Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

EKG:n tekoälyn hyödyntäminen nopeaan hoitoon ja tarkkaan tulkintaan, avoin satunnaistettu kontrolloitu tutkimus (HEART-AI)

maanantai 28. heinäkuuta 2025 päivittänyt: Robert Avram, Montreal Heart Institute

HEART-AI (harnessing ECG Artificial Intelligence for Rapid Treatment and Accurate Interpretation) on avoin, yhden keskuksen, satunnaistettu kontrolloitu tutkimus, jonka tarkoituksena on ottaa käyttöön DeepECG-niminen alusta hoitopisteessä 12 ihmisen tekoälyanalyysiä varten. - johtaa EKG:t. Alustaa testataan terveydenhuollon ammattilaisten (lääketieteen opiskelijat, asukkaat, lääkärit, sairaanhoitajat) keskuudessa, jotka lukevat 12-kytkentäistä EKG:tä. Interventioryhmässä alusta näyttää ECHONEXT:n rakenteellisen sydänsairauden (SHD) pisteet satunnaistetuilla potilailla auttaakseen lääkäreitä priorisoimaan TTE:t (lisätaulukko 2, kuva 1). Tämä alusta näyttää myös DeepECG-AI-tulkinnan, joka havaitsee ongelmia, kuten iskeemiset tilat, rytmihäiriöt tai kammiolaajennukset, ja toimii paranneltuna vaihtoehtona kaupallisesti saataville EKG-tulkintajärjestelmille, kuten MUSE:lle (lisätaulukko 1). Molempien mallien suorituskyky on esitetty lisäliitteessä (lisätaulukko 1, lisätaulukko 2, lisäkuva 1).

Ensisijainen tavoitteemme on arvioida ECHONEXT-tulkinnan näyttämisen vaikutusta 12-kytkentäisissä EKG:issä keskittyen erityisesti TTE:n rakenteellisen sydänsairauden (SHD) havaitsemisasteeseen äskettäin lähetetyillä potilailla MHI-potilailla ja ensimmäisen EKG:n välisen viiveen välillä. EKG avattiin alustassa ja TTE-arviointi äskettäin lähetetyillä MHI-potilailla, joilla on korkea tai keskitasoinen SHD-riski, vertaamalla interventioon osallistuvia potilaita (näkyy SHD:n ECHONEXT-ennuste ja suositus TTE:n priorisoinnista) ja potilaita ohjausvarsi (ECHONeXT-ennuste ja suositus piilotettu). Toissijaisena päätavoitteena on arvioida niiden EKG:iden osuutta, joissa käyttäjät ovat samaa mieltä DeepECG-diagnoosin kanssa, kaikista alustan käyttäjän käyttämistä EKG:istä. Integroimalla tekoälyanalyysialustan hoitopisteeseen ja arvioimalla sen vaikutusta EKG-tulkintatarkkuuteen ja lisätestien priorisointiin HEART-AI-tutkimuksen tavoitteena on tarjota arvokasta tietoa tekoälyn mahdollisuuksista parantaa sydämen hoitoa ja potilaiden tuloksia.

Tutkimuksen yleiskatsaus

Tila

Ilmoittautuminen kutsusta

Interventio / Hoito

Yksityiskohtainen kuvaus

HEART-AI (Harnessing ECG Artificial Intelligence for Rapid Treatment and Accurate Interpretation) -tutkimuksen ensisijaisena tavoitteena on arvioida ECHONEXT-tulkinnan näyttämisen vaikutusta SHD-diagnoosin nopeuteen transthoracical Echocardiograms (TTE) -kaikututkimuksissa (TTE). ensimmäinen EKG ja TTE äskettäin MHI:hen lähetetyillä potilailla. Saavutamme tämän vertaamalla diagnostisia tuloksia ja ensimmäisen EKG:n ja TTE:n välistä aikaa interventioryhmän, jossa ECHONEXT-tulkinta näytetään käyttäjille, ja kontrolliryhmän välillä, jossa sitä ei näytetä, ja näin kvantifioi tekoälyn tukeman vaikutuksen. kliinisen päätöksenteon ja potilaan hallintastrategioiden diagnostiikka (taulukko 1).

Tutkimuksessa SHD määritellään minkä tahansa seuraavista esiintyvistä TTE:ssä:

  • LVEF ≤ 45 %
  • Lievä, kohtalainen tai vaikea RV-toimintahäiriö
  • Yhden tai useamman valvulopatian esiintyminen tässä luettelossa:

    • Kohtalainen tai vaikea keuhkojen regurgitaatio
    • Keskivaikea tai vaikea kolmikulmainen regurgitaatio
    • Keskivaikea tai vaikea mitraalinen regurgitaatio
    • Keskivaikea tai vaikea aortan regurgitaatio
    • Keskivaikea tai vaikea aorttastenoosi
  • Keskivaikea tai vaikea sydänpussieffuusio (tamponadi tai mikä tahansa effuusio > 1 cm)
  • LV seinämän paksuus ≥ 1,3 cm
  • Apikaalinen kardiomyopatia
  • Keuhkoverenpainetauti, joka on määritelty käyttämällä keuhkovaltimon systolista painetta, joka on suurempi tai yhtä suuri kuin 25 mmHg TTE:ssä.

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

16160

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

    • Quebec
      • Montreal, Quebec, Kanada, H1T1C8
        • Montreal Heart Institute

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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Kuvaus

Sisällyttämiskriteerit:

  • Käyttäjät

    1. Käyttäjät, jotka tarjoavat kliinistä hoitoa ja lukevat EKG:t osana käytäntöään.
    2. Käyttäjät, jotka ovat antaneet tietoisen suostumuksen osallistua tutkimukseen.
    3. Käyttäjät, jotka ovat suorittaneet vaaditun koulutuksen DeepECG-alustan käytöstä.

EKG

  1. Montrealin sydäninstituutissa tutkimusjakson aikana kirjatut 12-kytkentäiset EKG:t.
  2. EKG:t, joiden tekninen laatu on riittävä tulkintaa varten tallennusohjelmiston ja visuaalisen tarkastuksen perusteella.

Potilaat

1. 18 vuotta täyttäneet potilaat

Lisäkriteerit tutkimuksen satunnaistusosaa varten

Potilaat

  1. Uudet potilaat, joilla ei ole tunnettua sydänsairautta tai joilla on ollut aiemmin tunnettu sydänsairaus ilman aikaisempaa transthorakaalista kaikukuvausta viimeisen 24 kuukauden aikana, joko MHI:ssä tai toisessa keskuksessa.
  2. Ambulatoriseen päivystykseen saapuneet avopotilaat tai potilaat. Paikka määritetään sen EKG:n mukaan, jossa se tallennettiin ja jonka EKG-teknikko syöttää. Nämä paikat otetaan mukaan satunnaistuksen kelpoisuuteen:

Poissulkemiskriteerit:

Käyttäjät

1. Käyttäjät, jotka eivät pysty sitoutumaan tutkimuksen kestoon (vähintään noin 1 kuukausi) tai noudattamaan tutkimuspöytäkirjaa.

Muut poissulkemiskriteerit tutkimuksen EKG:n satunnaistusosuudelle 1. EKG, jossa on liian monta artefaktia tai ilman näkyvää QRS:ää MUSE GE -algoritmin tulkitsemana.

-

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Diagnostiikka
  • Jako: Satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Ei väliintuloa: Ei ECHONEXT-tulkintaa
Ei näytä ECHONEXT-algoritmin tulkintaa.
Kokeellinen: ECHONEXT tulkinta
ECHONEXT-algoritmi opetettiin ennustamaan SHD:n esiintyminen TTE:ssä käyttämällä yhtä 12-kytkentäistä EKG:tä. Se kehitettiin Columbian sairaalassa, vapautettiin avopainoina ja validoitiin MHI:ssä. Se on koulutettu 800 000 EKG- ja TTE-parille.
ECHONEXT Tekoälyalgoritmi

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Arvioi EchOnext -tulkinnan näyttämisen vaikutus rakenteellisen sydänsairauksien diagnoosiin (SHD)
Aikaikkuna: 18 kuukautta
Aikaväli ensimmäisestä EKG: stä, joka avattiin alustalla SHD -diagnoosiin TTE: llä tai MRI: llä, laskettuna: SHD -diagnoosin päivämäärä TTE - ensimmäisen EKG: n pääsypäivänä, jossa ECG: tä oli käytettävissä ECG -tulkinta ja käyttäjä kuuli EKG: tä
18 kuukautta

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Arvioi ECHONEXT-tulkinnan näyttämisen vaikutus EKG:n ja TTE-arvioinnin väliseen viiveeseen potilailla, joilla on korkea tai keskitasoinen SHD-riski
Aikaikkuna: 18 kuukautta

Viive ensimmäisen alustassa avatun EKG:n ja TTE:n välillä laskettuna seuraavasti:

TTE-arvioinnin päivämäärä - Päivä, jolloin saatiin ensimmäinen EKG, jolloin ECHONEXT-tulkinta oli saatavilla ja käyttäjä katsoi EKG:tä

18 kuukautta
Arvioi ECHONEXT-tulkinnan näyttämisen vaikutus SHD-diagnoosin määrään TTE:ssä
Aikaikkuna: 18 kuukautta
SHD-diagnoosi (Kyllä/Ei) TTE:ssä
18 kuukautta
Arvioi käyttäjien yhteensopivuus EKG-AI-algoritmin tulkintojen kanssa
Aikaikkuna: 18 kuukautta
Käyttäjän suostumus (Kyllä/Ei) EKG-AI-algoritmin tulkintaan. Sopimus määritellään käyttäjäksi, joka napsauttaa "peukalo ylös" alustalla.
18 kuukautta
Selvitä DeepECG-alustan hyväksyttävyys ja käytettävyys kliinisessä käytännössä tutkimuksen loppukyselyn perusteella
Aikaikkuna: 18 kuukautta
DeepECG-alustan ja ECHONEXT-tulkinnan käytettävyyttä ja arvostusta käsittelevän tutkimuksen loppukyselyn kysymyksiä
18 kuukautta
Määritä ensisijainen päätetapahtuma, joka on ositettu sen mukaan, onko aiempaa yli 24 kuukautta TTE:tä tai ei aiempaa TTE:tä (uoteet potilaat)
Aikaikkuna: 18 kuukautta
Kysymyksiin vastataan EKG:tä edeltävässä kyselyssä
18 kuukautta

Muut tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kuvaile käyttäjien sitoutumista ja DeepECG-alustaalgoritmin yleistä käyttöä kliinisessä ympäristössä
Aikaikkuna: 18 kuukautta

Käytettyjen EKG:iden määrä käyttäjää kohti

Niiden päivien lukumäärä käyttäjää kohden, jolloin vähintään 1 EKG on käyty alustalla niiden päivien kokonaismäärässä, jotka käyttäjä on tutkimuksessa (eli hänellä on pääsy alustalle).

18 kuukautta
Vertaa käyttäjän antamaa TTE-prioriteettiluokitusta toimenpiteen ja kontrolliryhmän välillä
Aikaikkuna: 18 kuukautta
TTE-prioriteettiluokitus (A, B, C, D, E jne.), jonka käyttäjä on määrittänyt EKG:n jälkeisessä kyselylomakkeessa ensimmäiselle EKG-tallennukselle, jossa ECHONEXT-tulkinta oli saatavilla ja käyttäjä tarkasteli EKG:tä
18 kuukautta
Vertaa käyttäjän antamaa TTE-prioriteettiluokitusta toimenpiteen ja vertailuryhmän välillä sijainnin mukaan ositettuna (hätätila vs.
Aikaikkuna: 18 kuukautta
TTE-prioriteettiluokitus (A, B, C, D, E jne.), jonka käyttäjä on määrittänyt EKG:n jälkeisessä kyselylomakkeessa ensimmäiselle EKG-tallennukselle, jossa ECHONEXT-tulkinta oli saatavilla ja käyttäjä haki EKG:tä.
18 kuukautta
Tarkista laadullinen palaute ja EKG:n lukemisen jälkeen saatuja oivalluksia
Aikaikkuna: 18 kuukautta
Selostuskuvaus lisätty EKG:n jälkeisen kyselyn "muu"-kenttään
18 kuukautta
Arvioi käyttäjän sopivuutta EKG-AI-algoritmin tulkintojen kanssa harjoitustyypin, harjoitteluvuosien, käyttäjän iän ja tekoälytyökalujen tuntemuksen mukaan (tutkimuksen loppukyselyn perusteella)
Aikaikkuna: 18 kuukautta
Käyttäjän suostumus (Kyllä/Ei) EKG-AI-algoritmin tulkintaan. Sopimus määritellään käyttäjäksi, joka napsauttaa "peukalo ylös" alustalla.
18 kuukautta
Kuvaile käyttäjän hyväksyntää EKG-AI-algoritmin tulkintaan EKG-AI:n diagnoosikategorian mukaan (iskeeminen, rytmihäiriö, kammion laajentuminen, rakenteellinen sydänsairaus, muu)
Aikaikkuna: 18 kuukautta
Käyttäjän suostumus (Kyllä/Ei) EKG-AI-algoritmin tulkintaan. Sopimus määritellään käyttäjäksi, joka napsauttaa "peukalo ylös" alustalla.
18 kuukautta
Arvioi ECHONEXT-tulkinnan näyttämisen vaikutus EKG:n ja TTE-arvioinnin väliseen viiveeseen SHD-riskitason (matala/keskitaso/korkea) määrittämien alaryhmien mukaan.
Aikaikkuna: 18 kuukautta

Viive ensimmäisen alustassa avatun EKG:n ja TTE:n välillä laskettuna seuraavasti:

TTE-arvioinnin päivämäärä – Päivä, jolloin saatiin ensimmäinen EKG, jolloin ECHONEXT-tulkinta oli saatavilla ja käyttäjä katsoi EKG:tä

18 kuukautta
Arvioi mallin suorituskyky jatkuvan oppimisen soveltamisen jälkeen
Aikaikkuna: 18 kuukautta
Harjoittelemme DeepECG-malleja uudelleen käyttämällä esimerkkejä, jotka käyttäjät ovat hylänneet tai jotka käyttäjät "merkitsivät" aiempien mallin koulutukseen käytettyjen EKG-mallien lisäksi. Mallin suorituskykyä verrataan DeLong-testillä AUC- ja AUPRC-arvoille ennen mallin uudelleenkoulutusta ja sen jälkeen. Käyttäjiä ei esitetä tästä uudesta mallista.
18 kuukautta
Kuvaile käyttäjän sopimusta EKG-AI-algoritmin tulkinnasta kahdessa alaryhmässä.
Aikaikkuna: 18 kuukautta
Käyttäjän sopimus (kyllä/ei) EKG-AI-algoritmin tulkintasopimuksella määritellään käyttäjän napsauttamalla "peukkua ylös" -alustalla.
18 kuukautta
Echonextin herkkyys ja spesifisyys SHD: n havaitsemiseksi TTE: ssä
Aikaikkuna: 18 kuukautta
Arvioi Echonextin herkkyys ja spesifisyys SHD: n havaitsemiseksi TTE: ssä
18 kuukautta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Hyödyllisiä linkkejä

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 (Todellinen)

Keskiviikko 16. huhtikuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Lauantai 31. tammikuuta 2026

Opintojen valmistuminen (Arvioitu)

Sunnuntai 31. tammikuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 12. kesäkuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 12. kesäkuuta 2024

Ensimmäinen Lähetetty (Todellinen)

Maanantai 17. kesäkuuta 2024

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 31. heinäkuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 28. heinäkuuta 2025

Viimeksi vahvistettu

Tiistai 1. heinäkuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • HEART-AI-001

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

Yhdysvalloissa valmistettu ja sieltä viety tuote

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 .

Tilaa