AI LVEF의 안전성 및 유효성 연구 (EchoNet-RCT)
2022년 6월 30일 업데이트: David Ouyang, Cedars-Sinai Medical Center
심장 기능의 인공 지능 가이드 평가의 맹검 무작위 통제 시험
통합된 AI 의사 결정 지원이 시간을 절약하고 심초음파 평가의 정확도를 향상시킬 수 있는지 여부를 확인하기 위해 연구자들은 심초음파 예비 판독에서 소노그래퍼 측정과 비교하여 좌심실 박출률의 AI 안내 측정에 대한 맹검 무작위 통제 연구를 수행하고 있습니다.
연구 개요
연구 유형
중재적
등록 (실제)
3495
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
California
-
Los Angeles, California, 미국, 90048
- Cedars-Sinai Medical Center
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
설명
포함 기준:
- 연구 이미징 연구에는 이미징(제한적 또는 포괄적인 경흉부 심초음파 연구)을 받은 환자가 포함되며 LVEF는 심장초음파/비침습적 심장 이미징 실험실에서 판정되었습니다.
- 연구 참여자는 심초음파/비침습적 심장 영상 연구실에서 독서를 하는 심장 전문의입니다.
제외 기준:
- 연구 이미징 연구는 경식도 심초음파 이미징을 제외합니다.
- 이 연구는 참여를 거부한 심장 전문의를 제외합니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 단일 그룹 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
활성 비교기: 소노그래퍼 주석
현재 소노그래퍼 기술자는 심장 전문의가 검증 및 오버리딩하기 전에 예비 해석을 제공합니다.
이렇게 시차를 두고 단계적으로 평가하면 환자 치료에 미치는 영향을 최소화하면서 AI 의사 결정 지원을 도입할 수 있습니다.
의사들은 이미 초음파 검사자의 다양한 훈련을 고려하여 예비 보고서를 조정하고 필요한 변경, 변형 또는 조정을 주시하는 데 익숙합니다.
|
좌심실의 표준 진료 소노그래퍼 측정 및 LVEF 평가
|
|
실험적: 인공 지능 주석
예비 연구에서 LVEF를 평가하기 위해 개발된 새로운 AI 알고리즘은 스탠포드 대학에서 수행된 10,030개의 심초음파에서 사람의 해석보다 더 정확한 것으로 나타났습니다(Ouyang et al.
자연, 2020).
무작위화를 통해 AI 기술이 예비 해석의 일부를 수행하고 연구팀은 이 예비 해석이 최종 해석과 얼마나 다른지 평가할 것입니다.
|
시맨틱 분할 딥 러닝 모델은 좌심실을 식별하고 좌심실에 레이블을 지정합니다.
AI 모델은 비디오 기반 기능을 사용하여 LVEF 평가를 생성합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
예비 보고서와 최종 보고서 사이에 LVEF의 >5% 변화 빈도
기간: 10 분
|
LVEF가 최종 보고서에서 5% 이상 변경된 연구의 비율
|
10 분
|
|
예비 보고서와 최종 보고서 간의 평균 LVEF 변화
기간: 10 분
|
예비 보고서와 최종 보고서 간의 평균 LVEF 변화
|
10 분
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
주파수 심장 전문의가 예비 주석을 조정합니다.
기간: 10 분
|
주석이 변경된 연구의 비율
|
10 분
|
|
이전 임상 보고서와 최종 보고서 간의 LVEF의 평균 변화
기간: 10 분
|
이전 임상 보고서와 최종 보고서 간의 LVEF의 평균 변화
|
10 분
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2022년 4월 1일
기본 완료 (실제)
2022년 6월 29일
연구 완료 (실제)
2022년 6월 29일
연구 등록 날짜
최초 제출
2021년 11월 17일
QC 기준을 충족하는 최초 제출
2021년 11월 30일
처음 게시됨 (실제)
2021년 12월 1일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 7월 5일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 6월 30일
마지막으로 확인됨
2022년 6월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .