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

AI-Based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST) (EP-AI ASSIST)

28 de octubre de 2026 actualizado por: Yong-Soo Baek, Inha University Hospital

AI-based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST)

This multicenter retrospective study aims to develop, validate, and clinically apply an artificial intelligence (AI)-powered electrocardiography (ECG) algorithm for the diagnosis and prognostic prediction of cardiovascular diseases, including coronary artery disease and heart failure. By utilizing encrypted raw 12-lead ECG text data and deep neural network models, the study evaluates the effectiveness of AI-enhanced ECG in detecting cardiac abnormalities and predicting clinical outcomes.

Descripción general del estudio

Estado

Reclutamiento

Condiciones

Intervención / Tratamiento

Tipo de estudio

De observación

Inscripción (Estimado)

10000

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

  • Nombre: Yongsoo Baek, MD, PhD
  • Número de teléfono: +82-32-890-2200
  • Correo electrónico: existsoo@inha.ac.kr

Ubicaciones de estudio

  • Corea del Sur
    • Incheon
      • Incheon, Incheon, Corea del Sur, 22332
        • Reclutamiento
        • Inha University Hospital
        • Contacto:
          • Yongsoo Baek, MD, PhD
          • Número de teléfono: +82-32-890-2200
          • Correo electrónico: existsoo@inha.ac.kr

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

19 años y mayores (Adulto, Adulto Mayor)

Acepta Voluntarios Saludables

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

Retrospective cohort of patients aged 19 years or older with PSVT, WPW syndrome, PVC, or VT who underwent electrophysiological study and catheter ablation at participating institutions between January 2005 and December 2023.

Descripción

Inclusion Criteria:

  • Age 19 years or older
  • Diagnosis of one of the following arrhythmias: paroxysmal supraventricular tachycardia (PSVT), Wolff-Parkinson-White (WPW) syndrome, premature ventricular contractions (PVC), or ventricular tachycardia (VT)
  • Underwent an electrophysiological study (EPS) and catheter ablation
  • Available 12-lead electrocardiogram (ECG) records that can be extracted as text (XML) files

Exclusion Criteria:

  • Inadequate ECG data quality, as judged by the investigator
  • Missing medical records required for the study, as judged by the investigator

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

  • Modelos observacionales: COHORT
  • Perspectivas temporales: RETROSPECTIVE

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
Cardiovascular Disease and Tachycardia Cohort

Patients aged 19 years or older diagnosed with tachycardias (including PSVT, WPW syndrome, PVC, or VT) who underwent an electrophysiological study (EPS) and radiofrequency catheter ablation (RFCA), with extractable 12-lead ECG text data[cite: 1].
Prueba de diagnóstico: AI-based ECG Diagnostic and Localization Algorithm

Application of a deep learning-based 12-lead electrocardiogram (ECG) algorithm to analyze raw text data for the differential diagnosis and localization of tachycardias, including PSVT, WPW syndrome, PVC, and VT[cite: 1].

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Area Under the ROC Curve (AUC) of AI-ECG Models for Differentiating Tachycardia Mechanisms Confirmed by Electrophysiological Study
Periodo de tiempo: Baseline

Diagnostic performance of Transformer-based deep learning models applied to 12-lead ECG raw data for differentiating tachycardia mechanisms, including atrioventricular nodal reentrant tachycardia (AVNRT) versus atrioventricular reentrant tachycardia (AVRT). The reference standard is the diagnosis confirmed by electrophysiological study and catheter ablation. Performance is summarized as AUC with 95% confidence interval (range 0-1; higher values indicate better discrimination).
Baseline

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Area Under the ROC Curve (AUC) of AI-ECG Models for Localizing Arrhythmia Origin Sites (Accessory Pathway, PVC, and VT) Confirmed by Successful Catheter Ablation
Periodo de tiempo: Baseline

Performance of AI-ECG models in classifying the anatomical site of the arrhythmia substrate from the pre-ablation 12-lead ECG, including (1) accessory pathway location in Wolff-Parkinson-White syndrome, (2) the origin of premature ventricular contractions, and (3) the origin of ventricular tachycardia. The reference standard is the site identified by electrophysiological mapping and confirmed by successful catheter ablation. For each classification task, performance is reported as AUC with 95% confidence interval (range 0-1; higher values indicate better classification).
Baseline

Colaboradores e Investigadores

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

Patrocinador

Inha University Hospital

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 (Actual)

1 de diciembre de 2023

Finalización primaria (Estimado)

1 de diciembre de 2028

Finalización del estudio (Estimado)

1 de diciembre de 2028

Fechas de registro del estudio

Enviado por primera vez

29 de septiembre de 2026

Primero enviado que cumplió con los criterios de control de calidad

29 de septiembre de 2026

Publicado por primera vez (Actual)

5 de octubre de 2026

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

30 de octubre de 2026

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

28 de octubre de 2026

Última verificación

1 de octubre de 2026

Más información

Términos relacionados con este estudio

Palabras clave

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • 2023-12-033
  • 2023-12-033 (Identificador de registro: Inha University Hospital Institutional Review Board)

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

NO

Descripción del plan IPD

Individual participant data (IPD) will not be shared with other researchers due to institutional data privacy policies and ethical regulations concerning retrospective clinical records and encrypted electrocardiogram data.

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

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