- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT06328075
Intelligence artificielle pour aider à l'identification échocardiographique de l'amylose cardiaque à transthyrétine (AI-ATTR-ECHO)
Le but de cette étude est de développer un algorithme utilisant l'intelligence artificielle (IA) pour aider à l'identification des cas potentiels d'ATTR-CM à l'aide d'une échocardiographie transthoracique de routine.
Les principales questions auxquelles elle vise à répondre sont :
- est l'algorithme capable de diagnostiquer ATTR-CM
- est l'algorithme capable de diagnostiquer différents types d'ATTR-CM (ATTRv, ATTRwt)
Il s'agit d'une étude non interventionnelle. Les échocardiographies des participants seront, après désidentification, utilisées pour entraîner, valider et tester l'algorithme.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
L'amylose à transthyrétine (TTR) est une maladie systémique grave affectant plusieurs organes cibles, notamment le système nerveux périphérique, le cœur et les reins. En l’absence de traitement, la médiane de survie pour les formes symptomatiques avec atteinte cardiaque est de 3 à 4 ans.
Ces dernières années, de nouveaux traitements ont prouvé leur efficacité dans l’amylose à transthyrétine, permettant de ralentir la progression de la neuropathie et des lésions cardiaques. Ces traitements semblent particulièrement efficaces lorsqu'ils sont initiés à un stade précoce de la maladie.
Il est donc nécessaire d’établir le diagnostic le plus tôt possible afin de bénéficier au maximum du traitement. Cependant, lors de l'examen clinique, de l'électrocardiogramme ou de l'échocardiographie de routine, les signes évoquant une amylose cardiaque ne sont pas spécifiques. Le diagnostic initial est donc souvent difficile, manqué ou retardé et le délai médian entre les premiers symptômes et la mise en route du traitement est d'environ 3 ans.
C'est donc la phase initiale du diagnostic qui doit être améliorée de manière suffisamment sensible et spécifique pour détecter précocement les cas potentiels tout en évitant des examens inutiles en cas de faible probabilité.
L'objectif de l'étude est de développer et de valider un outil d'aide au dépistage de l'amylose cardiaque à transthyrétine, à partir d'une échocardiographie standard, sans nécessité de participation active du cardiologue au processus de diagnostic. Cet apport diagnostique permettra au cardiologue d'évoquer le diagnostic d'amylose cardiaque et d'envisager des explorations complémentaires.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Vincent Algalarrondo, MD, PhD
- Numéro de téléphone: +33140257785
- E-mail: vincent.algalarrondo@aphp.fr
Sauvegarde des contacts de l'étude
- Nom: Gregory Ducrocq, MD, PhD
- Numéro de téléphone: +33140256600
- E-mail: gregory.ducrocq@aphp.fr
Lieux d'étude
-
-
-
Paris, France, 75018
- Recrutement
- Bichat
-
Contact:
- Vincent Algalarrondo, MD, PhD
- Numéro de téléphone: +33140257785
- E-mail: vincent.algalarrondo@aphp.fr
-
Contact:
- Gregory Ducrocq, PD, PhD
- E-mail: gregory.ducrocq@aphp.fr
-
-
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
Patients ATTR-CM :
Critère d'intégration:
Amylose cardiaque à transthyrétine diagnostiquée sur les critères classiques :
- Absence d'immunoglobuline monoclonale ET
- Présence d'une scintigraphie aux bisphosphonates avec rehaussement au niveau cardiaque OU
2-Présence d'une biopsie cardiaque montrant une amylose cardiaque à transthyrétine (rouge Congo positif) (démontrée soit par immunocoloration, soit par spectrométrie de masse) OU 3-Présence d'une biopsie périphérique montrant une amylose cardiaque à transthyrétine (voir ci-dessus) associée à une infiltration cardiaque (épaisseur pariétale > 12 mm sans autre cause d'hypertrophie cardiaque)
- Pas d'opposition à la recherche
Critères de non-inclusion :
- Autre cause d’amylose cardiaque : l’amylose AL AA…
- Cardiopathie mixte avec présence associée de cardiopathies non amyloïdes (cardiopathie ischémique, dilatée, etc.)
Patients témoins :
Critère d'intégration:
- Indication de l'échocardiographie transthoracique dans le cadre du suivi cardiologique
- Patient affilié à la sécurité sociale
- Accord du patient pour participer à la recherche et signature du formulaire de consentement.
- Conditions techniques de l'examen et d'échogénicité permettant l'acquisition d'images échocardiographiques de bonne qualité, permettant un post-traitement
Critères de non-inclusion :
- Présence d'amylose cardiaque telle que définie ci-dessus
- Présence d’amylose à transthyrétine même sans atteinte cardiaque démontrée
- Patient suivi pour une mutation asymptomatique de la transthyrétine
- Patient mineur ou incapable de donner son consentement (patient inconscient, sous tutelle)
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
---|---|
Amylose cardiaque à transthyrétine (ATTR-CM)
Patients avec un ATTR-CM et subissant une échocardiographie transthoracique
|
étude non interventionnelle
|
Contrôles
Patients sans amylose cardiaque subissant une échocardiographie transthoracique dans le cadre d'un suivi cardiologique
|
étude non interventionnelle
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Construire et valider les courbes de métriques de performances diagnostiques de l'algorithme d'IA pour diagnostiquer ATTR-CM :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images échocardiographiques acquises en routine des aspects évocateurs d'amylose à transthyrétine. Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées :
|
année 1
|
Construire et valider les métriques de performances de diagnostic de l'algorithme d'IA pour diagnostiquer ATTR-CM :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images d'échocardiographie acquises en routine des aspects évocateurs d'amylose à transthyrétine ATTR. Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées : Exactitude, sensibilité ou rappel, spécificité, taux de faux positifs, taux de faux négatifs, précision (tous sont exprimés sous forme de ratio) |
année 1
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Construire et valider les métriques de performances de diagnostic de l'algorithme d'IA pour diagnostiquer ATTRwt-CM :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images échocardiographiques acquises en routine des aspects évocateurs d'amylose à transthyrétine. Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées : Exactitude, sensibilité ou rappel, spécificité, taux de faux positifs, taux de faux négatifs, précision (tous sont exprimés sous forme de ratio) |
année 1
|
Construire et valider les métriques de performances de diagnostic de l'algorithme d'IA pour diagnostiquer ATTRv-V122I-CM :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images échocardiographiques acquises en routine des aspects évocateurs d'amylose à transthyrétine. Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées : Exactitude, sensibilité ou rappel, spécificité, taux de faux positifs, taux de faux négatifs, précision (tous sont exprimés sous forme de ratio) |
année 1
|
Construire et valider les métriques de performances de diagnostic de l'algorithme d'IA pour diagnostiquer ATTRv-CM :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images échocardiographiques acquises en routine des aspects évocateurs d'amylose à transthyrétine. Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées : Exactitude, sensibilité ou rappel, spécificité, taux de faux positifs, taux de faux négatifs, précision (tous sont exprimés sous forme de ratio) |
année 1
|
Construire et valider les métriques de performances diagnostiques de l'algorithme d'IA pour différencier ATTR-CM de l'hypertrophie VG (LVH) :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images échocardiographiques acquises en routine des aspects évocateurs d'amylose à transthyrétine de l'HVG. Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées : Exactitude, sensibilité ou rappel, spécificité, taux de faux positifs, taux de faux négatifs, précision (tous sont exprimés sous forme de ratio) |
année 1
|
Construire et valider les courbes de métriques de performances de diagnostic de l'algorithme d'IA pour diagnostiquer ATTRwt-CM :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images échocardiographiques acquises en routine des aspects évocateurs d'amylose à transthyrétine (sous-groupe ATTRwt). Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées :
|
année 1
|
Construire et valider les courbes de métriques de performances de diagnostic de l'algorithme d'IA pour diagnostiquer ATTRv-V122I-CM :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images échocardiographiques acquises en routine des aspects évocateurs d'amylose à transthyrétine (sous-groupe ATTRv-V122I). Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées :
|
année 1
|
Construire et valider les courbes de métriques de performances diagnostiques de l'algorithme d'IA pour diagnostiquer ATTRv-CM :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur les images échocardiographiques acquises en routine des aspects évocateurs d'amylose à transthyrétine (sous-groupe ATTRv). Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées :
|
année 1
|
Construire et valider les courbes de performances diagnostiques de l'algorithme d'IA pour différencier l'ATTR-CM de l'hypertrophie VG (LVH) :
Délai: année 1
|
Développer et valider un outil utilisant l'intelligence artificielle et un algorithme qui améliorera la détection automatique sur des images d'échocardiographie acquises en routine d'aspects évocateurs d'amylose à transthyrétine (sous-groupe ATTRv) dans un sous-ensemble de patients atteints d'HVG. Une matrice de confusion sera construite et les mesures de performances de diagnostic suivantes seront calculées :
|
année 1
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chaise d'étude: Gabriel Steg, MD, PhD, Bichat Hospital
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
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
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- AI-ATTR-ECHO
- 20211029191554 (Autre identifiant: registre général des traitements de l'APHP)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
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 .
Essais cliniques sur étude non interventionnelle
-
Apple Inc.Stanford UniversityComplétéFibrillation auriculaire | Arythmies cardiaques | Flutter auriculaireÉtats-Unis
-
Radicle ScienceComplétéLa dépression | La douleur | Dormir | AnxiétéÉtats-Unis
-
Radboud University Medical CenterUCB Pharma; Verily Life Sciences LLCRecrutementMaladies du cerveau | Troubles du mouvement | Maladies neurodégénératives | Paralysie supranucléaire progressivePays-Bas
-
Radboud University Medical CenterUCB Pharma; Verily Life Sciences LLCRecrutementMaladies du cerveau | Maladies du système nerveux central | Maladies du système nerveux | Maladie de Parkinson | Troubles parkinsoniens | Maladies des noyaux gris centraux | Troubles du mouvement | Maladies neurodégénérativesPays-Bas
-
Radicle ScienceComplété
-
Radicle ScienceActif, ne recrute pas
-
Digisight Technologies, Inc.InconnueLa rétinopathie diabétique | Dégénérescence maculaire liée à l'âge | MétamorphopsieÉtats-Unis
-
St. Joseph's Healthcare HamiltonSuspendu
-
University of MichiganComplété