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

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

2026. május 22. frissítette: 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.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Beavatkozás / kezelés

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

50

Kapcsolatok és helyek

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

Tanulmányi helyek

  • Törökország (Türkiye)
    • Karatay
      • Konya, Karatay, Törökország (Türkiye), 42100
        • Toborzás
        • Konya City Hospital
        • Kapcsolatba lépni:
          • Ahmet Gumus, MD, Emergency Medicine Residen
          • Telefonszám: +905547957490
          • E-mail: ahmetgms88@gmail.com

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

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

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.

Leírás

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.

Tanulási terv

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

Hogyan készül a tanulmány?

Tervezési részletek

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Diagnostic Performance for Occlusive Acute Myocardial Infarction
Időkeret: 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).

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Title: Differentiation Performance Between Type 1 MI and Type 2 MI
Időkeret: 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
Időkeret: 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

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Konya City Hospital

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)

2026. június 1.

Elsődleges befejezés (Becsült)

2026. december 31.

A tanulmány befejezése (Becsült)

2027. január 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2026. május 22.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2026. május 22.

Első közzététel (Tényleges)

2026. június 2.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. június 2.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. május 22.

Utolsó ellenőrzés

2026. május 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • 2026/133

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