Het ontwikkelen van betrouwbare, op kunstmatige intelligentie (AI) gebaseerde hulpmiddelen om het risico en de progressie van vasculaire ziekten te voorspellen (VASCULAIDRETRO)
Studie Overzicht
Toestand
Interventie / Behandeling
Gedetailleerde beschrijving
Tot op heden is het onbekend bij welke patiënten met een abdominaal aorta-aneurysma (AAA) en perifere arteriële ziekte (PAD) cardiovasculaire voorvallen zullen optreden of bij welke patiënten de AAA of PAD zich zal ontwikkelen. In het VASCULAID-project heeft de VASCULAID-RETRO-studie tot doel gegevens uit bestaande cohorten en retrospectief verzamelde gegevens te gebruiken om algoritmen voor kunstmatige intelligentie (AI) te ontwikkelen die het risico op cardiovasculaire voorvallen en de mate van ziekteprogressie kunnen evalueren.
Om de algoritmen voor de voorspellingen te bouwen en te trainen, zijn we van plan om met terugwerkende kracht ten minste 5000 AAA- en 6000 PAD-patiënten te registreren. AI-tools zullen worden toegepast op de patiëntgegevens. Automatische anatomische segmentatie op beelden en beeldanalyse op US, CTA en MRI zullen worden uitgevoerd. Ook zullen algoritmen worden ontwikkeld om cardiovasculaire gebeurtenissen en AAA- of PAD-progressie te voorspellen op basis van data-analyse met meerdere bronnen.
Patiëntgegevens van Europese klinische consortiumpartners zijn beschikbaar. Dit consortium heeft toegang tot grote cohorten met relevante data voor het beoogde onderzoek dat zal worden gebruikt om de bestaande registers te verrijken. Deze gegevens zullen worden gebruikt om de algoritmen te verfijnen die zijn ontwikkeld voor het voorspellen van cardiovasculaire gebeurtenissen en AAA/PAD-progressie.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Kak Khee Yeung, MD, PhD
- Telefoonnummer: +31 6 14278725
- E-mail: k.yeung@amsterdamumc.nl
Studie Contact Back-up
- Naam: Lotte Rijken, Msc.
- E-mail: l.rijken@amsterdamumc.nl
Studie Locaties
-
-
-
Hamburg, Duitsland
- Werving
- Asklepios Kliniken Hamburg
-
Contact:
- Christian Behrendt
-
-
-
-
-
Helsinki, Finland
- Werving
- Hospital District of Helsinki and Uusimaa (HUS)
-
Contact:
- Riikka Tulamo
-
-
-
-
-
Amsterdam, Nederland
- Werving
- Amsterdam UMC
-
Contact:
- Kak Khee Yeung
-
-
-
-
-
Porto, Portugal
- Werving
- University Hospital Center of São João
-
Contact:
- Marina Dias-Neto
-
-
-
-
-
Belgrade, Servië
- Werving
- University Clinical Centre of Serbia
-
Contact:
- Igor Koncar
-
-
-
-
-
Oxford, Verenigd Koninkrijk
- Werving
- Oxford University Hospitals
-
Contact:
- Regent Lee
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Mannetjes en vrouwtjes, 40-90 jaar oud, met een AAA >3 cm. Dit omvat patiënten met infrarenale, juxtarenale, suprarenale, iliacale (gedefinieerd als 1,5x de normale diameter) aneurysma's, evenals mycotische aneurysma's. Patiënten die interventies of breuken hebben gehad, worden ook opgenomen
- Mannen en vrouwen, 40-90 jaar oud, allemaal PAD-patiënten (Fontaine-stadia 1,2,3 en 4).
Uitsluitingscriteria:
- Patiënten met een oplopend, thoracaal, thoraco-abdominaal (type 1-3) aneurysma.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Abdominale aorta-aneurysmapatiënten
|
Geen interventie, retrospectief onderzoek
|
|
Patiënten met perifere arteriële ziekte
|
Geen interventie, retrospectief onderzoek
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Ontwikkeling van algoritmen voor het voorspellen van ziekteprogressie
Tijdsspanne: 3 jaar
|
Het primaire doel van deze retrospectieve studie is het ontwikkelen en trainen van algoritmen om de ziekteprogressie en het risico op cardiovasculaire voorvallen bij AAA- en PAD-patiënten te voorspellen door gebruik te maken van multi-parametrische gegevens van 5000 AAA (>1000 in AUMC) en 6000 PAD (>1000 in AUMC). ) patiënten uit bestaande cohorten en biobanken.
|
3 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Interne validatie van algoritmen voor het voorspellen van ziekteprogressie
Tijdsspanne: 3 jaar
|
Het secundaire doel zal de interne validatie van de ontwikkelde algoritmen zijn met behulp van gegevens uit retrospectieve cohorten.
|
3 jaar
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 2011279
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .