Aplicación de inteligencia artificial al ECG de 12 derivaciones para el diagnóstico de hipertensión pulmonar: un estudio observacional
El objetivo de este estudio observacional es aplicar la inteligencia artificial (IA) y la tecnología de aprendizaje automático al electrocardiograma (ECG) de 12 derivaciones en reposo y evaluar si puede ayudar a los médicos en el diagnóstico temprano de la hipertensión pulmonar (HP). El diagnóstico temprano y preciso es un paso importante para los pacientes con HP. Ayuda a proporcionar tratamientos efectivos tempranos que mejoran el pronóstico y la calidad de vida. Las principales preguntas que pretende responder nuestro estudio son:
- ¿Puede la tecnología de IA en el ECG de 12 derivaciones predecir con precisión la presencia de HP?
- ¿Puede la tecnología de IA en el ECG de 12 derivaciones identificar subtipos específicos de HP?
- ¿Puede la tecnología de IA en el ECG de 12 derivaciones predecir la mortalidad en pacientes con HP?
En este estudio, los investigadores reclutarán ECG de 12 derivaciones de participantes que hayan sido sometidos a un cateterismo cardíaco derecho (RHC) como parte de su atención clínica de rutina. Se aplicará tecnología de IA a estos ECG para evaluar si la tecnología automatizada puede predecir la presencia de HP y sus subtipos asociados.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Este estudio será dirigido por Royal United Hospital Bath NHS Trust y la Universidad John Moore de Liverpool. El objetivo de este estudio es utilizar la inteligencia artificial (IA) y la tecnología de aprendizaje automático para ayudar a los médicos en el diagnóstico temprano de la hipertensión pulmonar (HP). Nuestra hipótesis es que las tecnologías de IA pueden mejorar la cuantificación e interpretación de los parámetros involucrados en la detección de PH. Esto se logra resaltando anormalidades significativas en el ECG de 12 derivaciones o brindando rápidamente medidas completamente automatizadas de las características en el ECG de 12 derivaciones que indican HP. La combinación de estas características electrocardiográficas con datos clínicos puede proporcionar herramientas predictivas de alta precisión.
Este estudio observacional tendrá un brazo retrospectivo y prospectivo con un período de seguimiento de 3 años. Los participantes no requerirán pruebas o procedimientos adicionales en ningún momento durante el estudio. Cualquier ECG realizado dentro de los 12 meses anteriores al cateterismo cardíaco derecho (RHC) de un participante se someterá a un análisis de inteligencia artificial para establecer si los indicadores tempranos de HP son identificables.
Para todos los participantes reclutados, se utilizará un formulario de informe de caso médico anónimo para capturar detalles relacionados con su demografía y atención clínica de rutina. También se registrarán los tiempos de seguimiento y los resultados, incluida la mortalidad y la morbilidad.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Bath, Reino Unido
- Royal United Hospital Bath NHS Trust
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Cohorte prospectiva: A partir de julio de 2023, todos los pacientes de 18 años o más que son derivados al servicio de Atención Compartida de Hipertensión Pulmonar de Bath con sospecha clínica de HP y que, en su atención clínica habitual, se les realiza CCD y ECG de 12 derivaciones.
- Cohorte retrospectiva: todos los pacientes de 18 años o más que fueron derivados al servicio local de atención compartida de Hipertensión Pulmonar entre 2007 y junio de 2023, y a través de su atención clínica habitual, se han sometido a RHC dentro del año posterior a un ECG de 12 derivaciones. Esta cohorte también incluirá pacientes fallecidos.
Criterio de exclusión:
- Paciente menor de 18 años
- Pacientes que no dan su consentimiento válido (excepto pacientes fallecidos; aprobado por REC)
- Pacientes que no han sido sometidos a RHC para evaluar HP
- Pacientes que no han tenido un ECG dentro de los 12 meses de su RHC
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Cohorte retrospectiva
Los pacientes que hayan sido atendidos previamente por el servicio local de Hipertensión Pulmonar, entre 2007 y junio de 2023, por sospecha diagnóstica de hipertensión pulmonar y que hayan sido sometidos a un Cateterismo Cardíaco Derecho (CCD) serán invitados a participar en el estudio por un miembro del personal clínico directo. equipo de atención.
Su ECG se analizará utilizando tecnología de IA para desarrollar un algoritmo que ayude al diagnóstico de HP.
|
La inteligencia artificial describe un software de computadora diseñado para imitar la función cognitiva humana.
El aprendizaje automático es un tipo de inteligencia artificial en el que el modelo creado se expone a los datos, identifica patrones y reconoce las relaciones entre las características vistas en los datos y la "verdad básica".
Esta tecnología se aplicará a los ECG de los participantes.
|
|
Cohorte prospectivo
Los pacientes que sean remitidos al servicio local de HP, a partir de julio de 2023, con sospecha diagnóstica de hipertensión pulmonar, y sometidos a Cateterismo Cardíaco Derecho serán invitados a participar del estudio por un miembro del equipo de atención clínica directa.
Su ECG se analizará utilizando tecnología de IA para desarrollar un algoritmo que ayude al diagnóstico de HP.
|
La inteligencia artificial describe un software de computadora diseñado para imitar la función cognitiva humana.
El aprendizaje automático es un tipo de inteligencia artificial en el que el modelo creado se expone a los datos, identifica patrones y reconoce las relaciones entre las características vistas en los datos y la "verdad básica".
Esta tecnología se aplicará a los ECG de los participantes.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Diagnóstico de Hipertensión Pulmonar
Periodo de tiempo: base
|
Los investigadores calcularán el área bajo la curva característica operativa del receptor (AUROC) para el diagnóstico de PH mediante tecnología de inteligencia artificial y lo compararán con RHC (el estándar de oro)
|
base
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Subtipo de hipertensión pulmonar
Periodo de tiempo: base
|
Los investigadores evaluarán la precisión de las pruebas de diagnóstico de la tecnología de inteligencia artificial para categorizar los ECG de los participantes según el subtipo de hipertensión pulmonar y compararlos con la evaluación clínica estándar.
|
base
|
|
Mortalidad
Periodo de tiempo: 3 años
|
Los investigadores calcularán el área bajo la curva de características operativas del receptor (AUROC) para la mortalidad según lo predicho por la tecnología de Inteligencia Artificial
|
3 años
|
|
Morbosidad
Periodo de tiempo: base
|
Los investigadores calcularán el área bajo la curva de características operativas del receptor para la morbilidad según lo predicho por la tecnología de inteligencia artificial y lo compararán con las medidas actuales (clase funcional de la NYHA, 6MWT, pruebas de función pulmonar)
|
base
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Dan Augustine, BSc, MBBS, MRCP, Royal United Bath NHS Foundation Trust
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Estimado)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- RD2651
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .