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

Effektiviteten av AI EF-screening ved å bruke smarttelefonapplikasjon. Opptatt PLAX Se hjerteultralydvideoklipp

18. mars 2024 oppdatert av: Sittiluck Wongwantanee, Rayong Hospital

Vurdere effektiviteten av kunstig intelligens ved screening av venstre ventrikkelfunksjon ved bruk av parasternale langaksevisning Hjerte-ultralydvideoklipp

Vurdere effektiviteten av kunstig intelligens ved screening av venstre ventrikkelfunksjon ved bruk av parasternale langaksevisning Hjerte-ultralydvideoklipp

ABSTRAKT BAKGRUNN: Ekkokardiografi fungerer som en grunnleggende diagnostisk prosedyre for behandling av hjertesviktpasienter. Data fra Thailands folkehelsedepartement viser at det er en betydelig pasientpopulasjon, med over 100 000 innleggelser årlig på grunn av denne tilstanden. Ikke desto mindre er den utbredte implementeringen av ekkokardiografi i denne pasientgruppen fortsatt utfordrende, først og fremst på grunn av begrensninger i spesialistressurser, spesielt i bygdesykehus. Selv om moderne samfunnssykehus er utstyrt med ultralydmaskiner som er i stand til grunnleggende hjertevurdering (f.eks. parasternal langaksevisning), er etterspørselen etter ekspertkardiologer fortsatt en formidabel hindring for å oppnå omfattende diagnostiske evner. Å utnytte egenskapene til kunstig intelligens (AI) teknologi, dyktig i nøyaktig prediksjon og prosessering av ulike typer helsetjenester, gir en lovende løsning på dette rådende problemet. Denne studien er designet for å vurdere effektiviteten til AI i evaluering av hjerteytelse fra parasternale langakse-ultralydvideoklipp innhentet via smarttelefonapplikasjonen.

MÅL: Å evaluere effektiviteten av kunstig intelligens ved screening av hjertefunksjon fra parasternal langakse, se hjerte-ultralydvideoklipp innhentet gjennom smarttelefonapplikasjonen.

Studieoversikt

Detaljert beskrivelse

METODER: Etterforskerne bygde smarttelefonapplikasjonen for å samle inn parasternale langaksede videoklipp og brukte kunstig intelligens "Easy EF" for å evaluere hjertefunksjonen. Alle prøver som ble evaluert for LVEF av sertifiserte kardiologer, 70 % av alle klippene ble brukt til å trene AI, mens de resterende 30 % av klippene ble brukt til å teste om AI kunne behandle resultatene riktig. Kunstig intelligens tar sikte på å klassifisere hjertefunksjon i tre grupper: Redusert EF, Mild Redusert EF og Bevart LV.

Studietype

Intervensjonell

Registrering (Faktiske)

923

Fase

  • Ikke aktuelt

Kontakter og plasseringer

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

Studiesteder

      • Rayong, Thailand, 066
        • Rayong Hospital

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

Ja

Beskrivelse

Inklusjonskriterier:

  • Skutt 5 sekunders VDO-klipp av Parasternal langakset hjerteultralyd tatt opp av smarttelefon-applikasjonen "Easy EF" uten pasientidentifikasjon med resultat av utkastningsfraksjon som utført av sertifisert kardiolog godkjent resultat

Ekskluderingskriterier:

  • Ufullstendig VDO-klipp (for mye risting, for opptak)
  • Belysningen var upassende
  • Upassende ultralydinnramming
  • arytmi (atrieflimmer)

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Diagnostisk
  • Tildeling: Ikke-randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Enkelt

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Aktiv komparator: LV funksjon fra kardiolog
Sertifisert kardiolog vil få tilgang til og tolke LV-funksjonen ved bruk av tradisjonell ekkokardiografi og deretter dele resultatet i tre grupper Bevart LV ejeksjonsfraksjon (EF>50%), mildt redusere ejeksjonsfraksjon (EF40-49%), redusert LV ejeksjonsfraksjon (EF<40%)
AI ble integrert i applikasjonssmarttelefonen og brukte smarttelefonkamera til å ta opp et VDO-klipp av hjerteultralyd i parasternal langaksevisning og returnerte resultat av hjertefunksjonen til brukeren.
Andre navn:
  • kunstig intelligens
  • mobil smarttelefonapplikasjon
Eksperimentell: LV-funksjon Ved kunstig intelligens
AI vil få tilgang til VDO-klipp kun i parasternal langaksevisning og separeres i tre grupper Bevart LV-utkastningsfraksjon (EF>50%), mildt redusert utstøtingsfraksjon (EF40-49%), redusert LV-utkastningsfraksjon (EF<40%)
AI ble integrert i applikasjonssmarttelefonen og brukte smarttelefonkamera til å ta opp et VDO-klipp av hjerteultralyd i parasternal langaksevisning og returnerte resultat av hjertefunksjonen til brukeren.
Andre navn:
  • kunstig intelligens
  • mobil smarttelefonapplikasjon

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
effektiviteten til AI i screening av venstre ventrikkels hjertefunksjon ved bruk av smarttelefonapplikasjon
Tidsramme: 3 måneder
prosentandel av korrekt LV-funksjonsklipp som tolkes av AI i hver LV-funksjonsgruppe (Bevart LV, Mildt redusert LV, Redusert LV-funksjon) og totalt sammenlignet med resultat fra sertifisert kardiolog
3 måneder

Samarbeidspartnere og etterforskere

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

Sponsor

Samarbeidspartnere

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)

1. mai 2023

Primær fullføring (Faktiske)

31. juli 2023

Studiet fullført (Faktiske)

31. juli 2023

Datoer for studieregistrering

Først innsendt

5. mars 2024

Først innsendt som oppfylte QC-kriteriene

18. mars 2024

Først lagt ut (Faktiske)

26. mars 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

26. mars 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

18. mars 2024

Sist bekreftet

1. mars 2024

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • RayongH

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

resultat av AI-screening

IPD-delingstidsramme

3 måneder

Tilgangskriterier for IPD-deling

kontakt Rayong sykehus

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • SEVJE

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