Mesterséges intelligencia algoritmus kidolgozása az EKG kóros repolarizációs rendellenességeinek és a kamrai aritmiák kockázatának kimutatására (DEEPECG4U)
Ennek a tanulmánynak az a célja, hogy az APHP különböző részlegeiből származó valós kohorszokban prospektív módon érvényesítse mesterséges intelligencia (mélytanulási) modelljeinket, amelyek lehetővé teszik:
- különböző EKG kvantitatív jellemzők automatikus mérése,
- az LQT és a TdP kockázatának azonosítása és tipizálása.
A tanulmány áttekintése
Állapot
Körülmények
Részletes leírás
A Torsade-de-Pointes (TdP) potenciálisan végzetes kamrai aritmiák, amelyeket a kamrai repolarizáció megnyúlása (hosszú QT, LQT) kedvel. A létező LQT különböző típusai a szív káliumáramainak gátlásából (IKr ; IKs) vagy a késői nátriumáram aktiválásából (INaL) származnak. Ezek az elváltozások lehetnek veleszületett eredetűek (3 típus=>cLQT-1:IKs, cLQT-2:IKr, cLQT-3: INaL) vagy gyógyszer-indukáltak (diLQT, IKr gátlása révén). Több mint 100 gyógyszer rendelkezik forgalomba hozatali engedéllyel a TdP kockázata ellenére, mert kedvező haszon/kockázat arányuk van (pl. hidroxiklorokin).
A QTc, amely a kamrai repolarizáció időtartamát (msec) jelenti, és megfelel a QRS kezdete és a T-hullám vége közötti időnek, pulzusszámmal korrigálva, az összes LQT-ben megnyúlik. Leírták a megváltozott áramok függvényében a specifikus T-hullám rendellenességeket, amelyek segítik a cLQT/diLQT típusok megkülönböztetését. Így az EKG elemzésének a QTc-re való korlátozása nem túl prediktív, mivel az EKG-ban található információ sokkal gazdagabb, és nem korlátozódik egy intervallum egyszerű mérésére.
A közelmúltban kimutattuk, hogy az EKG-k mesterséges intelligenciával (konvolúciós neurális hálózat, mély tanulás) történő elemzése azonosítja az EKG azon elemeit, amelyek a QTc-n túlmenően diszkriminatívabbak az LQT típusának és a TdP kockázatának előrejelzésében. Ezekkel a technikákkal olyan valószínűségi modulokkal rendelkező modellt fejlesztettünk ki, amely előrejelzi a TdP kockázatát, azonosítja az LQT típusát (0 és 100% közötti pontszám), és lehetővé teszi a különböző általános EKG-paraméterek (beleértve a QTc-t, a pulzusszámot) kvantitatív mérését. , PR és QRS).
A projekt célja, hogy az APHP különböző részlegeiből származó valós kohorszokban prospektíven érvényesítse modellünket, amely lehetővé teszi:
- automatikus QTc mérés,
- az LQT és a TdP kockázatának azonosítása és tipizálása.
Tanulmány típusa
Beiratkozás (Becsült)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Joe-Elie SALEM, PU-PH
- Telefonszám: 0033 1 42 17 85 35
- E-mail: joe-elie.salem@aphp.fr
Tanulmányi helyek
-
-
-
Paris, Franciaország, 75013
- Toborzás
- Centre d'Investigation Clinique Paris-Est/Hôpital Pitié-Salpêtrière
-
Kapcsolatba lépni:
- Joe-Elie SALEM, PU-PH
- Telefonszám: 00 33 1 42 17 85 35
- E-mail: joe-elie.salem@aphp.fr
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- Életkor ≥ 18 év
- Olyan toborzóközpontokban gondozott betegek vagy alanyok, akiknél EKG-vizsgálat javasolt
- Nem ellenzi a vizsgálatban való részvételt
Kizárási kritériumok:
- Az EKG orvosi ellenjavallata
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
Kohorsz
olyan betegeknél, akiknek klinikai javallata van EKG-vizsgálat elvégzésére
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Az AI-mély tanulási modell diagnosztikai tulajdonsága
Időkeret: 0. nap
|
Értékelje a mélytanulási kvantitatív QTc mérési modell diagnosztikai tulajdonságait (specificitás, szenzitivitás, pozitív prediktív érték, negatív prediktív érték) szabványosított és validált szakértői méréssel a nagyon patológiás QTc (≥500 msec) betegek azonosítására a kórházi betegek populációján belül. különböző központokból.
|
0. nap
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A veleszületett hosszú QT-idővel rendelkező betegek azonosítása
Időkeret: 0. nap
|
Értékeljen egy mesterséges intelligencia-modellt a veleszületett hosszú QT-vel rendelkező betegek azonosítására, és különböztesse meg a típust a kórházi betegek populációjában
|
0. nap
|
|
A gyógyszer okozta szerzett hosszú QT-vel rendelkező betegek azonosítása
Időkeret: 0. nap
|
Értékeljen egy AI-modellt a gyógyszer okozta szerzett hosszú QT-vel rendelkező betegek azonosítására
|
0. nap
|
|
Az EKG mennyiségi jellemzőinek mérése
Időkeret: 0. nap
|
Értékeljen egy AI-modellt a QT, PR, QRS, pulzusszám és QTc mérésére.
|
0. nap
|
Együttműködők és nyomozók
Nyomozók
- Kutatásvezető: Joe-Elie SALEM, PU-PH, Assistance Publique - Hôpitaux de Paris
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Becsült)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- APHP211441
- 2022-A01502-41 (Egyéb azonosító: IDRCB ANSM)
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .
Klinikai vizsgálatok a Kamrai aritmia
-
Hamilton Health Sciences CorporationMég nincs toborzás
-
University of California, DavisUniversity of California, San DiegoToborzásLVAD (Left Ventricular Assist Device) hajtáslánc fertőzésEgyesült Államok
-
University of California, San FranciscoInternational Consortium of Circulatory Assist CliniciansToborzásLVAD (Left Ventricular Assist Device) hajtáslánc fertőzésEgyesült Államok
-
Institute for Clinical and Experimental MedicineToborzás