左心室収縮機能不全の AI-ECG スクリーニング
2024年2月1日 更新者：Seoul National University Hospital
左心室収縮機能不全の AI-ECG スクリーニング: 前向き観察的多施設研究
現在の研究の目的は、左心室収縮機能不全の潜在的なスクリーニングツールとして心電図に適用される人工知能アルゴリズムの有効性を検証することです。
調査の概要
詳細な説明
現在の研究者らは、148,547人の患者からの364,845個のECGを通じて左心室収縮期機能不全を検出する12誘導心電図(ECG)に基づく人工知能(AI)アルゴリズムを開発した。 次に、24,376 人の患者の 59,805 個の ECG でモデルを遡及的にテストしたところ、受信者動作特性曲線の下の面積として表されるモデルのパフォーマンスは 0.889 (95% CI 0.887-0.891) でした。
我々は、左心室収縮機能不全の潜在的なスクリーニングツールとしてのモデルの有効性を前向きに検証する予定です。
研究の種類
観察的
入学 (推定)
1530
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前：Hak Seung Lee, MD
- 電話番号：+1-771-216-0764
- メール：cardiolee@gmail.com
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
なし
サンプリング方法
非確率サンプル
調査対象母集団
日常診療で 12 誘導 ECG および経胸壁心エコー検査を受けている患者
説明
包含基準:
- 個人またはその法定代理人が研究への参加に同意し、同意書に署名する人
- 12誘導心電図と経胸壁心エコー検査の両方を完了可能
除外基準:
- 年齢が18歳未満の個人。
- 研究への参加に同意しない個人
- 研究者の判断により臨床試験に参加できない患者
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
受信機動作特性曲線下面積 (AUROC)
時間枠：学習完了までに平均1年
|
LVSD を検出する AI モデルのパフォーマンス。AUROC として表現されます。
LVSDの診断支援として、(1-特異度)に対する感度で表したROC曲線を提示し、以下の領域であるAUROCを計算することで予測精度を確認します。
|
学習完了までに平均1年
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
感度
時間枠：学習完了までに平均1年
|
LVSDを検出するAIモデルの感度
|
学習完了までに平均1年
|
|
特異性
時間枠：学習完了までに平均1年
|
左室収縮機能が正常な患者を検出する AI モデルの感度
|
学習完了までに平均1年
|
|
陽性的中率
時間枠：学習完了までに平均1年
|
募集された患者集団における陽性的中率
|
学習完了までに平均1年
|
|
陰性的中率
時間枠：学習完了までに平均1年
|
募集された患者集団における陰性的中率
|
学習完了までに平均1年
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
捜査官
- 主任研究者：Seung-Pyo Lee, MD, PhD、Seoul National University Hospital
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Kwon JM, Jo YY, Lee SY, Kang S, Lim SY, Lee MS, Kim KH. Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG. Diagnostics (Basel). 2022 Mar 8;12(3):654. doi: 10.3390/diagnostics12030654.
- Kwon JM, Kim KH, Jeon KH, Kim HM, Kim MJ, Lim SM, Song PS, Park J, Choi RK, Oh BH. Development and Validation of Deep-Learning Algorithm for Electrocardiography-Based Heart Failure Identification. Korean Circ J. 2019 Jul;49(7):629-639. doi: 10.4070/kcj.2018.0446. Epub 2019 Mar 21.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (推定)
2024年2月1日
一次修了 (推定)
2024年7月10日
研究の完了 (推定)
2025年7月10日
試験登録日
最初に提出
2023年11月2日
QC基準を満たした最初の提出物
2024年1月21日
最初の投稿 (実際)
2024年1月30日
学習記録の更新
投稿された最後の更新 (推定)
2024年2月5日
QC基準を満たした最後の更新が送信されました
2024年2月1日
最終確認日
2023年10月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。