이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

Relevance of Artificial Intelligence-Assisted Echocardiography for Left Ventricular Ejection Fraction Assessment in Geriatric Patients (REFERENCE-AI)

2026년 7월 27일 업데이트: Gérond'if

Heart failure (HF) is the leading cause of hospitalization among adults aged 80 years and older and represents a major diagnostic challenge in geriatric medicine due to frequently atypical clinical presentations and the presence of multiple comorbidities. Although transthoracic echocardiography (TTE) with measurement of left ventricular ejection fraction (LVEF) remains the gold standard for cardiac functional assessment, access to echocardiography is often limited in geriatric wards.

Recent advances in artificial intelligence (AI) have enabled the development of portable ultrasound devices and automated image analysis software capable of providing reliable and reproducible LVEF measurements. AI-assisted automated LVEF assessment (AutoEF-AI) may therefore represent a valuable alternative to conventional echocardiography for the cardiac evaluation of older patients with heart failure.

연구 개요

상세 설명

Prospective, single-center interventional study comparing two methods of left ventricular ejection fraction measurement in patients aged 75 years and older hospitalized for acute heart failure.Each hemodynamically stable participant will undergo two echocardiographic examinations performed within 24 hours:

  • Standard Echocardiography (Reference Method)
  • AI-assisted automated LVEF assessment (AutoEF-AI)

연구 유형

중재적

등록 (추정된)

130

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

연구 연락처 백업

연구 장소

      • Paris, 프랑스, 75013
        • 모병
        • Broca Hospital
        • 연락하다:

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

  • 고령자

건강한 자원 봉사자를 받아들입니다

아니

설명

Inclusion Criteria:

  • Age ≥75 years.
  • Hospitalization in a geriatric unit for acute heart failure according to the 2021 ESC diagnostic criteria.
  • Hemodynamic stability at the time of echocardiographic examination.
  • Ability to understand study information, provide written informed consent, and willingness to participate.
  • Affiliation with, or beneficiary of, a health insurance/social security scheme.

Exclusion Criteria:

  • Hemodynamic instability preventing echocardiographic assessment.
  • Contraindication to transthoracic echocardiography.
  • Patients under legal protection (guardianship, curatorship, or judicial protection measures) or unable to provide informed consent.
  • Refusal to participate in the study.

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: 무작위화되지 않음
  • 중재 모델: 크로스오버 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔
개입 / 치료
다른: Standard Echocardiography (Reference method)
The standard echocardiography will be performed by a cardiologist as part of routine clinical care.
The standard echocardiography will be performed by an expert cardiologist as part of routine clinical care and will serve as the gold standard
실험적: AutoEF-AI Assessment
AI-assisted automated LVEF assessment

Performed by a geriatrician who has completed a one-day practical training session and combines:

  • A handheld ultrasound device providing real-time image acquisition guidance for obtaining apical views.
  • Us2.ai software for automated LVEF analysis. The geriatrician is blinded to results of the gold standard echocardiography performed by the cardiologist.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
Agreement between LVEF measured using AutoEF-AI and LVEF measured using standard echocardiography.
기간: At baseline

Agreement will be assessed using:

  • Intraclass Correlation Coefficient (ICC)
  • Spearman correlation coefficient
  • Bland-Altman analysis
  • Weighted kappa coefficient for the classification of patients according to LVEF categories (≤40%, 41-49%, and ≥50%)
At baseline

2차 결과 측정

결과 측정
측정값 설명
기간
Diagnostic performance of AutoEF-AI for the detection of LVEF <50%, including sensitivity, specificity, positive predictive value, negative predictive value, and overall accuracy.
기간: At baseline
Calculation of the sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and overall accuracy of AutoEF-AI for identifying left ventricular ejection fraction (LVEF) below 50%, compared with the standard reference method.
At baseline
Analysis of factors associated with agreement between the two methods
기간: At baseline
Multiple linear regression model will be used to identify clinical and technical variables (age, sex, cardiovascular history, presence of a pacemaker, cardiac arrhythmias, image quality, comorbidities, etc.) associated with a significant discrepancy between LVEF measurements obtained using AutoEF-AI and standard echocardiography.
At baseline
Feasibility of AutoEF-AI use by a geriatrician after a short training program
기간: At baseline
  • Success rate of valid image acquisition (i.e acquizition of analyzable apical views suitable for automated analysis)
  • Quality of the acquired images (image quality score and proportion of non-analyzable images)
  • Difficulties encountered during the use of the AutoEF-AI device
At baseline

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

수사관

  • 수석 연구원: Olivier HANON, MD PhD, Geriatric Department, Broca hospital

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)

2026년 7월 7일

기본 완료 (추정된)

2028년 6월 30일

연구 완료 (추정된)

2028년 6월 30일

연구 등록 날짜

최초 제출

2026년 7월 1일

QC 기준을 충족하는 최초 제출

2026년 7월 8일

처음 게시됨 (실제)

2026년 7월 14일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 7월 28일

QC 기준을 충족하는 마지막 업데이트 제출

2026년 7월 27일

마지막으로 확인됨

2026년 7월 1일

추가 정보

이 연구와 관련된 용어

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

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. .

구독하다