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

AI-avusteinen seulonta VHD:lle rutiinisten rintakehän tietokonetomografiakuvien avulla (ARTEMIS)

torstai 7. toukokuuta 2026 päivittänyt: Second Affiliated Hospital, School of Medicine, Zhejiang University

Tekoälyn avustama seulonta valvulaarisydänsairauden havaitsemiseksi rutiininomaisilla rintakehän tietokonetomografiakuvauksilla: prospektiivinen, monikeskustutkimus

Tämä on prospektiivinen, monikeskustutkimus, jonka tarkoituksena on kehittää ja validoida syväoppimismalli valvulaaristen sydäntautien seulontaan käyttäen rutiininomaisia, kontrastittomia rintakehän tietokonetomografiakuvauksia (CT).

Ensisijainen tavoite on arvioida mallin diagnostista suorituskykyä, jossa käyrän alapuoli vastaanottajan toimintakäyrän alla (AUC) toimii ensisijaisena tehokkuuspäätteenä. Toissijaisia päätteitä ovat muut suorituskykymittarit, kuten herkkyys, spesifisyys ja tarkkuus jne.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Yksityiskohtainen kuvaus

Tämä on prospektiivinen, monikeskuksinen tutkimus, jonka tarkoituksena on kehittää ja validoida syväoppimismalli valvulaaristen sydänsairauksien seulontaan käyttäen rutiininomaista, kontrastittomista rintakehän tietokonetomografiakuvauksia (CT) fyysisen tutkimuksen ja poliklinikoiden potilailta sairaalaverkoston sisällä.

Pääasiallinen tavoite on arvioida mallin diagnostista suorituskykyä, kun käyrän alapuolen pinta-ala (AUC) toimii ensisijaisena tehokkuuspäätteenä. Toissijaiset päätteet sisältävät muita suorituskykymittareita, kuten herkkyyttä, spesifisyyttä ja tarkkuutta.

Kohdejoukon osallistujat käyvät läpi rutiininomaisen kontrastittoman rintakehän CT-kuvauksen. Syväoppimismalli analysoi nämä kuvat reaaliajassa. Niille, joita malli tunnistaa keskivaikeasta vaikeaan sydänläppäsairauteen, suoritetaan välittömästi vahvistava ekkokardiogrammi. Ekkokardiogrammin tulokset toimivat diagnoosivertailuarvona. Tilastollisia analyyseja suoritetaan arvioimaan mallin suorituskykyä tätä vertailuarvoa vastaan, mukaan lukien AUC:n 95 %:n luottamusvälin laskeminen.

Koska tämä tutkimus sisältää vain standardoituja, matalan säteilyannoksen diagnostisia kuvantamismenetelmiä (kontrastiton CT ja ekkokardiografia), jotka ovat osa rutiininomaista kliinistä hoitoa, sen katsotaan aiheuttavan osallistujille mitään lisäriskejä turvallisuuden kannalta. Tutkimuksen kokonaiskesto on arviolta 12 kuukautta.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

3000

Yhteystiedot ja paikat

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

Opiskeluyhteys

Opiskelupaikat

  • Kiina
    • Hubei
      • Wuhan, Hubei, Kiina
        • Rekrytointi
        • Renmin Hospital of Wuhan University
        • Ottaa yhteyttä:
    • Xinjiang
      • Ürümqi, Xinjiang, Kiina
        • Rekrytointi
        • Xinjiang Uygur Autonomous Region People's Hospital
        • Ottaa yhteyttä:
    • Zhejiang
      • Hangzhou, Zhejiang, Kiina
        • Rekrytointi
        • The Second Affiliated Hospital of Zhejiang University School of Medicine
        • Ottaa yhteyttä:

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

Joo

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Ihmiset, jotka ovat 18-vuotiaita tai vanhempia ja käyvät läpi terveystarkastuksia tai sairaaloiden poliklinikoilla.

Kuvaus

Osallistumiskriteerit:

  1. Ikä ≥ 18 vuotta.
  2. Täydellinen sähköinen terveystietorekisteri.
  3. Kontrastittomat rintakehän CT-kuvaukset suoritettu 1.11.2025 - 1.11.2026 välisenä aikana (kuntotarkastus tai avohoito).
  4. Tekoälyn ennustama keskivaikea tai vaikea läppäsairaus tai katsottava vaativan kliinistä toimenpidettä.

Poissulkemiskriteerit:

  1. Huonolaatuiset kontrastittomat rintakehän CT-kuvat.
  2. Epätäydelliset kliiniset tiedot, jotka sisältävät merkittäviä puutteita kriittisissä diagnostisissa tuloksissa, hoitotiedoissa, kuvantamistiedoissa, kirurgisissa tiedoissa, sairaushistorian yhteenvedoissa, laboratoriotutkimusten tuloksissa tai muissa välttämättömissä lääketieteellisissä tiedoissa.
  3. Läppäproteesien läsnäolo, mukaan lukien aortaläpät (mekaaniset läpät, bioproteesit), mitralis-läpät (transkateteerireunasta-reunaan -korjaukset, bioproteesit, mekaaniset läpät, annuloplastiarenkaat), trikuspidaaliläpät (TEER-klippaukset, bioproteesit, mekaaniset läpät, annuloplastiarenkaat), pulmonaaliläpät (bioproteesit) jne.
  4. Poikkeamat tai tilat, jotka tutkijan mukaan oikeuttavat poissulkemisen tutkimukseen osallistumisesta.

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
Herkkyys
Aikaikkuna: 1 vuosi
Herkkyys: Mittaa osuutta potilaista, joilla on keskivaikeasta vaikeaan sairaus, jotka malli tunnistaa oikein.
1 vuosi

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Vastaanottajan toimintaluokan käyrän alla oleva pinta-ala (AUC)
Aikaikkuna: 1 vuosi
AUC-arvio malliin, joka erottaa valvulaarisen sairauden vakavuusasteen. Tämän mallin AUC-arvo osoittaisi, kuinka hyvin se pystyy tunnistamaan oikein potilaat, joilla on kohtalainen tai vakava sairaus, potilaista, joilla on normaali tai lievä sairaus.
1 vuosi
Tarkkuus
Aikaikkuna: 1 vuosi
Tarkkuus: Mittaa, kuinka suuren osan kaikista potilaista malli luokittelee oikein kumpaankin ryhmään.
1 vuosi
Spesifisyys
Aikaikkuna: 1 vuosi
Spesifisyys: Mittaa mallin oikein tunnistamien normaali- tai lieväoireisten potilaiden osuutta.
1 vuosi

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Second Affiliated Hospital, School of Medicine, Zhejiang 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 (Todellinen)

Maanantai 2. maaliskuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Sunnuntai 1. marraskuuta 2026

Opintojen valmistuminen (Arvioitu)

Sunnuntai 1. marraskuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 27. helmikuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 27. helmikuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 4. maaliskuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 12. toukokuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Torstai 7. toukokuuta 2026

Viimeksi vahvistettu

Sunnuntai 1. maaliskuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • 2025-1250

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 .

Kliiniset tutkimukset Sydänläppäsairaudet

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in Trinidad & Tobago

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

Tilaa