- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT03662802
Sviluppo di una nuova rete neurale a convoluzione per la classificazione dell'aritmia (AI-ECG)
4 novembre 2020 aggiornato da: Sanjeev Bhavnani MD, Scripps Clinic
Sviluppo di una nuova rete neurale a convoluzione per la classificazione dell'aritmia per ritmi cardiaci defibrillabili
L'identificazione dell'aritmia corretta al momento di un evento clinico, compreso l'arresto cardiaco, è una priorità assoluta per i pazienti, le organizzazioni sanitarie e la sanità pubblica.
I recenti sviluppi nell'intelligenza artificiale e nell'apprendimento automatico stanno offrendo nuove opportunità per diagnosticare in modo rapido e accurato le aritmie cardiache e per il modo in cui i nuovi dispositivi mobili per la salute e la telemetria cardiaca vengono utilizzati nella cura dei pazienti.
L'attuale indagine mira a convalidare un nuovo approccio statistico di intelligenza artificiale chiamato "classificatore di rete neurale di convoluzione" e le sue prestazioni a diverse aritmie diagnosticate su ECG a 12 derivazioni e Holter/monitoraggio di eventi a derivazione singola.
Queste aritmie includono; fibrillazione atriale, tachicardia sopraventricolare, blocco AV, asistolia, tachicardia ventricolare e fibrillazione ventricolare e saranno confrontati con i criteri di prestazione dell'American Heart Association (intervallo di confidenza unilaterale al 95% del 67-92% basato sul tipo di aritmia).
A tal fine, l'approccio dello studio consiste nel creare un ampio database ECG di dati ECG grezzi deidentificati e addestrare la rete neurale sui dati ECG al fine di migliorare l'accuratezza diagnostica.
Panoramica dello studio
Stato
Completato
Condizioni
Intervento / Trattamento
Tipo di studio
Osservativo
Iscrizione (Effettivo)
25458
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
California
-
San Diego, California, Stati Uniti, 92037
- Scripps Clinic
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
- ADULTO
- ANZIANO_ADULTO
- BAMBINO
Accetta volontari sani
Sì
Sessi ammissibili allo studio
Tutto
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
Individui sottoposti a monitoraggio ECG a 12 derivazioni o Holter/Event
Descrizione
Criterio di inclusione:
- Tutti i dati ECG compilati da database ECG a 12 derivazioni, a derivazione singola e multipla
Criteri di esclusione:
- Nessuno
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Dati ECG
Dati codificati inclusi; lunghezze d'onda, ampiezza, intervalli, temporizzazione, frequenza
|
La rete neurale convoluzionale è configurata per ricevere un segmento di elettrocardiogramma come ingresso e per generare un'uscita indicativa del fatto che il segmento di elettrocardiogramma ricevuto rappresenti un'aritmia cardiaca.
Nessuna caratteristica specifica dell'elettrocardiogramma viene identificata nella rete neurale convoluzionale e il segmento dell'elettrocardiogramma ricevuto non viene filtrato, trasformato o elaborato prima della ricezione dall'algoritmo.
L'algoritmo viene addestrato in modo simile: i segmenti dell'elettrocardiogramma sono l'unico input per la rete neurale convoluzionale.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Precisione diagnostica
Lasso di tempo: 1 ANNO
|
Criteri di prestazione dell'ECG dell'American Heart Association
|
1 ANNO
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Investigatori
- Investigatore principale: Sanjeev Bhavnani, MD, Scripps Clinic Medical Group
Pubblicazioni e link utili
La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.
Pubblicazioni generali
- Johnson KW, Torres Soto J, Glicksberg BS, Shameer K, Miotto R, Ali M, Ashley E, Dudley JT. Artificial Intelligence in Cardiology. J Am Coll Cardiol. 2018 Jun 12;71(23):2668-2679. doi: 10.1016/j.jacc.2018.03.521.
- Kiranyaz S, Ince T, Gabbouj M. Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks. IEEE Trans Biomed Eng. 2016 Mar;63(3):664-75. doi: 10.1109/TBME.2015.2468589. Epub 2015 Aug 14.
- Bhavnani SP, Parakh K, Atreja A, Druz R, Graham GN, Hayek SS, Krumholz HM, Maddox TM, Majmudar MD, Rumsfeld JS, Shah BR. 2017 Roadmap for Innovation-ACC Health Policy Statement on Healthcare Transformation in the Era of Digital Health, Big Data, and Precision Health: A Report of the American College of Cardiology Task Force on Health Policy Statements and Systems of Care. J Am Coll Cardiol. 2017 Nov 28;70(21):2696-2718. doi: 10.1016/j.jacc.2017.10.018. No abstract available.
- Bhavnani SP, Narula J, Sengupta PP. Mobile technology and the digitization of healthcare. Eur Heart J. 2016 May 7;37(18):1428-38. doi: 10.1093/eurheartj/ehv770. Epub 2016 Feb 11.
- Vandendriessche B, Abas M, Dick TE, Loparo KA, Jacono FJ. A Framework for Patient State Tracking by Classifying Multiscalar Physiologic Waveform Features. IEEE Trans Biomed Eng. 2017 Dec;64(12):2890-2900. doi: 10.1109/TBME.2017.2684244. Epub 2017 Mar 17.
- Arvanaghi R, Daneshvar S, Seyedarabi H, Goshvarpour A. Fusion of ECG and ABP signals based on wavelet transform for cardiac arrhythmias classification. Comput Methods Programs Biomed. 2017 Nov;151:71-78. doi: 10.1016/j.cmpb.2017.08.013. Epub 2017 Aug 24.
- Figuera C, Irusta U, Morgado E, Aramendi E, Ayala U, Wik L, Kramer-Johansen J, Eftestol T, Alonso-Atienza F. Machine Learning Techniques for the Detection of Shockable Rhythms in Automated External Defibrillators. PLoS One. 2016 Jul 21;11(7):e0159654. doi: 10.1371/journal.pone.0159654. eCollection 2016.
- Li Q, Rajagopalan C, Clifford GD. Ventricular fibrillation and tachycardia classification using a machine learning approach. IEEE Trans Biomed Eng. 2014 Jun;61(6):1607-13. doi: 10.1109/TBME.2013.2275000. Epub 2013 Jul 26.
- Lyon A, Minchole A, Martinez JP, Laguna P, Rodriguez B. Computational techniques for ECG analysis and interpretation in light of their contribution to medical advances. J R Soc Interface. 2018 Jan;15(138):20170821. doi: 10.1098/rsif.2017.0821.
- Mjahad A, Rosado-Munoz A, Bataller-Mompean M, Frances-Villora JV, Guerrero-Martinez JF. Ventricular Fibrillation and Tachycardia detection from surface ECG using time-frequency representation images as input dataset for machine learning. Comput Methods Programs Biomed. 2017 Apr;141:119-127. doi: 10.1016/j.cmpb.2017.02.010. Epub 2017 Feb 10.
- Xiong Z, Nash MP, Cheng E, Fedorov VV, Stiles MK, Zhao J. ECG signal classification for the detection of cardiac arrhythmias using a convolutional recurrent neural network. Physiol Meas. 2018 Sep 24;39(9):094006. doi: 10.1088/1361-6579/aad9ed.
- Fan X, Yao Q, Cai Y, Miao F, Sun F, Li Y. Multiscaled Fusion of Deep Convolutional Neural Networks for Screening Atrial Fibrillation From Single Lead Short ECG Recordings. IEEE J Biomed Health Inform. 2018 Nov;22(6):1744-1753. doi: 10.1109/JBHI.2018.2858789. Epub 2018 Aug 7.
- Warrick PA, Nabhan Homsi M. Ensembling convolutional and long short-term memory networks for electrocardiogram arrhythmia detection. Physiol Meas. 2018 Oct 30;39(11):114002. doi: 10.1088/1361-6579/aad386.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (EFFETTIVO)
1 ottobre 2018
Completamento primario (EFFETTIVO)
1 marzo 2020
Completamento dello studio (EFFETTIVO)
1 ottobre 2020
Date di iscrizione allo studio
Primo inviato
5 settembre 2018
Primo inviato che soddisfa i criteri di controllo qualità
5 settembre 2018
Primo Inserito (EFFETTIVO)
7 settembre 2018
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (EFFETTIVO)
6 novembre 2020
Ultimo aggiornamento inviato che soddisfa i criteri QC
4 novembre 2020
Ultimo verificato
1 novembre 2020
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 027527
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
NO
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Aritmie, cardiache
-
Assiut UniversityNon ancora reclutamentoCardiac CT TOF
-
Rush University Medical CenterCompletatoAdvanced Cardiac Life Support, rianimazione cardiopolmonare, volume corrente, ventilazione manualeStati Uniti
Prove cliniche su Classificatore di reti neurali
-
Guy's and St Thomas' NHS Foundation TrustPhilips HealthcareCompletato
-
Karolinska InstitutetReclutamentoInsufficienza respiratoria acutaSvezia
-
Ospedale Generale Di Zona Moriggia-PelasciniOspedale di Vipiteno-Sterzing (SABES-ASDAA)CompletatoParalisi sopranucleare, progressiva | Atrofia multisistemica | Parkinsonismo primario | Morbo di Parkinson vascolare secondarioItalia
-
Johns Hopkins UniversityNational Heart, Lung, and Blood Institute (NHLBI)CompletatoSovrappeso e obesitàStati Uniti
-
Lisa DixonRitiratoSchizofrenia | Primo episodio di psicosiStati Uniti
-
Nopparatrajathanee HospitalCompletatoNascita prematuraTailandia
-
Medical College of WisconsinNational Institute of Mental Health (NIMH)Completato
-
Centre Hospitalier Universitaire, AmiensCompletatoIctus | Disturbi comportamentali | Disturbi cognitiviFrancia
-
Brigham and Women's HospitalNational Institute on Aging (NIA)TerminatoIpertensione | Ictus, ischemico acutoStati Uniti
-
Medical College of WisconsinEunice Kennedy Shriver National Institute of Child Health and Human Development...CompletatoSindrome da immunodeficienza acquisita | HIVBulgaria