- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06179849
Kunstig intelligens-aktivert storskala elektrokardiogramfunksjonsekstraksjon og utforskning av sammenheng mellom de ekstraherte funksjonene og dødelighet, hjerneslag eller ulike helseresultater av interesse
22. desember 2023 oppdatert av: Yonsei University
- I denne studien kombineres storskala EKG-data (elektrokardiogramdata for alle pasienter lagret i MUSE-systemet ved å måle standard 12-veiledet EKG ved Severance Health Checkup ved Severance Hospital fra 1. november 2005 til 31. oktober 2022) med elektronisk medisinsk registreringer, National Health Insurance Corporation-data og National Statistical Office dødsårsaksdata, og algoritmen for kunstig intelligens brukes til å trekke ut EKG-funksjoner for å analysere sammenhengen mellom død, hjerneslag og ulike helsetilstander, og for å utføre ekstern verifisering eller overføre læring ved å bruke offentlige databaser (f.eks. britiske biobankdata).
- Beregnet på å bruke en nettbasert plattform for kunstig intelligens for å distribuere beregningsbelastninger generert under storskala databehandling og forbedre analysens nøyaktighet og effektivitet.
Studieoversikt
Status
Har ikke rekruttert ennå
Detaljert beskrivelse
- Alle pasient-ID-er hentet fra hovedkontoret erstattes av forsknings-ID-er (avidentifiserte ID-er), slik at den faktiske ID-en ikke avsløres og annen personlig identifikasjonsinformasjon (navn, beboerregistreringsnummer) ikke samles inn.
Forskningsmetoder:
- Elektrokardiogramekstraksjon basert på fagkriteriene.
- Kombinert med ekstraherte EKG-data og National Insurance Corporation-data (+ National Statistical Office-data om dødsårsak).
- Helse ute av interesse (HOI) definisjon. Inkluderer død, hjerneslag osv.
- Den definerte HOI kan trekkes ut fra Yonsei Medical Center-data eller fra National Insurance Service-data eller Statistics Koreas dødsårsaksdata.
- Kunstig intelligens modelltrening med elektrokardiogram (og klinisk informasjonsdiagram om nødvendig) som input, ved bruk av veiledede dyplæringsalgoritmer hvis det er en etikett og uovervåket læringsalgoritmer hvis det ikke er etikett.
- Ytelsesevaluering for veiledet læringsmodeller for kunstig intelligens.
- Ved uovervåket læring av kunstig intelligens-modeller, assosiasjonen/korrelasjonen mellom ekstraherte funksjoner og HOI eller forutsigbarhet/deteksjonsanalyse.
- Overføringslæring kan utføres ved å legge til ekstern verifikasjon eller dielektriske data til den lærte modellen ved å bruke offentlige databaser.
- Ekstern verifisering kan utføres ved hjelp av eksterne tilleggsdata ved å montere den innlærte modellen på en nettbasert kunstig intelligens-plattform.
- Med tanke på data i stor skala, kan dataarbeidsbelastninger distribueres ved hjelp av nettbaserte plattformer for kunstig intelligens.
- Analyseresultatene kan anonymiseres og analyseresultatene kan gis til forskere gjennom en nettbasert plattform for kunstig intelligens.
Studietype
Observasjonsmessig
Registrering (Antatt)
3000000
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Hui-Nam Pak
- Telefonnummer: 82-2-2228-8459
- E-post: hnpak@yuhs.ac
Studiesteder
-
-
-
Seoul, Korea, Republikken
- Yonsei University Health System
-
Ta kontakt med:
- Hui-Nam Pak
- Telefonnummer: 82-2-2228-8459
- E-post: hnpak@yuhs.ac
-
-
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
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Nei
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Alle pasienter lagret i MUSE-systemet etter å ha målt et standard 12-veiledet elektrokardiogram ved Severance Health Checkup på Severance Hospital fra 1. november 2005 til 31. oktober 2022
Beskrivelse
Inklusjonskriterier:
Alle pasienter lagret i MUSE-systemet etter å ha målt et standard 12-veiledet elektrokardiogram ved Severance Health Checkup på Severance Hospital fra 1. november 2005 til 31. oktober 2022
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 |
|---|---|---|
|
Antall pasienter med dødelighet
Tidsramme: 2 år
|
Undersøker reproduserbarheten av dødelighetsprediksjon (antall pasienter som døde uansett årsak) fra EKG-data målt innen 1 år før døden ved bruk av kunstig intelligens-algoritmer
|
2 år
|
|
Antall pasienter med hjerneslag, atrieflimmer, demens
Tidsramme: 2 år
|
Undersøker sammenhengen mellom visse EKG-mønstre med muligheten for hjerneslag/atrieflimmer, demens ved bruk av kunstig intelligens-algoritmer.
|
2 år
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Etterforskere
- Hovedetterforsker: Hui-Nam Pak, Yonsei University
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 (Antatt)
1. desember 2023
Primær fullføring (Antatt)
1. desember 2025
Studiet fullført (Antatt)
1. desember 2025
Datoer for studieregistrering
Først innsendt
22. november 2023
Først innsendt som oppfylte QC-kriteriene
21. desember 2023
Først lagt ut (Faktiske)
22. desember 2023
Oppdateringer av studieposter
Sist oppdatering lagt ut (Antatt)
1. januar 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
22. desember 2023
Sist bekreftet
1. desember 2023
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 4-2022-1506
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
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. .