Rilevazione ECG abilitata dall'intelligenza artificiale delle malattie cardiache congenite nei bambini: un nuovo strumento diagnostico (AI-ECG-CHD)
22 aprile 2024 aggiornato da: Jing Sun, Xinhua Hospital, Shanghai Jiao Tong University School of Medicine
La cardiopatia congenita (CHD) è la malattia congenita più comune nei bambini.
L’individuazione, la diagnosi e il trattamento precoci della malattia coronarica nei bambini sono di grande importanza per migliorare la prognosi e ridurre la mortalità infantile, ma gli attuali metodi di screening presentano dei limiti.
L'elettrocardiogramma (ECG), in quanto mezzo economico e rapido per il rilevamento delle malattie cardiache, ha un valore molto importante nella diagnosi ausiliaria delle malattie coronariche. I big data e le tecnologie di deep learning nell'intelligenza artificiale (AI) hanno mostrato un grande potenziale in campo medico.
L’avvento dell’era dei big data fornisce ricche risorse di dati per lo studio approfondito dei segnali ECG CHD nei bambini.
Lo sviluppo della tecnologia di deep learning, in particolare la svolta nel campo del riconoscimento delle immagini, fornisce un forte supporto tecnico per l’analisi intelligente dell’elettrocardiogramma.
La particolarità dell'elettrocardiogramma infantile richiede lo sviluppo di uno speciale modello di algoritmo.
Al momento, la ricerca sull’applicazione di modelli di deep learning per identificare gli elettrocardiogrammi dei bambini è limitata e mancano la formazione e la verifica di grandi quantità di dati.
Basato sulla rete di ricerca collaborativa cinese sulle malattie cardiache congenite, questo progetto mira a integrare i dati e la tecnologia di apprendimento profondo per sviluppare una serie di sistemi intelligenti di diagnosi assistita da elettrocardiogramma (sistema AI CHD-ECG) adatti a bambini con malattia coronarica, in modo da migliorare la diagnosi precoce tasso di rilevamento della malattia coronarica e migliorare l’efficienza dello screening delle malattie cardiache congenite.
Panoramica dello studio
Stato
Reclutamento
Tipo di studio
Osservativo
Iscrizione (Stimato)
30000
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Contatto studio
- Nome: Sun Jing, MD
- Numero di telefono: 15618497517
- Email: sunjing02@xinhuamed.com.cn
Luoghi di studio
-
-
Shanghai
-
Shanghai, Shanghai, Cina
- Reclutamento
- Xinhua Hospital, Shanghai Jiao Tong University School of Medicine
-
Contatto:
- Sun Jing, MD
- Numero di telefono: 15618497517
- Email: sunjing02@xinhuamed.com.cn
-
-
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
- Bambino
- Adulto
Accetta volontari sani
Sì
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
Il nostro set di dati consisteva in dati retrospettivi di pazienti di età inferiore a 18 anni che avevano ricevuto informazioni complete su ECG, ecocardiografia, esame e anamnesi.
Descrizione
Criterio di inclusione:
- L'età della prima visita era compresa tra 3 mesi dopo la nascita e 18 anni;
- Nel gruppo con difetto del setto interatriale, ai pazienti del gruppo dei casi è stato richiesto di completare un esame ECG e di confermare mediante un'attenta ecografia cardiaca la presenza di un semplice difetto del setto interatriale secondario senza altre malformazioni cardiache complesse (come drenaggio della vena polmonare ectopica, malformazione dell'arteria del cono del tronco , arco aortico interrotto, ipertensione polmonare primaria, ecc.). Nel gruppo con ipertensione polmonare, la presenza di ipertensione polmonare associata a malattia coronarica è stata confermata da un attento esame ecografico cardiaco. Il gruppo di controllo era composto da pazienti con struttura intracardiaca normale esaminati mediante ecografia cardiaca. L'intervallo di tempo tra l'esame ECG e l'esame ecocardiografico di tutti i pazienti è stato < 1 mese;
- Nessuna malattia grave al momento della visita iniziale (malattia organica non pericolosa per la vita causata da cardiopatia congenita).
Criteri di esclusione:
- Età della prima visita < 3 mesi o > 18 anni;
- Cardiopatie congenite complicate (come drenaggio venoso polmonare anomalo, malformazione dell'arteria cono tronco, arco aortico interrotto, ipertensione polmonare primaria, ecc.);
- Le informazioni cliniche sono incomplete, inclusa la mancanza di informazioni sull'ECG o sull'ecocardiografia, oppure l'intervallo di tempo tra l'ECG e l'ecocardiografia è > 1 mese;
- Malattie potenzialmente letali associate ad altri sistemi di organi;
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 |
|---|
|
Controllo
|
|
Ipertensione polmonare
|
|
Difetto del setto interatriale
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Database ECG su larga scala per bambini
Lasso di tempo: 2024.01.01-2024.12.30
|
Sono stati raccolti e confrontati i dati ECG di bambini provenienti da più centri, compresi i tipi di CHD comuni e rari e l'ECG di bambini normali, per costruire un database ECG su larga scala che copre diverse età e malattie CHD.
Inoltre, i dati ECG originali (segnali digitali o immagini ECG) verranno pre-elaborati per renderli conformi agli standard di input dei modelli di deep learning, in modo da migliorare la qualità e l'efficienza del successivo addestramento del modello e ridurre l'eterogeneità dei multi -centro dati ECG.
|
2024.01.01-2024.12.30
|
|
Modello di elettrocardiogramma assistito da intelligenza artificiale per la malattia coronarica nei bambini
Lasso di tempo: 2024.01.01-2025.12.30
|
Il modello di rete neurale profonda sarà stabilito sulla base di algoritmi come rete neurale convoluzionale, trasformatori e autoencoder, e sarà addestrato e verificato nel set di dati ECG multicentrico dei bambini (85%) stabilito sulla base di CCHDnet, in modo da ottimizzare continuamente il modello e migliorare le prestazioni diagnostiche del modello.
Inoltre, verrà integrato il modello di deep learning basato sulla singola malattia della malattia coronarica e verrà costruito il sistema di intelligenza artificiale CHD-ECG, che alla fine estrarrà e riconoscerà automaticamente le informazioni generali di base come l'età e il sesso del bambino attraverso l'ECG, quindi prevedere e classificare le potenziali caratteristiche CHD nell'ECG sulla base di ciò.
Il gruppo di ricerca ha inizialmente selezionato i sottotipi rappresentativi di CHD - difetto del setto interatriale e ipertensione polmonare come direzione iniziale dell'esplorazione.
|
2024.01.01-2025.12.30
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
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 gennaio 2024
Completamento primario (Stimato)
30 dicembre 2024
Completamento dello studio (Stimato)
30 dicembre 2025
Date di iscrizione allo studio
Primo inviato
22 aprile 2024
Primo inviato che soddisfa i criteri di controllo qualità
22 aprile 2024
Primo Inserito (Effettivo)
25 aprile 2024
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
25 aprile 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
22 aprile 2024
Ultimo verificato
1 aprile 2024
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- XHEC-C-2024-053-1
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
INDECISO
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 .