- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06062316
멀티모달 특징 구조 기술을 이용한 급성 심근경색 후 심근 리모델링의 경고 모델
멀티모달 특징 구조 기술을 기반으로 한 급성 심근경색 후 심근 리모델링의 조기 경보 모델
급성심근경색(AMI)은 인간의 생명을 위협하는 가장 중요한 질병 중 하나이다. 기존의 심근경색 예후 예측 척도는 대부분 6~8개의 임상 텍스트 지표를 통해 사망, 재발성 심근경색, 심부전 발생률을 예측하고 있으며, 비교적 간단하게 데이터를 수집하고 있다. 심근재형성은 심근경색 후 초기 단계에 시작되어 계속 진행될 수 있는 불리한 병리학적 변화로서 심부전 및 사망의 주요 병리학적 기전이다. 그러나 심근 리모델링에 대한 정량적 조기 경고 모델이 없으며 조기 개입에 대한 임상적 지침도 부족합니다.
우리의 이전 연구는 심장 자기공명영상이 심근경색 후 부종성 심근의 괴사 면적과 회복 가능한 심근을 정확하게 정량화할 수 있다는 것을 발견했습니다. 본 연구에서는 새로운 신경망 아키텍처를 구축하기 위해 기계 학습 알고리즘, 가변 컨볼루션 네트워크(DCN) 및 캡슐 네트워크(capsnet)를 사용했습니다. MRI, 초음파 등 멀티모달 임상영상 데이터의 구조적 특징 추출이 구현됩니다. 구축된 심근경색 환자 3000명의 데이터베이스와 결합해 멀티모달 특징 매트릭스를 구축하고, SVM(Support Vector Machine), RF(Random Forest) 등 다양한 분류기를 활용해 심근 리모델링을 정량적으로 예측할 예정이다. 다양한 분류기의 효과를 평가했습니다. 이번 프로젝트를 통해 중국인의 특성에 맞춰 급성심근경색 후 심근재형성의 정량적 조기경보 모델을 구축할 수 있을 것으로 기대된다. 데이터베이스 외부의 동일한 유형의 데이터를 검증에 사용하여 효율적이고 안정적인 조기 경보 모델을 구축합니다.
연구 개요
상태
정황
연구 유형
등록 (실제)
연락처 및 위치
연구 연락처
- 이름: Zhi Liu
- 전화번호: 13911517967
- 이메일: xwyy168@sina.com
연구 장소
-
-
Xicheng
-
Beijing, Xicheng, 중국, 100000
- Xuanwu Hospital, Capital Medical University
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
급성 심근경색 진단 기준:
증가 또는 감소된 심장 바이오마커(바람직하게는 cTn), 상한 기준치의 99번째 백분위수를 최소 한 번 초과하고, 컷오프 변동성이 10% 이하이고, 심근 허혈에 대한 최소 하나의 증거(증상, 심전도 허혈성 변화, 병리학적 Q-를 포함함) 파도 또는 영상 증거).
설명
포함 기준:
- 1. 18~80세의 급성 심근경색 환자; 2.발병부터 치료까지의 시간은 72시간 이내이다. 3.심근효소 Tni/Tnt(+).
제외 기준:
- 1. 악성종양 환자 2. 전통적인 치료를 받을 수 없는 환자 3. 관상동맥 조영술을 받지 않았고 해부학적 및 영상 데이터가 부족한 환자; 4.심장수술을 받은 환자(관상동맥우회술 제외)
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
심근경색 후 심근 리모델링의 발생을 평가하기 위한 새로운 컨벌루션 신경망 알고리즘 및 심장 자기공명영상.
기간: 일년
|
(심근 리모델링의 정량적 특성 분석, 심근 경색 후 부종성 심근 내 괴사 부위 및 회복 가능한 심근을 정량화하는 심장 자기 공명 영상).
|
일년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
기존 데이터베이스의 다차원 지표를 인공지능 방법을 통해 심근 리모델링 위치 및 과정과 비교 분석 정도의 상관관계를 분석하였다.
기간: 일년
|
새롭게 개발된 Deformable Convolutional Capsule 네트워크를 통해 기존 급성 심근경색 환자의 임상 및 영상 종합 데이터베이스를 중심으로 The Networks(DCCN) 연구를 통해 해당 데이터에 대해 머신러닝을 수행하여 관련 특징 추출 및 논리적 관계 분석을 완료했습니다. 심근경색 후 심근 리모델링. 강력한 상관관계 기능이 선별되었습니다. |
일년
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Zhi Liu, Xuanwu Hospital, Beijing
간행물 및 유용한 링크
일반 간행물
- McMurray JJ, Packer M, Desai AS, Gong J, Lefkowitz MP, Rizkala AR, Rouleau JL, Shi VC, Solomon SD, Swedberg K, Zile MR; PARADIGM-HF Investigators and Committees. Angiotensin-neprilysin inhibition versus enalapril in heart failure. N Engl J Med. 2014 Sep 11;371(11):993-1004. doi: 10.1056/NEJMoa1409077. Epub 2014 Aug 30.
- Motwani M, Dey D, Berman DS, Germano G, Achenbach S, Al-Mallah MH, Andreini D, Budoff MJ, Cademartiri F, Callister TQ, Chang HJ, Chinnaiyan K, Chow BJ, Cury RC, Delago A, Gomez M, Gransar H, Hadamitzky M, Hausleiter J, Hindoyan N, Feuchtner G, Kaufmann PA, Kim YJ, Leipsic J, Lin FY, Maffei E, Marques H, Pontone G, Raff G, Rubinshtein R, Shaw LJ, Stehli J, Villines TC, Dunning A, Min JK, Slomka PJ. Machine learning for prediction of all-cause mortality in patients with suspected coronary artery disease: a 5-year multicentre prospective registry analysis. Eur Heart J. 2017 Feb 14;38(7):500-507. doi: 10.1093/eurheartj/ehw188.
- Anderson L, Oldridge N, Thompson DR, Zwisler AD, Rees K, Martin N, Taylor RS. Exercise-Based Cardiac Rehabilitation for Coronary Heart Disease: Cochrane Systematic Review and Meta-Analysis. J Am Coll Cardiol. 2016 Jan 5;67(1):1-12. doi: 10.1016/j.jacc.2015.10.044.
- Hausenloy DJ, Yellon DM. Myocardial ischemia-reperfusion injury: a neglected therapeutic target. J Clin Invest. 2013 Jan;123(1):92-100. doi: 10.1172/JCI62874. Epub 2013 Jan 2.
- Moran AE, Forouzanfar MH, Roth GA, Mensah GA, Ezzati M, Murray CJ, Naghavi M. Temporal trends in ischemic heart disease mortality in 21 world regions, 1980 to 2010: the Global Burden of Disease 2010 study. Circulation. 2014 Apr 8;129(14):1483-92. doi: 10.1161/CIRCULATIONAHA.113.004042. Epub 2014 Feb 26.
- Abuomara HZA, Hassan OM, Rashid T, Baraka M. Myocardial performance index as an echocardiographic predictor of early in-hospital heart failure during first acute anterior ST-elevation myocardial infarction. Egypt Heart J. 2018 Jun;70(2):71-75. doi: 10.1016/j.ehj.2017.12.001. Epub 2017 Dec 24.
- Hendriks T, Schurer RAJ, Al Ali L, van den Heuvel AFM, van der Harst P. Left ventricular restoration devices post myocardial infarction. Heart Fail Rev. 2018 Nov;23(6):871-883. doi: 10.1007/s10741-018-9711-2.
- Iborra-Egea O, Galvez-Monton C, Roura S, Perea-Gil I, Prat-Vidal C, Soler-Botija C, Bayes-Genis A. Mechanisms of action of sacubitril/valsartan on cardiac remodeling: a systems biology approach. NPJ Syst Biol Appl. 2017 Apr 18;3:12. doi: 10.1038/s41540-017-0013-4. eCollection 2017.
- Seferovic PM, Fragasso G, Petrie M, Mullens W, Ferrari R, Thum T, Bauersachs J, Anker SD, Ray R, Cavusoglu Y, Polovina M, Metra M, Ambrosio G, Prasad K, Seferovic J, Jhund PS, Dattilo G, Celutkiene J, Piepoli M, Moura B, Chioncel O, Ben Gal T, Heymans S, Jaarsma T, Hill L, Lopatin Y, Lyon AR, Ponikowski P, Lainscak M, Jankowska E, Mueller C, Cosentino F, Lund LH, Filippatos GS, Ruschitzka F, Coats AJS, Rosano GMC. Heart Failure Association of the European Society of Cardiology update on sodium-glucose co-transporter 2 inhibitors in heart failure. Eur J Heart Fail. 2020 Nov;22(11):1984-1986. doi: 10.1002/ejhf.2026. Epub 2020 Oct 27.
- Pasternak B, Ueda P, Eliasson B, Svensson AM, Franzen S, Gudbjornsdottir S, Hveem K, Jonasson C, Wintzell V, Melbye M, Svanstrom H. Use of sodium glucose cotransporter 2 inhibitors and risk of major cardiovascular events and heart failure: Scandinavian register based cohort study. BMJ. 2019 Aug 29;366:l4772. doi: 10.1136/bmj.l4772.
- West R, Jones D. Cardiac rehabilitation and mortality reduction after myocardial infarction: the emperor's new clothes? Evidence against cardiac rehabilitation. Heart. 2013 Jul;99(13):911-3. doi: 10.1136/heartjnl-2013-303705. Epub 2013 May 4.
- Milani RV, Lavie CJ. Impact of cardiac rehabilitation on depression and its associated mortality. Am J Med. 2007 Sep;120(9):799-806. doi: 10.1016/j.amjmed.2007.03.026.
- Karuzas A, Rumbinaite E, Verikas D, Ptasinskas T, Muckiene G, Kazakauskaite E, Zabiela V, Jurkevicius R, Vaskelyte JJ, Zaliunas R, Zaliaduonyte-Peksiene D. Accuracy of three-dimensional systolic dyssynchrony and sphericity indexes for identifying early left ventricular remodeling after acute myocardial infarction. Anatol J Cardiol. 2019 Jun;22(1):13-20. doi: 10.14744/AnatolJCardiol.2019.02844.
- Kagiyama N, Shrestha S, Cho JS, Khalil M, Singh Y, Challa A, Casaclang-Verzosa G, Sengupta PP. A low-cost texture-based pipeline for predicting myocardial tissue remodeling and fibrosis using cardiac ultrasound. EBioMedicine. 2020 Apr;54:102726. doi: 10.1016/j.ebiom.2020.102726. Epub 2020 Apr 6.
- Chirinos JA, Sardana M, Ansari B, Satija V, Kuriakose D, Edelstein I, Oldland G, Miller R, Gaddam S, Lee J, Suri A, Akers SR. Left Atrial Phasic Function by Cardiac Magnetic Resonance Feature Tracking Is a Strong Predictor of Incident Cardiovascular Events. Circ Cardiovasc Imaging. 2018 Dec;11(12):e007512. doi: 10.1161/CIRCIMAGING.117.007512.
- Ranka S, Reddy M, Noheria A. Artificial intelligence in cardiovascular medicine. Curr Opin Cardiol. 2021 Jan;36(1):26-35. doi: 10.1097/HCO.0000000000000812.
- Ahmad T, Lund LH, Rao P, Ghosh R, Warier P, Vaccaro B, Dahlstrom U, O'Connor CM, Felker GM, Desai NR. Machine Learning Methods Improve Prognostication, Identify Clinically Distinct Phenotypes, and Detect Heterogeneity in Response to Therapy in a Large Cohort of Heart Failure Patients. J Am Heart Assoc. 2018 Apr 12;7(8):e008081. doi: 10.1161/JAHA.117.008081.
- Tokodi M, Schwertner WR, Kovacs A, Toser Z, Staub L, Sarkany A, Lakatos BK, Behon A, Boros AM, Perge P, Kutyifa V, Szeplaki G, Geller L, Merkely B, Kosztin A. Machine learning-based mortality prediction of patients undergoing cardiac resynchronization therapy: the SEMMELWEIS-CRT score. Eur Heart J. 2020 May 7;41(18):1747-1756. doi: 10.1093/eurheartj/ehz902.
- Sanchez-Cabo F, Rossello X, Fuster V, Benito F, Manzano JP, Silla JC, Fernandez-Alvira JM, Oliva B, Fernandez-Friera L, Lopez-Melgar B, Mendiguren JM, Sanz J, Ordovas JM, Andres V, Fernandez-Ortiz A, Bueno H, Ibanez B, Garcia-Ruiz JM, Lara-Pezzi E. Machine Learning Improves Cardiovascular Risk Definition for Young, Asymptomatic Individuals. J Am Coll Cardiol. 2020 Oct 6;76(14):1674-1685. doi: 10.1016/j.jacc.2020.08.017.
- Commandeur F, Slomka PJ, Goeller M, Chen X, Cadet S, Razipour A, McElhinney P, Gransar H, Cantu S, Miller RJH, Rozanski A, Achenbach S, Tamarappoo BK, Berman DS, Dey D. Machine learning to predict the long-term risk of myocardial infarction and cardiac death based on clinical risk, coronary calcium, and epicardial adipose tissue: a prospective study. Cardiovasc Res. 2020 Dec 1;116(14):2216-2225. doi: 10.1093/cvr/cvz321.
- Than MP, Pickering JW, Sandoval Y, Shah ASV, Tsanas A, Apple FS, Blankenberg S, Cullen L, Mueller C, Neumann JT, Twerenbold R, Westermann D, Beshiri A, Mills NL; MI3 Collaborative. Machine Learning to Predict the Likelihood of Acute Myocardial Infarction. Circulation. 2019 Sep 10;140(11):899-909. doi: 10.1161/CIRCULATIONAHA.119.041980. Epub 2019 Aug 16.
- Tan JH, Hagiwara Y, Pang W, Lim I, Oh SL, Adam M, Tan RS, Chen M, Acharya UR. Application of stacked convolutional and long short-term memory network for accurate identification of CAD ECG signals. Comput Biol Med. 2018 Mar 1;94:19-26. doi: 10.1016/j.compbiomed.2017.12.023. Epub 2018 Jan 2.
- D'Ascenzo F, De Filippo O, Gallone G, Mittone G, Deriu MA, Iannaccone M, Ariza-Sole A, Liebetrau C, Manzano-Fernandez S, Quadri G, Kinnaird T, Campo G, Simao Henriques JP, Hughes JM, Dominguez-Rodriguez A, Aldinucci M, Morbiducci U, Patti G, Raposeiras-Roubin S, Abu-Assi E, De Ferrari GM; PRAISE study group. Machine learning-based prediction of adverse events following an acute coronary syndrome (PRAISE): a modelling study of pooled datasets. Lancet. 2021 Jan 16;397(10270):199-207. doi: 10.1016/S0140-6736(20)32519-8.
- Fernandez-Ruiz I. Machine learning predicts risk in ACS. Nat Rev Cardiol. 2021 Apr;18(4):230. doi: 10.1038/s41569-021-00521-8. No abstract available.
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 (실제)
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. .