Tekoälyn tukema laajamittainen elektrokardiogrammin piirteiden erottaminen ja poimittujen piirteiden ja kuolleisuuden, aivohalvauksen tai erilaisten terveysvaikutusten välinen yhteys
perjantai 22. joulukuuta 2023 päivittänyt: Yonsei University
- Tässä tutkimuksessa laajamittaiset EKG-tiedot (kaikkien MUSE-järjestelmään tallennettujen potilaiden elektrokardiogrammitiedot mittaamalla standardi 12-ohjattu EKG Severancen terveystarkastuksessa Severancen sairaalassa 1.11.2005-31.10.2022) yhdistetään sähköiseen lääketieteelliseen. tietueet, Kansallinen sairausvakuutusyhtiön tiedot ja tilastoviraston kuolinsyytiedot, ja tekoälyalgoritmia käytetään EKG-ominaisuuksien poimimiseen kuoleman, aivohalvauksen ja erilaisten terveystilojen välisen yhteyden analysoimiseksi sekä ulkopuolisen verifioinnin tai oppimisen siirtämiseen käyttämällä julkiset tietokannat (esim. UK Biobank -tiedot).
- Tarkoitettu käyttämään verkkopohjaista tekoälyalustaa laajamittaisen tiedonkäsittelyn aikana syntyvien laskentakuormien jakamiseen sekä analyysin tarkkuuden ja tehokkuuden parantamiseen.
Tutkimuksen yleiskatsaus
Tila
Ei vielä rekrytointia
Yksityiskohtainen kuvaus
- Kaikki päätoimistosta saadut potilastunnukset korvataan tutkimustunnuksilla (de-identified ID), joten varsinaista henkilötunnusta ei paljasteta eikä muita henkilötietoja (nimi, asukkaan rekisteröintinumero) kerätä.
Tutkimusmenetelmät:
- Elektrokardiogrammin poisto koehenkilöiden kriteerien perusteella.
- Yhdistetty EKG-tietoihin ja Vakuutusyhtiön tietoihin (+ Tilastokeskuksen kuolinsyytiedot).
- Health out of interest (HOI) määritelmä. Sisältää kuoleman, aivohalvauksen jne.
- Määritetty HOI voidaan poimia Yonsei Medical Centerin tiedoista tai National Insurance Servicen tai Korean tilastokeskuksen kuolinsyytiedoista.
- Tekoälyn mallikoulutus sähkökardiogrammin (ja tarvittaessa kliinisen tietokaavion) kanssa syötteenä, jossa hyödynnetään valvottuja syväoppimisalgoritmeja, jos etiketti on olemassa, ja valvomattomia oppimisalgoritmeja, jos etikettiä ei ole.
- Valvotun oppimisen tekoälymallien suorituskyvyn arviointi.
- Valvomattomien oppivien tekoälymallien tapauksessa erotettujen piirteiden ja HOI:n välinen assosiaatio/korrelaatio tai ennustettavuus/havaittavuusanalyysi.
- Siirto-oppiminen voidaan suorittaa lisäämällä ulkoista varmennus- tai dielektristä dataa opittuun malliin julkisten tietokantojen avulla.
- Ulkoinen varmennus voidaan suorittaa ulkoisten lisätietojen avulla asentamalla opittu malli verkkopohjaiselle tekoälyalustalle.
- Kun otetaan huomioon laajamittainen data, laskennan työmäärät voidaan jakaa verkkopohjaisten tekoälyalustojen avulla.
- Analyysitulokset voidaan anonymisoida ja analyysitulokset toimittaa tutkijoille verkkopohjaisen tekoälyalustan kautta.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
3000000
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Hui-Nam Pak
- Puhelinnumero: 82-2-2228-8459
- Sähköposti: hnpak@yuhs.ac
Opiskelupaikat
-
-
-
Seoul, Korean tasavalta
- Yonsei University Health System
-
Ottaa yhteyttä:
- Hui-Nam Pak
- Puhelinnumero: 82-2-2228-8459
- Sähköposti: hnpak@yuhs.ac
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Kaikki MUSE-järjestelmään tallennetut potilaat mitattuaan tavallisen 12-ohjatun elektrokardiogrammin Severancen terveystarkastuksessa Severancen sairaalassa 1.11.2005–31.10.2022.
Kuvaus
Sisällyttämiskriteerit:
Kaikki MUSE-järjestelmään tallennetut potilaat mitattuaan tavallisen 12-ohjatun elektrokardiogrammin Severancen terveystarkastuksessa Severancen sairaalassa 1.11.2005–31.10.2022.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kuolleisuuspotilaiden määrä
Aikaikkuna: 2 vuotta
|
Kuolleisuusennusteen (kuolleiden potilaiden lukumäärästä riippumatta) toistettavuuden tutkiminen EKG-tiedoista, jotka on mitattu vuoden sisällä ennen kuolemaa tekoälyalgoritmeilla
|
2 vuotta
|
|
Aivohalvausta, eteisvärinää ja dementiaa sairastavien potilaiden määrä
Aikaikkuna: 2 vuotta
|
Tutkitaan tiettyjen EKG-mallien korrelaatiota aivohalvauksen/eteisvärinän, dementian mahdollisuuteen tekoälyalgoritmeilla.
|
2 vuotta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Tutkijat
- Päätutkija: Hui-Nam Pak, Yonsei University
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
Perjantai 1. joulukuuta 2023
Ensisijainen valmistuminen (Arvioitu)
Maanantai 1. joulukuuta 2025
Opintojen valmistuminen (Arvioitu)
Maanantai 1. joulukuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 22. marraskuuta 2023
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Torstai 21. joulukuuta 2023
Ensimmäinen Lähetetty (Todellinen)
Perjantai 22. joulukuuta 2023
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Maanantai 1. tammikuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 22. joulukuuta 2023
Viimeksi vahvistettu
Perjantai 1. joulukuuta 2023
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 4-2022-1506
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .