Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Internasjonal studie av kunstig intelligens-basert diagnose av kardiomyopati ved bruk av hjerte-MR (AID-MRI) (AID-MRI)

11. mars 2024 oppdatert av: James White, University of Calgary
Målet med denne observasjonsstudien er å teste nøyaktigheten til datamaskin (maskinlæringsbaserte) algoritmer for å diagnostisere hjertesykdommer og forutsi om og når hjertekomplikasjoner vil oppstå. AID-MRI forskerteamet har utviklet algoritmer rettet mot å modellere 3D hjertestruktur og bevegelse (deformasjon), som viser at disse kan være av verdi for å oppnå disse oppgavene. Den internasjonale AID-MRI-studien tar sikte på å teste ytelsen til disse algoritmene på tvers av 11 internasjonale nettsteder, ved å bruke data hentet fra et bredt utvalg av pasienter som bruker forskjellige MR-skannere. I tillegg til en etablert kohort på 10 000 pasienter, vil AID-MRI rekruttere ytterligere 1100 pasienter fra sine internasjonale nettsteder, disse fungerer som en ekstern valideringskohort.

Studieoversikt

Status

Påmelding etter invitasjon

Forhold

Detaljert beskrivelse

Det finnes mange typer hjertemuskelsykdommer som kan redusere hjertefunksjonen eller føre til hjerterytmeproblemer, disse kalles samlet kardiomyopatier. Hjerte-MR er en ikke-invasiv test uten stråling som kan brukes til å diagnostisere disse sykdommene samt bidra til å forutsi fremtidige komplikasjoner. Foreløpig er tolkningen av disse testene avhengig av erfaringen til leger som ser på disse bildene og deres evne til å gjenkjenne spesifikke funksjoner. Imidlertid kan datamaskiner trenes til å fange opp mer subtile trekk ved sykdom fra bilder som et menneske kanskje ikke ser, og kan trenes raskere fra tusenvis av tilfeller der den endelige diagnosen allerede er bekreftet. AID-MRI-forskningsteamet har samlet inn hjerte-MR-bilder og hjertediagnoser fra over 10 000 pasienter i Alberta, Canada og bruker disse dataene til å trene datamaskinalgoritmer for å diagnostisere hjertesykdom og forutsi om hjertekomplikasjoner vil oppstå i fremtiden. Den internasjonale AID-MRI-studien er en offentlig finansiert, etterforskerinitiert studie som tester nøyaktigheten til disse algoritmene for å utføre disse oppgavene i en internasjonal setting.

Den primære tilnærmingen som testes er konvertering av rå 2D-cine MR-bilder til en standardisert 4D-modell av hjerteform og deformasjon. Denne tilnærmingen har vist seg å tillate datamaskinalgoritmer å gjenkjenne forskjellige kardiomyopatier. Vi vil teste evnen til disse dataene til å informere datamaskinalgoritmer for å i) avgjøre hvilken sykdom en pasient har, og ii) forutsi om en pasient vil oppleve en alvorlig hjertekomplikasjon i nær fremtid. Verdien og påvirkningen av andre ikke-bildedata (dvs. pasientegenskaper) for å forbedre ytelsen vil også bli vurdert.

Studietype

Observasjonsmessig

Registrering (Antatt)

1100

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

    • Alberta
      • Calgary, Alberta, Canada, T3M1M4
        • South Health Campus
      • Calgary, Alberta, Canada, T2N2T9
        • Foothills Medical Centre

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

18 år og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Pasienter henvist til CMR kliniske tjenester ved rekrutteringsmedisinske sentre for evaluering av kjent eller mistenkt iskemisk eller ikke-iskemisk kardiomyopati.

Beskrivelse

Inklusjonskriterier:

  • Må ha gitt informert samtykke på en måte som er godkjent av Investigator's Institutional Review Board (IRB) før en studierelatert prosedyre utføres. Hvis en deltaker ikke er i stand til å gi informert samtykke på grunn av hans/hennes medisinske tilstand, kan deltakerens lovlig autoriserte representant samtykke på vegne av studiedeltakeren, som tillatt av lokal lov og institusjonelle standard driftsprosedyrer
  • Alder ≥18 år på tidspunktet for informert samtykke;
  • Innlagt eller poliklinisk henvisning for CMR-avbildning;
  • Henvisning for mistenkt akutt eller kronisk kardiomyopati tilstand(er) av iskemisk og/eller ikke-iskemisk etiologi;
  • Nylig tegnede (≤180 dager) og tilgjengelige serumlaboratoriemarkører for hemoglobin, hematokrit og kreatinin;
  • Villig og i stand til å overholde alle studiekrav

Ekskluderingskriterier:

  • Standard kontraindikasjon(er) for magnetisk resonansavbildning basert på lokale retningslinjer for nettstedet;
  • Kan holde pusten (dvs. sanntids kino-avbildning støttes ikke);
  • Nåværende eller nylig (≤ 60 dager) graviditet;
  • Nåværende eller nylig (≤ 60 dager) sepsis som krever intubasjon;
  • Hjerteimplanterbar elektronisk implantert enhet (CIED) av enhver type (ekskludert på grunn av sannsynlighet for redusert bildekvalitet og forventet påvirkning på algoritmeytelse), inkludert permanent pacemaker, implanterbar cardioverter-defibrillator eller implanterbar sløyfeopptaker;
  • Alvorlig aortaklaffstenose (dvs. gjennomsnittlig AVG >40 mmHg);
  • Klaffprotese (mekanisk eller bioprotetisk) i mitral- eller aortastilling
  • Medfødt hjertesykdom, inkludert enhver kirurgisk korrigert sykdom, dekstrokardi, Tetralogi av Fallot, ukorrigert partiell anomal pulmonal venøs retur eller stor atrieseptumdefekt (Qp:Qs ≥1,5) [Merk: bikuspid aortaklaffsykdom er ikke et eksklusjonskriterium i isolering];

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Prediksjonsnøyaktighet
Tidsramme: 2 år

Det primære endepunktet er ytelsesgevinster ved bruk av 3D-myokarddeformasjonsanalyse (3D-MDA) klassifisering versus råbildebasert klassifisering. Hovedresultatet vil bli vurdert i 1000 eksternt rekrutterte emner.

For diagnostiske modeller vil ytelsen bli beskrevet av AUC, Precision, Recall og F1 for hver sykdomsklasse. Forutsagt sykdomsklasse vil bli definert som den høyeste sannsynligheten observert på tvers av alle mulige klasser. Grunnsannheten vil bli tildelt etter forhåndsdefinerte diagnostiske kriterier ved å registrere PI-er på stedet etter CMR-tolkning med tilgang til medisinske journaler.

For prognostiske modeller vil algoritme-predikerte alvorlige kardiovaskulære hendelser (MACE) bli testet fra CMR til første observerte MACE. Både regresjon (tid til hendelse) og klassifiseringsmodellering (ved 1-års og 2-års tidspunkt) vil bli vurdert. Klassifiseringsytelse vil bli vurdert på samme måte som diagnostiske modeller. Regresjonsytelse vil bli vurdert ved tidsavhengig AUC (tAUC).

2 år

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Sekundær effektivitet
Tidsramme: 2 år

De sekundære resultatene av AID-MRI er rettet mot å identifisere påvirkningen av skjevheter i AI-modellytelsen og å vurdere kapasiteten til bildeforbehandling ved bruk av 3D-MDA for å redusere slik påvirkning og forbedre generaliserbarheten. Dette vil oppnås gjennom stratifiserte analyser av det primære endepunktet på tvers av forhåndsdefinerte undergrupper av den potensielt rekrutterte pasientpopulasjonen.

Disse analysene vil inkludere følgende:

  • Sammenlignende modellytelse i kvinnelig versus mannlig fødselskjønn
  • Sammenlignende modellytelse i store etnisitetsundergrupper
  • Sammenlignende modellytelse i binært versus ikke-binært kjønn
  • Sammenlignende modellytelse basert på leverandørens maskinvare og feltstyrke
2 år

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Samarbeidspartnere

Etterforskere

  • Hovedetterforsker: James White, MD, FRCP(C), University Of Calgary

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

30. juni 2023

Primær fullføring (Antatt)

31. desember 2024

Studiet fullført (Antatt)

30. juli 2025

Datoer for studieregistrering

Først innsendt

22. juni 2022

Først innsendt som oppfylte QC-kriteriene

30. mars 2023

Først lagt ut (Faktiske)

31. mars 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

13. mars 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

11. mars 2024

Sist bekreftet

1. mars 2024

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • AID-MRI-001

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

Et brukerkonsortium vil bli etablert for å få tilgang til kollektive dataressurser som bidrar til AID-MRI-studien. Hvert deltakende nettsted vil ha tillatelse til å sende inn frivillig utmelding fra konsortiet når som helst med fullstendig fjerning av dataressurser. Foreslåtte studier som utnytter AID-MRI-konsortiets dataressurser vil bli gjennomgått og må godkjennes av styringskomiteen. Dataressurser vil få tilgang på en sikker server "under glass", noe som betyr at dataressurser ikke kan fjernes fra vertens miljø. Forespørrende team vil være ansvarlige for å etablere og vedlikeholde sitt eget miljø for dataanalyser på en klargjort virtuell maskin.

IPD-delingstidsramme

18 måneder etter fullført studie

Tilgangskriterier for IPD-deling

Kun forskningsformål. Innlevering, gjennomgang og godkjenning av studiestyringskomité.

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • ICF

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere