Application de l'intelligence artificielle à l'ECG à 12 dérivations pour le diagnostic de l'hypertension pulmonaire : une étude observationnelle
L'objectif de cette étude observationnelle est d'appliquer l'intelligence artificielle (IA) et la technologie d'apprentissage automatique à l'électrocardiogramme (ECG) à 12 dérivations au repos et d'évaluer s'il peut aider les médecins dans le diagnostic précoce de l'hypertension pulmonaire (PH). Un diagnostic précoce et précis est une étape importante pour les patients atteints d'HTP. Il permet de fournir des traitements efficaces précoces qui améliorent le pronostic et la qualité de vie. Les principales questions auxquelles notre étude vise à répondre sont les suivantes :
- La technologie AI dans l'ECG à 12 dérivations peut-elle prédire avec précision la présence d'HTP ?
- La technologie d'IA dans l'ECG à 12 dérivations peut-elle identifier des sous-types spécifiques d'HTP ?
- La technologie de l'IA dans l'ECG à 12 dérivations peut-elle prédire la mortalité chez les patients atteints d'HTP ?
Dans cette étude, les chercheurs recruteront des ECG à 12 dérivations parmi des participants consentants qui ont subi un cathétérisme cardiaque droit (RHC) dans le cadre de leurs soins cliniques de routine. La technologie de l'IA sera appliquée à ces ECG pour évaluer si la technologie automatisée peut prédire la présence d'HTP et de ses sous-types associés.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Cette étude sera dirigée par le Royal United Hospital Bath NHS Trust et l'Université John Moore de Liverpool. L'objectif de cette étude est d'utiliser l'intelligence artificielle (IA) et la technologie d'apprentissage automatique pour aider les cliniciens dans le diagnostic précoce de l'hypertension pulmonaire (HTP). Nous émettons l'hypothèse que les technologies d'IA peuvent améliorer la quantification et l'interprétation des paramètres impliqués dans la détection du PH. Cela se fait soit en mettant en évidence des anomalies significatives dans l'ECG à 12 dérivations, soit en fournissant rapidement des mesures entièrement automatisées des caractéristiques de l'ECG à 12 dérivations qui indiquent l'HTP. La combinaison de ces caractéristiques électrocardiographiques avec des données cliniques peut fournir des outils prédictifs très précis.
Cette étude observationnelle aura un volet rétrospectif et prospectif avec une période de suivi de 3 ans. Les participants n'auront besoin d'aucun test ou procédure supplémentaire à aucun moment de l'étude. Tous les ECG effectués dans les 12 mois précédant le cathétérisme cardiaque droit (RHC) d'un participant feront l'objet d'une analyse d'intelligence artificielle pour déterminer si les premiers indicateurs d'HTP sont identifiables.
Pour tous les participants recrutés, un formulaire de rapport de cas de clinicien anonymisé sera utilisé pour saisir les détails relatifs à leurs données démographiques et à leurs soins cliniques de routine. Les temps de suivi et les résultats, y compris la mortalité et la morbidité, seront également enregistrés.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Lieux d'étude
-
-
-
Bath, Royaume-Uni
- Royal United Hospital Bath NHS Trust
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- cohorte prospective : à partir de juillet 2023, tous les patients âgés de 18 ans ou plus qui sont référés au service de soins partagés d'hypertension pulmonaire de Bath avec une suspicion clinique d'HTP et qui, dans le cadre de leurs soins cliniques de routine, subissent une RHC et un ECG à 12 dérivations.
- Cohorte rétrospective : Tous les patients âgés de 18 ans ou plus qui ont été référés au service de soins partagés local pour l'hypertension pulmonaire entre 2007 et juin 2023, et dans le cadre de leurs soins cliniques de routine, ont subi une RHC dans l'année suivant un ECG à 12 dérivations. Cette cohorte comprendra également des patients décédés.
Critère d'exclusion:
- Le patient a moins de 18 ans
- Patients qui ne donnent pas un consentement valide (à l'exception des patients décédés ; approuvé par le REC)
- Patients qui n'ont pas subi de RHC pour évaluer l'HTP
- Patients qui n'ont pas eu d'ECG dans les 12 mois suivant leur RHC
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Cohorte rétrospective
Les patients qui ont déjà été vus par le service local d'hypertension pulmonaire, entre 2007 et juin 2023, pour un diagnostic suspecté d'hypertension pulmonaire, et qui ont subi un cathétérisme cardiaque droit (RHC) seront invités à participer à l'étude par un membre de l'équipe clinique directe. équipe de soins.
Leur ECG sera analysé à l'aide de la technologie de l'IA pour développer un algorithme d'aide au diagnostic de l'HTP.
|
L'intelligence artificielle décrit un logiciel informatique conçu pour imiter la fonction cognitive humaine.
L'apprentissage automatique est un type d'intelligence artificielle dans lequel le modèle créé est exposé à des données, identifie des modèles et reconnaît les relations entre les caractéristiques observées dans les données et la «vérité terrain».
Cette technologie sera appliquée aux ECG des participants.
|
|
Cohorte prospective
Les patients qui sont référés au service local de santé publique, à partir de juillet 2023, avec un diagnostic suspecté d'hypertension pulmonaire, et qui subissent un cathétérisme cardiaque droit seront invités à participer à l'étude par un membre de l'équipe de soins cliniques directs.
Leur ECG sera analysé à l'aide de la technologie de l'IA pour développer un algorithme d'aide au diagnostic de l'HTP.
|
L'intelligence artificielle décrit un logiciel informatique conçu pour imiter la fonction cognitive humaine.
L'apprentissage automatique est un type d'intelligence artificielle dans lequel le modèle créé est exposé à des données, identifie des modèles et reconnaît les relations entre les caractéristiques observées dans les données et la «vérité terrain».
Cette technologie sera appliquée aux ECG des participants.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Diagnostic d'hypertension pulmonaire
Délai: ligne de base
|
Les enquêteurs calculeront l'aire sous la courbe caractéristique de fonctionnement du récepteur (AUROC) pour le diagnostic de PH par la technologie de l'intelligence artificielle et la compareront à RHC (l'étalon-or)
|
ligne de base
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Sous-type d'hypertension pulmonaire
Délai: ligne de base
|
Les enquêteurs évalueront la précision des tests de diagnostic de la technologie d'intelligence artificielle pour classer les ECG des participants en fonction du sous-type d'hypertension pulmonaire et les comparer à l'évaluation clinique standard.
|
ligne de base
|
|
Mortalité
Délai: 3 années
|
Les enquêteurs calculeront l'aire sous la courbe des caractéristiques de fonctionnement du récepteur (AUROC) pour la mortalité telle que prédite par la technologie de l'intelligence artificielle
|
3 années
|
|
Morbidité
Délai: ligne de base
|
Les enquêteurs calculeront l'aire sous la courbe des caractéristiques de fonctionnement du récepteur pour la morbidité telle que prédite par la technologie de l'intelligence artificielle et la compareront aux mesures actuelles (classe fonctionnelle NYHA, 6MWT, tests de la fonction pulmonaire)
|
ligne de base
|
Collaborateurs et enquêteurs
Collaborateurs
Les enquêteurs
- Chercheur principal: Dan Augustine, BSc, MBBS, MRCP, Royal United Bath NHS Foundation Trust
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Estimé)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- RD2651
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .