- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05829993
심전도 상의 병리학적 재분극 장애와 심실성 부정맥의 위험도를 검출하기 위한 인공지능 알고리즘 개발 (DEEPECG4U)
이 연구의 목적은 다음을 허용하는 인공 지능(딥 러닝) 모델을 APHP의 다양한 부서에서 실제 코호트에서 전향적으로 검증하는 것입니다.
- 다양한 ECG 정량적 특징의 자동 측정,
- LQT 식별 및 유형화와 TdP 위험.
연구 개요
상세 설명
Torsade-de-Pointes(TdP)는 잠재적으로 치명적인 심실 부정맥으로 심실 재분극(Long QT, LQT)의 연장에 의해 선호됩니다. 기존 LQT의 다른 유형은 심장 칼륨 전류(IKr; IKs)의 억제 또는 후기 나트륨 전류(INaL)의 활성화에서 파생됩니다. 이러한 변경은 선천적 기원(3가지 유형 =>cLQT-1:IKs, cLQT-2:IKr, cLQT-3: INaL) 또는 약물 유발(diLQT, IKr 억제를 통해)일 수 있습니다. 100개 이상의 약물이 TdP의 위험에도 불구하고 유리한 이익/위험 비율(예: 하이드록시클로로퀸).
심실 재분극 기간(msec)을 나타내며 심박수로 보정된 QRS 시작과 T파 종료 사이의 시간에 해당하는 QTc는 모든 LQT에서 연장됩니다. 변경된 전류의 함수로서 특정 T-파 이상이 설명되었으며 cLQT/diLQT 유형을 구별하는 데 도움이 됩니다. 따라서 ECG의 분석을 QTc의 분석으로 제한하는 것은 ECG에 포함된 정보가 훨씬 더 풍부하고 단순한 간격 측정에 제한되지 않기 때문에 그다지 예측적이지 않습니다.
우리는 최근 인공 지능(컨볼루션 신경망, 딥 러닝)을 사용한 ECG 분석이 QTc를 넘어 LQT 유형 및 TdP의 위험 예측에서 더 구별되는 ECG 요소를 식별한다는 것을 보여주었습니다. 이러한 기술을 사용하여 TdP의 위험을 예측하고 LQT 유형(0~100% 범위의 점수)을 식별하고 다양한 공통 ECG 매개변수(QTc, 심박수 포함)의 정량적 측정을 허용하는 확률적 모듈이 포함된 모델을 개발했습니다. , 홍보 및 QRS).
이 프로젝트의 목표는 APHP 모델의 다양한 부서에서 실제 코호트를 전향적으로 검증하여 다음을 허용하는 것입니다.
- 자동 QTc 측정,
- LQT 식별 및 유형화와 TdP 위험.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Joe-Elie SALEM, PU-PH
- 전화번호: 0033 1 42 17 85 35
- 이메일: joe-elie.salem@aphp.fr
연구 장소
-
-
-
Paris, 프랑스, 75013
- 모병
- Centre d'Investigation Clinique Paris-Est/Hôpital Pitié-Salpêtrière
-
연락하다:
- Joe-Elie SALEM, PU-PH
- 전화번호: 00 33 1 42 17 85 35
- 이메일: joe-elie.salem@aphp.fr
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 연령 ≥ 18
- ECG가 표시된 모집 센터에서 치료를 받는 환자 또는 피험자
- 연구 참여에 반대하지 않음
제외 기준:
- 심전도에 대한 의학적 금기
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
---|
보병대
ECG 수행에 대한 임상 적응증이 있는 환자
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
AI-딥러닝 모델의 진단 속성
기간: 0일
|
입원 환자 집단 내에서 매우 병리학적 QTc(≥500msec)가 있는 환자를 식별하기 위해 표준화되고 검증된 전문가 측정으로 딥러닝 정량적 QTc 측정 모델의 진단 속성(특이성, 민감도, 양성 예측값, 음성 예측값)을 평가합니다. 다양한 센터에서.
|
0일
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
선천성 긴 QT 환자 식별
기간: 0일
|
선천성 긴 QT 환자 식별을 위한 AI 모델을 평가하고 입원 환자 집단 내에서 유형을 구별합니다.
|
0일
|
약물 유발 획득 긴 QT 환자 식별
기간: 0일
|
약물 유발 획득 긴 QT 환자 식별을 위한 AI 모델 평가
|
0일
|
ECG 정량적 특징 측정
기간: 0일
|
QT, PR, QRS, 심박수 및 QTc 측정을 위한 AI 모델을 평가합니다.
|
0일
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Joe-Elie SALEM, PU-PH, Assistance Publique - Hôpitaux de Paris
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
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. .