Ontwikkeling en Validatie van een op Cardiale Magnetische Resonantie Gebaseerd Multimodaal Deep Learning Model voor Lange-Termijn Uitkomstvoorspelling bij ST-Segment Elevatie Myocardinfarct
Ontwikkeling en validatie van een op cardiale magnetische resonantie gebaseerd multimodaal deep learning-model voor langetermijnuitkomstvoorspelling bij ST-segmentelevatiemyocardinfarct
Doelstelling: Deze studie heeft als doel een nieuw op kunstmatige intelligentie gebaseerd voorspellingsmodel te ontwikkelen en te testen. Dit model zal cardiale magnetische resonantiebeeldvorming en klinische gegevens integreren om het langetermijnrisico op ernstige cardiovasculaire gebeurtenissen te voorspellen bij patiënten die een spoed-percutane coronaire interventie hebben ondergaan voor een ST-segmentelevatiemyocardinfarct.
Beschrijving: Deze studie plant patiënten met STEMI te includeren die een primaire PCI hebben ontvangen. Ongeveer een week na de ingreep ondergaan de patiënten een cardiale magnetische resonantiescan. Tegelijkertijd verzamelen we de basisinformatie van de patiënten, bloedtestresultaten tijdens de behandeling en procedureverslagen. Daarna worden de patiënten regelmatig (elke zes maanden) opgevolgd om het optreden van ernstige cardiale gebeurtenissen vast te leggen, zoals cardiovasculaire sterfte, recidiverend myocardinfarct, ziekenhuisopname voor hartfalen of ongeplande herhaalde revascularisatie. Alle verzamelde gegevens, inclusief klinische gegevens en geanalyseerde cardiale MR-beelden, zullen worden gebruikt om een multimodaal deep learning-model te construeren. Het model zal leren kenmerken te identificeren die geassocieerd zijn met toekomstige hartproblemen. De nauwkeurigheid van het model zal worden getest en gevalideerd in verschillende patiëntengroepen.
Potentiële impact: Als dit succesvol is, zou dit voorspellingsinstrument artsen kunnen helpen om hoogrisicopatiënten eerder en nauwkeuriger te identificeren, waardoor nauwere monitoring en tijdigere interventies mogelijk worden, wat uiteindelijk de langetermijnprognose voor deze patiënten verbetert.
Studie Overzicht
Toestand
Conditie
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Geng Qian, MD
- Telefoonnummer: +86 13810914587
- E-mail: qiangeng9396@263.net
Studie Locaties
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, China, 100853
- Chinese PLA General Hospital
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
(1) diagnose van STEMI, verhoogde cardiale biomarkers (troponine) boven de 99e percentiel bovengrens van de referentiewaarde, samen met ten minste één van de volgende: pijn op de borst die langer dan 30 minuten aanhoudt; ST-segmentelevatie ≥0,1 mV in twee of meer aangrenzende ledematafleidingen of ≥0,2 mV in twee of meer aangrenzende precordiale afleidingen op een 12-afleidingen-ECG; (2) leeftijd >18 jaar, eerste episode van STEMI behandeld met primaire PCI; (3) diagnostisch en therapeutisch beleid in overeenstemming met de huidige klinische normen en richtlijnaanbevelingen; (4) Killip-klasse ≤III bij presentatie; (5) geïnformeerde toestemming verleend voor CMR-beeldvorming en klinische follow-up.
Exclusiecriteria:
(1) contra-indicaties voor CMR (bijv. hartpacemakers, ernstige claustrofobie, bekende allergie voor op gadolinium gebaseerde contrastmiddelen, of verminderde nierfunctie gedefinieerd als eGFR<30 mL/min/1,73 m²). (2) structurele hartziekte (bijv. significante klep- of aangeboren ziekte); (3) gedocumenteerde voorgeschiedenis van eerdere myocardinfarct, PCI of coronaire bypass-chirurgie (CABG); (4) comorbiditeiten die de algehele prognose of het vermogen om de studieprocedures te ondergaan ernstig in gevaar brengen, zoals ernstige hematologische aandoeningen, actieve systemische infecties of actieve maligniteit; (5) cognitieve beperkingen of psychiatrische aandoeningen die een adequate samenwerking met het CMR-onderzoek of de klinische follow-up belemmeren; (6) CMR-beelden van slechte kwaliteit of ontbrekende essentiële sequenties die een nauwkeurige kwantitatieve analyse verhinderen.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
ernstige cardiovasculaire bijwerkingen
Tijdsspanne: 2024-2026
|
ernstige cardiale gebeurtenissen, zoals cardiovasculaire sterfte, recidiverend myocardinfarct, ziekenhuisopname voor hartfalen of ongeplande herhaalde revascularisatie.
|
2024-2026
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Studie record data
Bestudeer belangrijke data
Studie start (Geschat)
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
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- CMR-DL
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
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 .