Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Afbakening (DELINEATE)

14 april 2026 bijgewerkt door: Pierre Elias, Columbia University

Diep leren voor echo-analyse, tracking en evaluatie van prospectieve evaluatie (afbakening)

Hartziekte is de belangrijkste doodsoorzaak in de Verenigde Staten, en echocardiografie (of "echo") is de meest gebruikelijke manier waarop artsen naar het hart kijken. Echo is veilig, pijnloos en kan grote hartproblemen detecteren, waaronder zwakke hartpompen en klepaandoeningen.

Klepaandoeningen, vooral aortastenose (vernauwing) en mitrale regurgitatie (lekkage), is gebruikelijk bij oudere volwassenen, maar wordt vaak niet gediagnosticeerd. Hoewel Echo het belangrijkste hulpmiddel is voor het vinden van klepproblemen, kost het tijd, vereist deskundige training en kunnen de resultaten variëren tussen lezers.

Recente ontwikkelingen in kunstmatige intelligentie (AI), met name Deep Learning (DL), hebben veelbelovend getoond in het automatisch analyseren van hartbeelden. Eerdere onderzoek heeft echter geen belangrijke echoschnieken-achtige kleur Doppler en spectrale Doppler-die cruciaal zijn aangepakt om te meten hoe bloed door hartkleppen beweegt. AI-tools staan ​​ook voor uitdagingen om te worden gebruikt in de dagelijkse medische praktijk vanwege workflowproblemen, gebrek aan real-world testen en zorgen over hoe de algoritmen beslissingen nemen.

Bij Columbia University Irving Medical Center hebben onderzoekers de afgelopen zes jaar een grote database met harttests opgebouwd en AI -programma's ontwikkeld om echocardiogrammen te analyseren. De huidige studie zal testen of het leveren van AI -analyse aan cardiologen in realtime tijdens echo -lezen het proces sneller en consistenter kan maken.

Studie Overzicht

Gedetailleerde beschrijving

In een eerdere studie van Columbia University is een reeks diepe leeralgoritmen die echocardiogrammen analyseren in ontwikkeling. Deze algoritmen omvatten, maar zijn niet beperkt tot, algoritmen die weergaveclassificatie, structuuridentificatie, lof ventrikel (LV) dimensiemetingen mogelijk maken, bepaling van de linker ventriculaire ejectiefractie (LVEF), linker atrium (LA) volume -beoordelingen en valvulaire hartziekte diagnose. In het kort, deze algoritmen zijn gebaseerd op architecturen die nuttig zijn in beeld- en video -analyse, inclusief degenen die specifiek zijn voor echocardiografie -interpretatie. Algoritmen op basis van deze architecturen kunnen worden gegeneraliseerd naar interpretatie van video-gebaseerde echocardiogramgegevens zoals valvulaire regurgitatiebeoordeling. Als onderdeel van dit studieprotocol zullen deze modellen worden ontwikkeld met behulp van patiënt echocardiogramgegevens. Deze studie heeft als doel een geautomatiseerd, end-to-end systeem te creëren dat diepe leeranalyses van echocardiogrammen kan afleveren aan de interpreterende cardioloog in realtime. Indien succesvol, kan dit programma verbeteringen in echocardiografie -leesefficiëntie en betrouwbaarheid mogelijk maken.

Studietype

Observationeel

Inschrijving (Geschat)

50

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Contact Back-up

Studie Locaties

    • New York
      • New York, New York, Verenigde Staten, 10032
        • Werving
        • Columbia University Irving Medical Center
        • Contact:
        • Hoofdonderzoeker:
          • Pierre A Elias, MD
        • Contact:

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Board-certified attending cardiologists at Columbia University, ColumbiaDoctors, or NewYork-Presbyterian Hospital who interpret transthoracic echocardiograms in the Columbia echocardiography laboratory and have provided informed consent to participate

Beschrijving

Inclusiecriteria:

  • Bijwonen van de cardioloog in dienst van de Columbia University, Columbiadoctors of NewYork Presbyterian Hospital die transporacale echocardiogrammen leest in het Columbia Echocardiography Laboratory
  • Gaf geïnformeerde toestemming om deel te nemen aan de vragenlijsten of cruciale studie

Uitsluitingscriteria:

  • Arts in training (Cardiology Fellow of Advanced Imaging Fellow)

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventiegroep

Studies die aan de volgende criteria voldoen, zullen door een expertpanel worden geopenbaard: gematigde, matig-ernstige of ernstige mitrale, aorta- of tricuspide regurgitatie door arts of AI-modelbeoordeling.

Discrepantie tussen arts- en AI-interpretaties, waarbij de ernst van de beoordeelde groter is dan de door artsen beoordeelde ernst (d.w.z. geeft aan dat meer valvulaire regurgitatie aanwezig is)

Controlegroep
Een gestratificeerde willekeurige steekproef van gevallen zal worden geselecteerd om overeen te komen met de verdeling van AI-vlaggevallen door door artsen beoordeelde valvulaire regurgitatie ernst en zal dezelfde deskundige panel-beoordeling ondergaan.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Aandeel van klinisch betekenisvolle herclassificatie per panelbeoordeling
Tijdsspanne: 18 maanden
Aandeel van gevallen waarin het expertpanel de ernst van de valvulaire regurgitatie herclassificeert met ten minste één cijfer (upgrade of downgrade). Het aandeel zal worden berekend als het aantal gevallen met herclassificatie ÷ Totaal aantal beoordeelde gevallen.
18 maanden

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Aandeel van gevallen met op AI gebaseerde herclassificatie die leidt tot een verandering in klinisch beheer
Tijdsspanne: 18 maanden
Het aandeel zal worden berekend als het aantal gevallen met enige managementwijziging ÷ Totaal aantal beoordeelde gevallen.
18 maanden
Aandeel van gevallen met op AI gebaseerde herclassificatie die leidt tot verwijzing naar een klepspecialist of chirurg
Tijdsspanne: 18 maanden
Definitie: Het aandeel wordt berekend als het aantal gevallen dat wordt verwezen naar een klepspecialist of chirurg ÷ Totaal aantal beoordeelde gevallen.
18 maanden
Aandeel van de gevallen met op AI gebaseerde herclassificatie leidt tot een verandering in frequentie van follow-up echocardiografie
Tijdsspanne: 18 maanden
Het aandeel zal worden berekend als het aantal gevallen met een wijziging van de aanbevolen follow-up echocardiografiefrequentie ÷ Totaal aantal beoordeelde gevallen.
18 maanden
Aandeel van de gevallen met AI-gebaseerde herclassificatie die leidt tot verwijzing voor verdere testen (TEE- of cardiale MRI)
Tijdsspanne: 18 maanden
Het aandeel wordt berekend als het aantal verwezen gevallen voor verdere testen met TEE- of cardiale MRI ÷ Totaal aantal beoordeelde gevallen.
18 maanden

Andere uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Concordantie tussen AI en panelreview
Tijdsspanne: 18 maanden
Aandeel van de gevallen waarin AI -classificatie overeenkomt met de beoordeling van de expertpanel van de ernst van de valvulaire regurgitatie.
18 maanden
Concordantie tussen cardioloog Clinical Read en Panel Review
Tijdsspanne: 18 maanden
Aandeel van de gevallen waarin de klinische interpretatie van cardioloog overeenkomt met de beoordeling van de expertpanel van de ernst van de valvulaire regurgitatie.
18 maanden
Vergelijking van concordantiepercentages (AI versus cardioloog) tegen panelbeoordeling
Tijdsspanne: 18 maanden
Verschil tussen de concordantiepercentage van AI versus Panel Review en het concordantiepercentage van cardioloog Clinical Read versus panelreview.
18 maanden
Inter-readersovereenkomst voor categorische echocardiografische maatregelen
Tijdsspanne: 18 maanden
Overeenkomst tussen onafhankelijke cardiolooglezers voor categorische variabelen (bijv. De ernst van valvulaire regurgitatie) zal worden gekwantificeerd met behulp van Cohen's Kappa -statistiek.
18 maanden
Inter-readersovereenkomst voor continue echocardiografische maatregelen
Tijdsspanne: 18 maanden
Overeenkomst tussen onafhankelijke cardiolooglezers voor continue maatregelen (bijv. Linker ventriculaire ejectiefractie [LVEF] categorie) zal worden gekwantificeerd met behulp van de Intraclass Correlation Coëfficiënt (ICC)
18 maanden

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Onderzoekers

  • Hoofdonderzoeker: Pierre A Elias, MD, Columbia University

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Geschat)

15 april 2026

Primaire voltooiing (Geschat)

1 oktober 2027

Studie voltooiing (Geschat)

1 oktober 2028

Studieregistratiedata

Eerst ingediend

14 augustus 2025

Eerst ingediend dat voldeed aan de QC-criteria

24 september 2025

Eerst geplaatst (Werkelijk)

29 september 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

16 april 2026

Laatste update ingediend die voldeed aan QC-criteria

14 april 2026

Laatst geverifieerd

1 april 2026

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Beschrijving IPD-plan

Privacy en vertrouwelijkheid van de patiënt: zelfs met de-identificatie kan het delen van gedetailleerde gezondheidsgegevens het risico lopen opnieuw te identificeren van deelnemers.

Regelbeperkingen: institutionele beoordelingsraden (IRB's), HIPAA -regels of lokale wetten kunnen gegevensuitwisseling beperken, met name voor gevoelige gezondheidsinformatie zoals echocardiogrammen.

Toestemmingsbeperkingen: als deelnemers niet expliciet instemmen met brede gegevensuitwisseling bij inschrijving, kan het onderzoek niet ethisch of legaal hun IPD verstrekken.

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

Nee

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 .

Abonneren