Insurance Corporation (+ Todesursachendaten des National Statistical Office).
    3. Definition „Gesundheit aus Interesse“ (HOI). Einschließlich Tod, Schlaganfall usw.
    4. Der definierte HOI kann aus Daten des Yonsei Medical Center oder aus Daten des National Insurance Service oder den Todesursachendaten von Statistics Korea extrahiert werden.
    5. Modelltraining für künstliche Intelligenz mit Elektrokardiogramm (und ggf. klinischem Informationsdiagramm) als Eingabe, unter Verwendung überwachter Deep-Learning-Algorithmen, wenn eine Beschriftung vorhanden ist, und unbeaufsichtigter Lernalgorithmen, wenn keine Beschriftung vorhanden ist.
    6. Leistungsbewertung für überwachtes Lernen von Modellen der künstlichen Intelligenz.
    7. Im Fall von unbeaufsichtigt lernenden Modellen der künstlichen Intelligenz die Assoziation/Korrelation zwischen extrahierten Merkmalen und HOI oder die Vorhersagbarkeits-/Erkennbarkeitsanalyse.
    8. Transferlernen kann durchgeführt werden, indem dem gelernten Modell mithilfe öffentlicher Datenbanken externe Verifizierungs- oder dielektrische Daten hinzugefügt werden.
    9. Eine externe Verifizierung kann mithilfe externer Zusatzdaten durchgeführt werden, indem das erlernte Modell auf einer webbasierten Plattform für künstliche Intelligenz bereitgestellt wird.
    10. Bei großen Datenmengen können Rechenlasten mithilfe webbasierter Plattformen für künstliche Intelligenz verteilt werden.
    11. Die Analyseergebnisse können anonymisiert werden und die Analyseergebnisse können Forschern über eine webbasierte Plattform für künstliche Intelligenz zur Verfügung gestellt werden.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

3000000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

  • Name: Hui-Nam Pak
  • Telefonnummer: 82-2-2228-8459
  • E-Mail: hnpak@yuhs.ac

Studienorte

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Alle im MUSE-System gespeicherten Patienten nach Messung eines standardmäßigen 12-geführten Elektrokardiogramms beim Severance Health Checkup im Severance Hospital vom 1. November 2005 bis 31. Oktober 2022

Beschreibung

Einschlusskriterien:

Alle im MUSE-System gespeicherten Patienten nach Messung eines standardmäßigen 12-geführten Elektrokardiogramms beim Severance Health Checkup im Severance Hospital vom 1. November 2005 bis 31. Oktober 2022

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Anzahl der Patienten mit Mortalität
Zeitfenster: 2 Jahre
Untersuchung der Reproduzierbarkeit der Mortalitätsvorhersage (Anzahl der Patienten, die unabhängig von der Ursache starben) anhand von EKG-Daten, die innerhalb eines Jahres vor dem Tod mithilfe von Algorithmen der künstlichen Intelligenz gemessen wurden
2 Jahre
Anzahl der Patienten mit Schlaganfall, Vorhofflimmern, Demenz
Zeitfenster: 2 Jahre
Untersuchung der Korrelation bestimmter EKG-Muster mit der Möglichkeit eines Schlaganfalls/Vorhofflimmerns oder Demenz mithilfe von Algorithmen der künstlichen Intelligenz.
2 Jahre

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Yonsei University

Ermittler

  • Hauptermittler: Hui-Nam Pak, Yonsei University

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Geschätzt)

1. Dezember 2023

Primärer Abschluss (Geschätzt)

1. Dezember 2025

Studienabschluss (Geschätzt)

1. Dezember 2025

Studienanmeldedaten

Zuerst eingereicht

22. November 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

21. Dezember 2023

Zuerst gepostet (Tatsächlich)

22. Dezember 2023

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Geschätzt)

1. Januar 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

22. Dezember 2023

Zuletzt verifiziert

1. Dezember 2023

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 4-2022-1506

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 .

Abonnieren