Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Delineate-Prospectiva (DELINEATE)

14 de abril de 2026 actualizado por: Pierre Elias, Columbia University

Aprendizaje profundo para el análisis, el seguimiento y la evaluación de la evaluación de la evaluación prospectiva (Delineate-Prospectiva)

La enfermedad cardíaca es la principal causa de muerte en los Estados Unidos, y la ecocardiografía (o "eco") es la forma más común en que los médicos miran el corazón. El eco es seguro, indoloro y puede detectar problemas cardíacos importantes, incluido el bombeo cardíaco débil y la enfermedad de la válvula.

La enfermedad de la válvula, especialmente la estenosis aórtica (estrechamiento) y la regurgitación mitral (fuga), es común en los adultos mayores, pero a menudo no se diagnostica. Si bien Echo es la herramienta principal para encontrar problemas de válvula, lleva tiempo, requiere capacitación experta y los resultados pueden variar entre los lectores.

Los avances recientes en la inteligencia artificial (IA), especialmente el aprendizaje profundo (DL), han demostrado ser prometedores para analizar automáticamente las imágenes del corazón. Sin embargo, las investigaciones anteriores no han abordado completamente las técnicas clave de eco Doppler y Doppler espectral que son cruciales para medir cómo se mueve la sangre a través de las válvulas cardíacas. Las herramientas de inteligencia artificial también enfrentan desafíos para usarse en la práctica médica cotidiana debido a problemas de flujo de trabajo, falta de pruebas del mundo real y preocupaciones sobre cómo los algoritmos toman decisiones.

En el Centro Médico Irving de la Universidad de Columbia, los investigadores han construido una gran base de datos de pruebas cardíacas en los últimos seis años y han desarrollado programas de IA para analizar los ecocardiogramas. El estudio actual evaluará si proporcionar análisis de IA a los cardiólogos en tiempo real durante la lectura de eco puede hacer que el proceso sea más rápido y más consistente.

Descripción general del estudio

Descripción detallada

En un estudio previo de la Universidad de Columbia, se está desarrollando una serie de algoritmos de aprendizaje profundo que analizan los ecocardiogramas. Estos algoritmos incluyen, entre otros, algoritmos que permiten la clasificación de la vista, la identificación de la estructura, las mediciones de la dimensión del ventrículo izquierdo (LV), la determinación de la fracción de eyección ventricular izquierda (LVE), las evaluaciones de volumen de la aurícula izquierda (LA) y el diagnóstico de enfermedad cardíaca válvular. Brevemente, estos algoritmos se basan en arquitecturas que se muestran útiles en el análisis de imágenes y videos, incluidas las específicas de la interpretación de la ecocardiografía. Los algoritmos basados ​​en estas arquitecturas se pueden generalizar a la interpretación de los datos de ecocardiograma basados ​​en video, como la evaluación de la regurgitación valvular. Como parte de este protocolo de estudio, estos modelos continuarán desarrollándose utilizando datos de ecocardiograma del paciente. Este estudio tiene como objetivo crear un sistema automatizado de extremo a extremo que pueda entregar análisis de aprendizaje profundo de ecocardiogramas al cardiólogo interpretativo en tiempo real. Si tiene éxito, este programa podría permitir mejoras en la ecocardiografía de la eficiencia y la confiabilidad de la lectura.

Tipo de estudio

De observación

Inscripción (Estimado)

50

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

Copia de seguridad de contactos de estudio

Ubicaciones de estudio

    • New York
      • New York, New York, Estados Unidos, 10032
        • Reclutamiento
        • Columbia University Irving Medical Center
        • Contacto:
        • Investigador principal:
          • Pierre A Elias, MD
        • Contacto:
          • Jeffrey Ruhl, MS
          • Número de teléfono: 570-713-7815
          • Correo electrónico: hvx9001@nyp.org

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

No

Método de muestreo

Muestra no probabilística

Población de estudio

Los cardiólogos asistentes con certificación de la junta en la Universidad de Columbia, ColumbiAdoctors o Newyork-Presbyterian Hospital que interpretan ecocardiogramas transtorácicos en el Laboratorio de Ecocardiografía de Columbia y han dado consentimiento informado para participar para participar

Descripción

Criterios de inclusión:

  • Cardiólogo asistente empleado por la Universidad de Columbia, ColumbiAdoctors o Newyork Presbyterian Hospital que lee ecocardiogramas transtorácicos en el Laboratorio de Ecocardiografía de Columbia
  • Proporcionó consentimiento informado para participar en los cuestionarios o el estudio fundamental

Criterios de exclusión:

  • Médico en capacitación (becario de cardiología o becario de imágenes avanzadas)

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

Cohortes e Intervenciones

Grupo / Cohorte
Grupo de intervención

Los estudios que cumplan con los siguientes criterios se someterán a adjudicación por un panel de expertos: regurgitación moderada, moderada de severas o severa en la evaluación de modelos de Mithrice o AI.

La discrepancia entre las interpretaciones médicas y la IA, donde la gravedad evaluada por AI es mayor que la gravedad evaluada por el médico (es decir, indica que hay más regurgitación valvular)

Grupo de control
Se seleccionará una muestra aleatoria estratificada de casos para que coincida con la distribución de casos con bandera de IA por la gravedad de la regurgitación valvular evaluada por el médico y se someterá a la misma adjudicación del panel de expertos.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Proporción de reclasificación clínicamente significativa por revisión del panel
Periodo de tiempo: 18 meses
Proporción de casos en los que el panel de expertos reclasifica la gravedad de la regurgitación valvular en al menos un grado (actualización o degradación). La proporción se calculará como el número de casos con reclasificación ÷ número total de casos revisados.
18 meses

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Proporción de casos con reclasificación basada en IA que conducen a un cambio en el manejo clínico
Periodo de tiempo: 18 meses
La proporción se calculará como el número de casos con cualquier cambio de gestión ÷ número total de casos revisados.
18 meses
Proporción de casos con reclasificación basada en IA que conduce a la derivación a un especialista en válvula o cirujano
Periodo de tiempo: 18 meses
Definición: La proporción se calculará como el número de casos referidos a un especialista en válvula o cirujano ÷ número total de casos revisados.
18 meses
Proporción de casos con reclasificación basada en IA que conduce a un cambio en la frecuencia de la ecocardiografía de seguimiento
Periodo de tiempo: 18 meses
La proporción se calculará como el número de casos con un cambio en la frecuencia de ecocardiografía de seguimiento recomendada ÷ Número total de casos revisados.
18 meses
Proporción de casos con reclasificación basada en IA que conduce a una referencia para pruebas adicionales (TEE o resonancia magnética cardíaca)
Periodo de tiempo: 18 meses
La proporción se calculará como el número de casos referidos para pruebas adicionales con TEE o resonancia magnética cardíaca ÷ número total de casos revisados.
18 meses

Otras medidas de resultado

Medida de resultado
Medida Descripción
Periodo de tiempo
Concordancia entre IA y revisión del panel
Periodo de tiempo: 18 meses
Proporción de casos en los que la clasificación de IA concuerda con la revisión del panel de expertos de la gravedad de la regurgitación valvular.
18 meses
Concordancia entre cardiólogo clínico lectura y revisión del panel
Periodo de tiempo: 18 meses
Proporción de casos en los que la interpretación clínica del cardiólogo concuerda con la revisión del panel de expertos de la gravedad de la regurgitación valvular.
18 meses
Comparación de las tasas de concordancia (IA vs cardióloga) contra la revisión del panel
Periodo de tiempo: 18 meses
Diferencia entre la tasa de concordancia de la revisión de IA vs panel y la tasa de concordancia del cardiólogo clínico Leer frente a la revisión del panel.
18 meses
Acuerdo entre lectores para medidas ecocardiográficas categóricas
Periodo de tiempo: 18 meses
El acuerdo entre los lectores de cardiólogos independientes para las variables categóricas (por ejemplo, la gravedad de la regurgitación valvular) se cuantificará utilizando la estadística de Kappa de Cohen.
18 meses
Acuerdo entre lectores para medidas ecocardiográficas continuas
Periodo de tiempo: 18 meses
El acuerdo entre los lectores de cardiólogos independientes para medidas continuas (por ejemplo, categoría de fracción de eyección ventricular izquierda [VEF]) se cuantificará utilizando el coeficiente de correlación intraclase (ICC)
18 meses

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Investigadores

  • Investigador principal: Pierre A Elias, MD, Columbia University

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Estimado)

15 de abril de 2026

Finalización primaria (Estimado)

1 de octubre de 2027

Finalización del estudio (Estimado)

1 de octubre de 2028

Fechas de registro del estudio

Enviado por primera vez

14 de agosto de 2025

Primero enviado que cumplió con los criterios de control de calidad

24 de septiembre de 2025

Publicado por primera vez (Actual)

29 de septiembre de 2025

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

16 de abril de 2026

Última actualización enviada que cumplió con los criterios de control de calidad

14 de abril de 2026

Última verificación

1 de abril de 2026

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

NO

Descripción del plan IPD

Privacidad y confidencialidad del paciente: incluso con la desidentificación, compartir datos de salud detallados podría arriesgar la reidentificación de los participantes.

Restricciones regulatorias: las juntas de revisión institucional (IRB), las reglas de HIPAA o las leyes locales pueden limitar el intercambio de datos, especialmente para la información de salud confidencial como los ecocardiogramas.

Limitaciones de consentimiento: si los participantes no consienten explícitamente para compartir datos amplios en la inscripción, el estudio no puede proporcionar ética o legalmente su IPD.

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

producto fabricado y exportado desde los EE. UU.

No

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. .

Suscribir