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.

AI-ACLD Study: Artificial Intelligence in Advanced Chronic Liver Disease (AI-ACLD)

21 juillet 2026 mis à jour par: Antonio Galante

Application of Artificial Intelligence Using Wearable Technology in Patients With Advanced Chronic Liver Disease (ACLD): a Trajectomics Approach.

The research project studies the possibility of using an artificial intelligence-based system in patients with advanced chronic liver disease (liver cirrhosis) to record variations in a patient's health status, with the aim of early identification of clinical improvement or deterioration. The system is based on the collection and processing of various clinical parameters through an Apple Watch. The study aims to evaluate whether the data generated by this system correlate with patients' clinical evolution and whether its use may ultimately contribute to improved care management and quality of life.

Aperçu de l'étude

Statut

Complété

Les conditions

Intervention / Traitement

Type d'étude

Observationnel

Inscription (Réel)

8

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

  • Suisse
      • Lugano, Suisse, 6900
        • Ente Ospedaliero Cantonale

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

Patients hospitalized at Ente Ospedaliero Cantonale (EOC) in Lugano or Bellinzona or patients followed at the Department for Gastroenterology and Hepatology, Ente Ospedaliero Cantonale will be assessed for inclusion in the study

La description

Inclusion Criteria:

  • Adults aged 18-75 years
  • Diagnosis of advanced chronic liver disease (ACLD).
  • Either:
  • hospitalized for hepatic decompensation or acute-on-chronic liver failure (ACLF), including ascites, hepatorenal syndrome, hepatic encephalopathy, bacterial infection, gastrointestinal bleeding, or jaundice; or
  • outpatient with Child-Pugh B cirrhosis and no evidence of hepatic decompensation or ACLF at enrolment.
  • Willing and able to provide written informed consent.

Exclusion Criteria:

  • Inability or refusal to provide written informed consent
  • Inability to wear or correctly use the Apple Watch
  • Patients with hepatocellular carcinoma beyond the Milan Criteria (one lesion up to 5 cm or 3 lesions up to 3 cm in diameter)
  • Presence of hepatic decompensation or ACLF

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
Feasibility and accuracy of machine learning analysis of individual health data collected by wearable device.
Délai: From enrollment to the end of the study (6 months)

The primary outcome is to assess the feasibility and accuracy of machine learning analysis of individual health data collected by wearable device and to describe their patterns during hospitalization due to symptoms of decompensation or ACLF and in outpatients until hospitalization due to decompensation or ACLF in patients with liver cirrhosis. Health data continuously collected through a dedicated wearable device application comprise: heart rate and heart rate variability (HR; HRV), oxygen saturation (SpO₂), ECG (QRS, PQ, PT Tpe interval), sleep quality and duration, daily step count, tremor intensity (Hz), typing speed (taps/time).

The single unit of measure used to assess the feasibility of the wearable device is the usable data acquisition rate (%), defined as the percentage of monitoring data successfully collected and suitable for analysis.
From enrollment to the end of the study (6 months)

Collaborateurs et enquêteurs

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

Parrainer

Antonio Galante

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 (Réel)

29 décembre 2022

Achèvement primaire (Réel)

17 janvier 2024

Achèvement de l'étude (Réel)

17 janvier 2024

Dates d'inscription aux études

Première soumission

16 juillet 2026

Première soumission répondant aux critères de contrôle qualité

21 juillet 2026

Première publication (Réel)

23 juillet 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

23 juillet 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

21 juillet 2026

Dernière vérification

1 juillet 2026

Plus d'information

Termes liés à cette étude

Autres numéros d'identification d'étude

  • AI-ACLD Study

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