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-Based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST) (EP-AI ASSIST)

28 octobre 2026 mis à jour par: Yong-Soo Baek, Inha University Hospital

AI-based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST)

This multicenter retrospective study aims to develop, validate, and clinically apply an artificial intelligence (AI)-powered electrocardiography (ECG) algorithm for the diagnosis and prognostic prediction of cardiovascular diseases, including coronary artery disease and heart failure. By utilizing encrypted raw 12-lead ECG text data and deep neural network models, the study evaluates the effectiveness of AI-enhanced ECG in detecting cardiac abnormalities and predicting clinical outcomes.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Intervention / Traitement

Type d'étude

Observationnel

Inscription (Estimé)

10000

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: Yongsoo Baek, MD, PhD
  • Numéro de téléphone: +82-32-890-2200
  • E-mail: existsoo@inha.ac.kr

Lieux d'étude

  • Corée du Sud
    • Incheon
      • Incheon, Incheon, Corée du Sud, 22332
        • Recrutement
        • Inha University Hospital
        • Contact:

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

19 ans et plus (Adulte, Adulte plus âgé)

Accepte les volontaires sains

Non

Sexes éligibles pour l'étude

Tout

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Retrospective cohort of patients aged 19 years or older with PSVT, WPW syndrome, PVC, or VT who underwent electrophysiological study and catheter ablation at participating institutions between January 2005 and December 2023.

La description

Inclusion Criteria:

  • Age 19 years or older
  • Diagnosis of one of the following arrhythmias: paroxysmal supraventricular tachycardia (PSVT), Wolff-Parkinson-White (WPW) syndrome, premature ventricular contractions (PVC), or ventricular tachycardia (VT)
  • Underwent an electrophysiological study (EPS) and catheter ablation
  • Available 12-lead electrocardiogram (ECG) records that can be extracted as text (XML) files

Exclusion Criteria:

  • Inadequate ECG data quality, as judged by the investigator
  • Missing medical records required for the study, as judged by the investigator

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

  • Modèles d'observation: COHORT
  • Perspectives temporelles: RETROSPECTIVE

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Cardiovascular Disease and Tachycardia Cohort

Patients aged 19 years or older diagnosed with tachycardias (including PSVT, WPW syndrome, PVC, or VT) who underwent an electrophysiological study (EPS) and radiofrequency catheter ablation (RFCA), with extractable 12-lead ECG text data[cite: 1].
Test diagnostique: AI-based ECG Diagnostic and Localization Algorithm

Application of a deep learning-based 12-lead electrocardiogram (ECG) algorithm to analyze raw text data for the differential diagnosis and localization of tachycardias, including PSVT, WPW syndrome, PVC, and VT[cite: 1].

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Area Under the ROC Curve (AUC) of AI-ECG Models for Differentiating Tachycardia Mechanisms Confirmed by Electrophysiological Study
Délai: Baseline

Diagnostic performance of Transformer-based deep learning models applied to 12-lead ECG raw data for differentiating tachycardia mechanisms, including atrioventricular nodal reentrant tachycardia (AVNRT) versus atrioventricular reentrant tachycardia (AVRT). The reference standard is the diagnosis confirmed by electrophysiological study and catheter ablation. Performance is summarized as AUC with 95% confidence interval (range 0-1; higher values indicate better discrimination).
Baseline

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Area Under the ROC Curve (AUC) of AI-ECG Models for Localizing Arrhythmia Origin Sites (Accessory Pathway, PVC, and VT) Confirmed by Successful Catheter Ablation
Délai: Baseline

Performance of AI-ECG models in classifying the anatomical site of the arrhythmia substrate from the pre-ablation 12-lead ECG, including (1) accessory pathway location in Wolff-Parkinson-White syndrome, (2) the origin of premature ventricular contractions, and (3) the origin of ventricular tachycardia. The reference standard is the site identified by electrophysiological mapping and confirmed by successful catheter ablation. For each classification task, performance is reported as AUC with 95% confidence interval (range 0-1; higher values indicate better classification).
Baseline

Collaborateurs et enquêteurs

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

Parrainer

Inha University 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 (Réel)

1 décembre 2023

Achèvement primaire (Estimé)

1 décembre 2028

Achèvement de l'étude (Estimé)

1 décembre 2028

Dates d'inscription aux études

Première soumission

29 septembre 2026

Première soumission répondant aux critères de contrôle qualité

29 septembre 2026

Première publication (Réel)

5 octobre 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

30 octobre 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

28 octobre 2026

Dernière vérification

1 octobre 2026

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • 2023-12-033
  • 2023-12-033 (Identificateur de registre: Inha University Hospital Institutional Review Board)

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

Description du régime IPD

Individual participant data (IPD) will not be shared with other researchers due to institutional data privacy policies and ethical regulations concerning retrospective clinical records and encrypted electrocardiogram data.

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