Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

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

22 mai 2026 mis à jour par: 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.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Intervention / Traitement

Type d'étude

Observationnel

Inscription (Estimé)

50

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.

Lieux d'étude

  • Turquie (Türkiye)
    • Karatay
      • Konya, Karatay, Turquie (Türkiye), 42100
        • Recrutement
        • Konya City Hospital
        • Contact:
          • Ahmet Gumus, MD, Emergency Medicine Residen
          • Numéro de téléphone: +905547957490
          • E-mail: ahmetgms88@gmail.com

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

  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

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.

La description

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.

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
Diagnostic Performance for Occlusive Acute Myocardial Infarction
Délai: 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).

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Title: Differentiation Performance Between Type 1 MI and Type 2 MI
Délai: 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
Délai: 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

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Konya City Hospital

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 juin 2026

Achèvement primaire (Estimé)

31 décembre 2026

Achèvement de l'étude (Estimé)

31 janvier 2027

Dates d'inscription aux études

Première soumission

22 mai 2026

Première soumission répondant aux critères de contrôle qualité

22 mai 2026

Première publication (Réel)

2 juin 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

2 juin 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

22 mai 2026

Dernière vérification

1 mai 2026

Plus d'information

Termes liés à cette étude

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • 2026/133

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 .

S'abonner