Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

AI-Based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST) (EP-AI ASSIST)

28 ottobre 2026 aggiornato da: Yong-Soo Baek, Inha University Hospital

AI-based Differential Diagnosis and Localization of Tachycardia Using ECG: Multicenter Registry (EP-AI ASSIST)

This multicenter retrospective study aims to develop, validate, and clinically apply an artificial intelligence (AI)-powered electrocardiography (ECG) algorithm for the diagnosis and prognostic prediction of cardiovascular diseases, including coronary artery disease and heart failure. By utilizing encrypted raw 12-lead ECG text data and deep neural network models, the study evaluates the effectiveness of AI-enhanced ECG in detecting cardiac abnormalities and predicting clinical outcomes.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Intervento / Trattamento

Tipo di studio

Osservativo

Iscrizione (Stimato)

10000

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Luoghi di studio

  • Corea del Sud
    • Incheon
      • Incheon, Incheon, Corea del Sud, 22332
        • Reclutamento
        • Inha University Hospital
        • Contatto:

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

19 anni e precedenti (Adulto, Adulto più anziano)

Accetta volontari sani

No

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Retrospective cohort of patients aged 19 years or older with PSVT, WPW syndrome, PVC, or VT who underwent electrophysiological study and catheter ablation at participating institutions between January 2005 and December 2023.

Descrizione

Inclusion Criteria:

  • Age 19 years or older
  • Diagnosis of one of the following arrhythmias: paroxysmal supraventricular tachycardia (PSVT), Wolff-Parkinson-White (WPW) syndrome, premature ventricular contractions (PVC), or ventricular tachycardia (VT)
  • Underwent an electrophysiological study (EPS) and catheter ablation
  • Available 12-lead electrocardiogram (ECG) records that can be extracted as text (XML) files

Exclusion Criteria:

  • Inadequate ECG data quality, as judged by the investigator
  • Missing medical records required for the study, as judged by the investigator

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

  • Modelli osservazionali: COHORT
  • Prospettive temporali: RETROSPECTIVE

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
Cardiovascular Disease and Tachycardia Cohort

Patients aged 19 years or older diagnosed with tachycardias (including PSVT, WPW syndrome, PVC, or VT) who underwent an electrophysiological study (EPS) and radiofrequency catheter ablation (RFCA), with extractable 12-lead ECG text data[cite: 1].
Test diagnostico: AI-based ECG Diagnostic and Localization Algorithm

Application of a deep learning-based 12-lead electrocardiogram (ECG) algorithm to analyze raw text data for the differential diagnosis and localization of tachycardias, including PSVT, WPW syndrome, PVC, and VT[cite: 1].

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Area Under the ROC Curve (AUC) of AI-ECG Models for Differentiating Tachycardia Mechanisms Confirmed by Electrophysiological Study
Lasso di tempo: Baseline

Diagnostic performance of Transformer-based deep learning models applied to 12-lead ECG raw data for differentiating tachycardia mechanisms, including atrioventricular nodal reentrant tachycardia (AVNRT) versus atrioventricular reentrant tachycardia (AVRT). The reference standard is the diagnosis confirmed by electrophysiological study and catheter ablation. Performance is summarized as AUC with 95% confidence interval (range 0-1; higher values indicate better discrimination).
Baseline

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Area Under the ROC Curve (AUC) of AI-ECG Models for Localizing Arrhythmia Origin Sites (Accessory Pathway, PVC, and VT) Confirmed by Successful Catheter Ablation
Lasso di tempo: Baseline

Performance of AI-ECG models in classifying the anatomical site of the arrhythmia substrate from the pre-ablation 12-lead ECG, including (1) accessory pathway location in Wolff-Parkinson-White syndrome, (2) the origin of premature ventricular contractions, and (3) the origin of ventricular tachycardia. The reference standard is the site identified by electrophysiological mapping and confirmed by successful catheter ablation. For each classification task, performance is reported as AUC with 95% confidence interval (range 0-1; higher values indicate better classification).
Baseline

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Inha University Hospital

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 dicembre 2023

Completamento primario (Stimato)

1 dicembre 2028

Completamento dello studio (Stimato)

1 dicembre 2028

Date di iscrizione allo studio

Primo inviato

29 settembre 2026

Primo inviato che soddisfa i criteri di controllo qualità

29 settembre 2026

Primo Inserito (Effettivo)

5 ottobre 2026

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

30 ottobre 2026

Ultimo aggiornamento inviato che soddisfa i criteri QC

28 ottobre 2026

Ultimo verificato

1 ottobre 2026

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • 2023-12-033
  • 2023-12-033 (Identificatore di registro: Inha University Hospital Institutional Review Board)

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Descrizione del piano IPD

Individual participant data (IPD) will not be shared with other researchers due to institutional data privacy policies and ethical regulations concerning retrospective clinical records and encrypted electrocardiogram data.

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 .

Sottoscrivi