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

Machine Learning for Diagnosis of Occlusive MI in LBBB Patients (AI-LBBB)

perjantai 22. toukokuuta 2026 päivittänyt: Ahmet Gumus, Konya City Hospital

Development of a Machine Learning Model for the Diagnosis of Occlusive Myocardial Infarction in the Setting of Left Bundle Branch Block

This study investigates a new way to diagnose severe heart attacks in patients who have a specific electrical heart pattern called a Left Bundle Branch Block (LBBB). When patients present to the emergency department with chest pain, doctors routinely perform an electrocardiogram (ECG) to check for a heart attack. However, the presence of an LBBB can alter the heart's electrical signals on the ECG, effectively masking or hiding the typical signs of an ongoing acute coronary occlusion (a completely blocked artery). This making it highly challenging for emergency physicians to make an accurate and rapid diagnosis.

The primary purpose of this prospective and observational research is to develop and evaluate an artificial intelligence/machine learning (ML) model that can analyze digital 12-lead ECG signals to accurately predict a true blocked coronary artery in patients with LBBB. The machine learning model will analyze raw digital ECG waveforms to detect subtle, microscopic patterns that might be missed by the human eye.

To confirm the accuracy of the model, its predictions will be compared directly with invasive coronary angiography results, which is the gold standard reference method used to visualize blocked vessels. Additionally, the study aims to evaluate if the model can differentiate between a true heart attack caused by a blocked artery (Type 1 MI) and other non-occlusive conditions that cause elevated heart enzymes (Type 2 MI). Ultimately, the investigators intend to determine whether integrating this machine learning tool into emergency care can safely reduce the rate of unnecessary emergency invasive procedures for patients who do not have a true coronary blockage.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

50

Yhteystiedot ja paikat

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

Opiskelupaikat

  • Turkki (Türkiye)
    • Karatay
      • Konya, Karatay, Turkki (Türkiye), 42100
        • Rekrytointi
        • Konya City Hospital
        • Ottaa yhteyttä:
          • Ahmet Gumus, MD, Emergency Medicine Residen
          • Puhelinnumero: +905547957490
          • Sähköposti: ahmetgms88@gmail.com

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

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

The study population consists of adult patients who present to the emergency department of a major tertiary care referral and research hospital (Konya City Hospital) with clinical symptoms highly suggestive of acute myocardial ischemia (such as chest pain or dyspnea) and whose initial 12-lead electrocardiogram (ECG) demonstrates a Left Bundle Branch Block (LBBB). This population represents a real-world, unselected cohort of emergency patients requiring immediate diagnostic workup and potential emergent or urgent invasive coronary angiography for suspected acute coronary occlusion.

Kuvaus

Inclusion Criteria:

  • Patients aged 18 years and older who present to the emergency department. Patients presenting with acute ischemic chest pain or clinical ischemia-equivalent symptoms (such as acute dyspnea, unexplained diaphoresis, or syncope).

Patients with a confirmed Left Bundle Branch Block (LBBB) on their initial 12-lead electrocardiogram (ECG), which can be either newly developed or known/chronic.

Patients who undergo invasive coronary angiography during their index hospital admission.

Patients or their legally authorized representatives who provide written informed consent to participate in the study.

Exclusion Criteria:

  • Patients under the age of 18. Pregnant or lactating women. Patients with poor-quality or uninterpretable digital ECG recordings due to severe artifact, missing leads, or technical errors.

Patients who develop cardiopulmonary arrest before an initial diagnostic 12-lead ECG can be obtained in the emergency department.

Patients transferred from another healthcare facility who have already undergone coronary angiography or revascularization.

Patients who decline to participate or refuse to provide written informed consent.

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
Diagnostic Performance for Occlusive Acute Myocardial Infarction
Aikaikkuna: Within the emergency department index visit (typically within 24 hours of presentation).
Evaluation of the developed machine learning model's diagnostic performance in predicting angiographically proven acute coronary occlusion (defined as TIMI 0-1 flow or equivalent true occlusion during catheterization). The primary metrics to evaluate this outcome will include the Area Under the Receiver Operating Characteristic (ROC) Curve (AUC), Sensitivity, Specificity, Positive Predictive Value (PPV), and Negative Predictive Value (NPV).
Within the emergency department index visit (typically within 24 hours of presentation).

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Title: Differentiation Performance Between Type 1 MI and Type 2 MI
Aikaikkuna: Within the hospital stay (up to 7 days).
Evaluation of the machine learning model's performance (measured by AUC, sensitivity, and specificity) to distinguish between acute coronary occlusion (Type 1 MI) and non-occlusive ischemic myocardial injury or supply-demand mismatch presenting with elevated cardiac troponin (Type 2 MI).
Within the hospital stay (up to 7 days).
Projected Reduction Rate of Unnecessary Angiographies
Aikaikkuna: Calculated at the study completion
Simulation and post-hoc analysis to quantify the potential relative reduction in the rate of emergency invasive coronary angiographies among LBBB patients without true coronary occlusion by applying the model's diagnostic probability scores.
Calculated at the study completion

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Konya City Hospital

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)

Maanantai 1. kesäkuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Torstai 31. joulukuuta 2026

Opintojen valmistuminen (Arvioitu)

Sunnuntai 31. tammikuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 22. toukokuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 22. toukokuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Tiistai 2. kesäkuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 2. kesäkuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 22. toukokuuta 2026

Viimeksi vahvistettu

Perjantai 1. toukokuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • 2026/133

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 .

Tilaa