Extraction de caractéristiques d'électrocardiogramme à grande échelle basée sur l'intelligence artificielle et exploration de l'association entre les caractéristiques extraites et la mortalité, l'accident vasculaire cérébral ou divers résultats de santé d'intérêt
22 décembre 2023 mis à jour par: Yonsei University
- Dans cette étude, des données ECG à grande échelle (données d'électrocardiogramme de tous les patients stockées dans le système MUSE en mesurant l'ECG standard à 12 guides lors du bilan de santé de départ à l'hôpital de départ du 1er novembre 2005 au 31 octobre 2022) sont combinées avec des données médicales électroniques. enregistrements, les données de la National Health Insurance Corporation et les données sur les causes de décès du National Statistical Office, et l'algorithme d'intelligence artificielle est utilisé pour extraire les caractéristiques de l'ECG afin d'analyser l'association entre le décès, l'accident vasculaire cérébral et divers problèmes de santé, et pour effectuer une vérification externe ou un transfert d'apprentissage en utilisant bases de données publiques (par exemple, données de la UK Biobank).
- Destiné à utiliser une plate-forme d'intelligence artificielle basée sur le Web pour répartir les charges de calcul générées lors du traitement de données à grande échelle et améliorer la précision et l'efficacité de l'analyse.
Aperçu de l'étude
Statut
Pas encore de recrutement
Les conditions
Description détaillée
- Tous les identifiants de patients obtenus auprès du bureau principal sont remplacés par des identifiants de recherche (identifiants anonymisés), de sorte que l'identifiant réel n'est pas exposé et que d'autres informations d'identification personnelle (nom, numéro d'enregistrement du résident) ne sont pas collectées.
Méthodes de recherche:
- Extraction d'électrocardiogramme basée sur les critères des sujets.
- Combiné avec les données ECG extraites et les données de la National Insurance Corporation (+ données sur les causes de décès de l'Office national des statistiques).
- Définition de la santé par intérêt (HOI). Comprend les décès, les accidents vasculaires cérébraux, etc.
- Le HOI défini peut être extrait des données du centre médical Yonsei, des données du service d'assurance nationale ou des données sur les causes de décès de Statistics Korea.
- Formation sur modèle d'intelligence artificielle avec électrocardiogramme (et diagramme d'informations cliniques si nécessaire) en entrée, utilisant des algorithmes d'apprentissage profond supervisé s'il existe une étiquette et des algorithmes d'apprentissage non supervisés s'il n'y a pas d'étiquette.
- Évaluation des performances des modèles d’intelligence artificielle à apprentissage supervisé.
- Dans le cas de modèles d'intelligence artificielle à apprentissage non supervisé, l'association/corrélation entre les caractéristiques extraites et le HOI ou l'analyse de prévisibilité/détectabilité.
- L'apprentissage par transfert peut être effectué en ajoutant une vérification externe ou des données diélectriques au modèle appris à l'aide de bases de données publiques.
- La vérification externe peut être effectuée à l'aide de données supplémentaires externes en montant le modèle appris sur une plate-forme d'intelligence artificielle basée sur le Web.
- Compte tenu des données à grande échelle, les charges de travail informatiques peuvent être réparties à l’aide de plateformes Web d’intelligence artificielle.
- Les résultats de l'analyse peuvent être anonymisés et les résultats de l'analyse peuvent être fournis aux chercheurs via une plateforme Web d'intelligence artificielle.
Type d'étude
Observationnel
Inscription (Estimé)
3000000
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Coordonnées de l'étude
- Nom: Hui-Nam Pak
- Numéro de téléphone: 82-2-2228-8459
- E-mail: hnpak@yuhs.ac
Lieux d'étude
-
-
-
Seoul, Corée, République de
- Yonsei University Health System
-
Contact:
- Hui-Nam Pak
- Numéro de téléphone: 82-2-2228-8459
- E-mail: hnpak@yuhs.ac
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Non
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Tous les patients stockés dans le système MUSE après avoir mesuré un électrocardiogramme standard à 12 guides lors du bilan de santé de départ à l'hôpital de départ du 1er novembre 2005 au 31 octobre 2022.
La description
Critère d'intégration:
Tous les patients stockés dans le système MUSE après avoir mesuré un électrocardiogramme standard à 12 guides lors du bilan de santé de départ à l'hôpital de départ du 1er novembre 2005 au 31 octobre 2022.
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Nombre de patients avec mortalité
Délai: 2 ans
|
Étudier la reproductibilité de la prédiction de la mortalité (nombre de patients décédés quelle qu'en soit la cause) à partir des données ECG mesurées dans l'année précédant le décès à l'aide d'algorithmes d'intelligence artificielle
|
2 ans
|
|
Nombre de patients atteints d'accident vasculaire cérébral, de fibrillation auriculaire ou de démence
Délai: 2 ans
|
Étudier la corrélation de certains modèles d'ECG avec la possibilité d'accident vasculaire cérébral/fibrillation auriculaire, démence à l'aide d'algorithmes d'intelligence artificielle.
|
2 ans
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Les enquêteurs
- Chercheur principal: Hui-Nam Pak, Yonsei University
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Estimé)
1 décembre 2023
Achèvement primaire (Estimé)
1 décembre 2025
Achèvement de l'étude (Estimé)
1 décembre 2025
Dates d'inscription aux études
Première soumission
22 novembre 2023
Première soumission répondant aux critères de contrôle qualité
21 décembre 2023
Première publication (Réel)
22 décembre 2023
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Estimé)
1 janvier 2024
Dernière mise à jour soumise répondant aux critères de contrôle qualité
22 décembre 2023
Dernière vérification
1 décembre 2023
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 4-2022-1506
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
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 .