Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Az AI-CAC modell a szubklinikai atherosclerosis kimutatására mellkasröntgenen (AI-CAC-PVS)

2024. március 3. frissítette: Fabrizio D'Ascenzo, Azienda Ospedaliera Città della Salute e della Scienza di Torino

Az AI-CAC modell a szubklinikai atherosclerosis kimutatására mellkasröntgenen: Prospektív validációs vizsgálat (AI-CAC-PVS)

Az AI-CAC modell egy mesterséges intelligencia rendszer, amely képes felmérni a szubklinikai érelmeszesedés jelenlétét egy egyszerű mellkas röntgenfelvételen. Ez a tanulmány prospektív validációt nyújt a diagnosztikai teljesítményére egy primer prevenciós populációban, ahol klinikai javallatok a koszorúér-kalcium (CAC) tesztelésére.

A tanulmány áttekintése

Részletes leírás

Az AI-CAC-PVS projekt egy prospektív, többközpontú, egykarú klinikai vizsgálat, amelyben 5 piemonti (Olaszország) radiológiai osztályon vesznek részt. Azokat az egymást követő személyeket, akikről korábban nem jelentettek kardiovaszkuláris eseményeket, nem kontrasztos mellkasi CT-re utaltak be a szívkoszorúér kalcium (CAC) pontszámának kardiovaszkuláris kockázati rétegződés céljából történő értékelése céljából, figyelembe veszik a vizsgálatba való bevonást. Azok a személyek, akik beleegyeznek a vizsgálatba, standard mellkasröntgenfelvételen esnek át, ami az egyetlen eltérés a klinikai gyakorlattól. A CAC pontszámot a nemzetközi szabványok szerinti mellkasi CT-felvételeken számítják ki, és az eredményt a beteg rendelkezésére bocsátják. A kezelőorvos által felírt viselkedési szokások, lipidcsökkentő, vérlemezke-, vérnyomáscsökkentő és antidiabetikus terápiák minden későbbi változását egy erre a célra szolgáló adatállományba gyűjtjük, valamint a szív- és érrendszeri események előfordulását az utolsó elérhető követéskor.

Az AI-CAC modellt alkalmazzák a mellkas röntgenfelvételére, és AI-CAC értéket adnak ki kimenetként. A páciens, a radiológus és a kezelőorvos a vizsgálat végéig nem kap tájékoztatást az AI-CAC értékről.

Az elsődleges eredmény az AI-CAC modell pontossága lesz a szubklinikai atherosclerosis jelenlétének kimutatására a mellkasröntgenen, összehasonlítva a CT-vizsgálattal (pl. CAC >0). Feltáró másodlagos eredményként értékelik a klinikai kimenetelek előrejelzésének képességét a nyomon követés során (ASCVD, atheroscleroticus szív- és érrendszeri betegségek, beleértve a szívinfarktust, az ischaemiás stroke-ot, a koszorúér-revaszkularizációt és a kardiovaszkuláris halálozást).

Tanulmány típusa

Beavatkozó

Beiratkozás (Becsült)

500

Fázis

  • Nem alkalmazható

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Leírás

Bevételi kritériumok:

  • Hozzájárulás a vizsgálatban való részvételhez
  • Életkor 40 és 75 év között
  • A kezelőorvos klinikai javallata a mellkasi CT elvégzésére a CAC pontszám értékeléséhez

Kizárási kritériumok:

  • Korábbi kardiovaszkuláris események (miokardiális infarktus, coronaria revascularisatio, átmeneti ischaemiás roham, stroke, tünetekkel járó perifériás érbetegség, perifériás körzetek artériás revascularisatio)
  • Rák vagy más krónikus betegségek, amelyek becsült prognózisa kevesebb, mint öt év
  • Technikai ellenjavallatok az elektrokardiográfiás kapuzással végzett mellkasi CT végrehajtásához (nagyon penetráns pitvarfibrilláció, gyakori kamrai extrasystoles)

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

  • Elsődleges cél: Megelőzés
  • Kiosztás: N/A
  • Beavatkozó modell: Egyetlen csoportos hozzárendelés
  • Maszkolás: Nincs (Open Label)

Fegyverek és beavatkozások

Résztvevő csoport / kar
Beavatkozás / kezelés
Kísérleti: AI-CAC kar
Minden olyan beteg, aki részt vett a vizsgálatban, és AI-CAC számításon esett át mellkasröntgenen
A szívkoszorúér kalcium pontszámának mélytanuláson alapuló előrejelzése sima mellkasröntgen segítségével

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Az AI-CAC pontszám diagnosztikai pontossága a szubklinikai atherosclerosis jelenlétének azonosítására a mellkasröntgenen
Időkeret: A vizsgálat befejezésével (várható átlagos követési idő 1 év).

Az AI-CAC pontszám diagnosztikai pontossága a szubklinikai atherosclerosis jelenlétének azonosítására (pl. AI-CAC >0) a mellkasröntgenen, összehasonlítva a nem kontrasztos EKG-vezérelt CT-vizsgálaton mért CAC-val (pl. CAC >0).

Az elsődleges eredmény értékeléséhez a görbe alatti terület (AUC) módszert kell használni.

A vizsgálat befejezésével (várható átlagos követési idő 1 év).

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Azon személyek százalékos aránya, akiknél a kezelőorvos terápiás kezelést váltott a CAC pontszám alapján, egyező AI-CAC-vel.
Időkeret: A vizsgálat befejezésével (várható átlagos követési idő 1 év).
Potenciális hatás az elsődleges prevenciós stratégiák megvalósítására: azaz azon egyének százalékos aránya, akiknél a kezelőorvos terápiás irányítást váltott (lipidcsökkentő terápia növelése vagy csökkentése, thrombocyta-aggregáció gátló terápia megkezdése vagy abbahagyása, viselkedési intézkedések) a CAC pontszám alapján, egyező AI-CAC.
A vizsgálat befejezésével (várható átlagos követési idő 1 év).
A nem (AI-CAC=0) és szubklinikai atherosclerosisban (AI-CAC >0) szenvedő betegeknél előforduló ASCVD események összehasonlítása az AI-CAC pontszám alapján, a Kaplan Meier által a vizsgálat befejezéséig előforduló ASCVD eseményekre vonatkozó becslések alapján.
Időkeret: A vizsgálat befejezésével (várható átlagos követési idő 1 év).
Az AI-CAC pontszám előrejelző képessége a nemkívánatos kardiovaszkuláris események (miokardiális infarktus, stroke, kardiovaszkuláris halálozás vagy koszorúér-revaszkularizáció) előfordulására az utolsó elérhető követéskor.
A vizsgálat befejezésével (várható átlagos követési idő 1 év).

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Becsült)

2024. április 1.

Elsődleges befejezés (Becsült)

2025. október 1.

A tanulmány befejezése (Becsült)

2025. október 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2024. február 26.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2024. március 3.

Első közzététel (Tényleges)

2024. március 8.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2024. március 8.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. március 3.

Utolsó ellenőrzés

2024. március 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

IGEN

IPD terv leírása

Publikáció a lektorált kardiovaszkuláris folyóiratban

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

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. .

Iratkozz fel