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

Delineate-prospektiv (DELINEATE)

14. april 2026 oppdatert av: Pierre Elias, Columbia University

Dyp læring for ekkoanalyse, sporing og evaluering av prospektiv evaluering (Delineate-prospektiv)

Hjertesykdom er den ledende dødsårsaken i USA, og ekkokardiografi (eller "ekko") er den vanligste måten leger ser på hjertet. Echo er trygt, smertefritt og kan oppdage store hjerteproblemer, inkludert svak hjertepumping og ventilsykdom.

Ventilsykdom, spesielt aortastenose (innsnevring) og mitral regurgitasjon (lekkasje), er vanlig hos eldre voksne, men blir ofte udiagnostisert. Mens Echo er hovedverktøyet for å finne ventilproblemer, tar det tid, krever ekspertopplæring, og resultatene kan variere mellom leserne.

Nyere fremskritt innen kunstig intelligens (AI), spesielt dyp læring (DL), har vist løfte i automatisk å analysere hjertebilder. Imidlertid har tidligere forskning ikke fullt taklet nøkkel ekko-teknikker-lignende farge Doppler og spektral Doppler-som er avgjørende for å måle hvordan blod beveger seg gjennom hjerteventiler. AI-verktøy står også overfor utfordringer med å bli brukt i hverdagens medisinske praksis på grunn av arbeidsflytproblemer, mangel på testing i den virkelige verden og bekymring for hvordan algoritmene tar beslutninger.

Ved Columbia University Irving Medical Center har forskere bygget en stor database med hjertetester de siste seks årene og utviklet AI -programmer for å analysere ekkokardiogrammer. Den nåværende studien vil teste om å gi AI -analyse til kardiologer i sanntid under ekkoavlesning kan gjøre prosessen raskere og mer konsistent.

Studieoversikt

Detaljert beskrivelse

I en Prior Columbia University -studie er en serie dype læringsalgoritmer som analyserer ekkokardiogrammer i utvikling. Disse algoritmene inkluderer, men er ikke begrenset til, algoritmer som muliggjør visningsklassifisering, strukturidentifisering, venstre ventrikkel (LV) dimensjonsmålinger, venstre ventrikkelutviklingsfraksjon (LVEF) bestemmelse, venstre atrium (LA) volumvurderinger og diagnose av valvulær hjertesykdom. Kort fortalt er disse algoritmene basert på arkitekturer som er vist å være nyttige i bilde- og videoanalyse, inkludert de som er spesifikke for ekkokardiografi -tolkning. Algoritmer basert på disse arkitekturene kan generaliseres til tolkning av videobaserte ekkokardiogramdata som valvulær regurgitasjonsvurdering. Som en del av denne studieprotokollen vil disse modellene fortsette å bli utviklet ved hjelp av pasientens ekkokardiogramdata. Denne studien tar sikte på å lage et automatisert, ende-til-ende-system som kan levere dype læringsanalyser av ekkokardiogram til den tolke kardiologen i sanntid. Hvis det lykkes, kan dette programmet muliggjøre forbedringer i ekkokardiografi leseeffektivitet og pålitelighet.

Studietype

Observasjonsmessig

Registrering (Antatt)

50

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

Studiesteder

    • New York
      • New York, New York, Forente stater, 10032
        • Rekruttering
        • Columbia University Irving Medical Center
        • Ta kontakt med:
        • Hovedetterforsker:
          • Pierre A Elias, MD
        • Ta kontakt med:

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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Styresertifiserte deltakende kardiologer ved Columbia University, Columbiadoctors eller NewYork-Presbyterian Hospital som tolker transthoraciske ekkokardiogrammer i Columbia Echocardiography Laboratory og har gitt informert samtykke til å delta

Beskrivelse

Inkluderingskriterier:

  • Delta på kardiolog ansatt ved Columbia University, ColumbiAdoctors eller NewYork Presbyterian Hospital som leser Transthoracic Echocardiograms i Columbia Echocardiography Laboratory
  • Gitt informert samtykke til å delta i spørreskjemaene eller sentralt studie

Eksklusjonskriterier:

  • Lege i trening (Cardiology Fellow eller Advanced Imaging Fellow)

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjonsgruppe

Studier som oppfyller følgende kriterier vil gjennomgå vurdering av et ekspertpanel: moderat, moderat alvorlig eller alvorlig mitral, aorta eller trikuspid oppstøt av lege- eller AI-modellvurdering.

Avvik mellom lege- og AI-tolkninger, der AI-assessert alvorlighetsgrad er større enn den legevurderte alvorlighetsgraden (dvs. indikerer at mer valvulær oppstøt er til stede)

Kontrollgruppe
En stratifisert tilfeldig utvalg av tilfeller vil bli valgt for å samsvare med fordelingen av AI-flaggede tilfeller av lege-assessert valvulær oppstøtes alvorlighetsgrad og vil gjennomgå den samme ekspertpanelets dommer.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Andel klinisk meningsfull omklassifisering etter panelgjennomgang
Tidsramme: 18 måneder
Andel tilfeller der ekspertpanelet omlassifiserer valvulær oppstøt alvorlighetsgrad med minst en karakter (oppgradering eller nedgradering). Andelen vil bli beregnet som antall tilfeller med omklassifisering ÷ totalt antall tilfeller som er gjennomgått.
18 måneder

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Andel tilfeller med AI-basert omklassifisering som fører til en endring i klinisk behandling
Tidsramme: 18 måneder
Andelen vil bli beregnet som antall tilfeller med enhver ledelsesendring ÷ totalt antall tilfeller som er gjennomgått.
18 måneder
Andel tilfeller med AI-basert omklassifisering som fører til henvisning til en ventilspesialist eller kirurg
Tidsramme: 18 måneder
Definisjon: Andelen vil bli beregnet som antall tilfeller som er referert til en ventilspesialist eller kirurg ÷ totalt antall tilfeller som er gjennomgått.
18 måneder
Andel tilfeller med AI-basert omklassifisering som fører til en endring i hyppigheten av oppfølging ekkokardiografi
Tidsramme: 18 måneder
Andelen vil bli beregnet som antall tilfeller med en endring i anbefalt oppfølgings ekkokardiografifrekvens ÷ totalt antall tilfeller som er gjennomgått.
18 måneder
Andel tilfeller med AI-basert omklassifisering som fører til henvisning for videre testing (TEE eller Cardiac MR)
Tidsramme: 18 måneder
Andelen vil bli beregnet som antall tilfeller som er henvist til videre testing med TEE eller hjerte -MR -MR ÷ totalt antall tilfeller som er gjennomgått.
18 måneder

Andre resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Samsvar mellom AI og panelgjennomgang
Tidsramme: 18 måneder
Andel tilfeller der AI -klassifisering stemmer overens med ekspertpanelgjennomgang av valvulær oppstøts alvorlighetsgrad.
18 måneder
Samsvar mellom kardiolog klinisk lesing og panelgjennomgang
Tidsramme: 18 måneder
Andel tilfeller der kardiolog klinisk tolkning stemmer overens med ekspertpanelgjennomgang av valvulær oppstøts alvorlighetsgrad.
18 måneder
Sammenligning av konkordanshastigheter (AI vs kardiolog) mot panelgjennomgang
Tidsramme: 18 måneder
Forskjellen mellom konkordansfrekvensen for AI vs panelgjennomgang og konkordansfrekvensen av kardiolog klinisk lese vs panelgjennomgang.
18 måneder
Inter-leseravtale for kategoriske ekkokardiografiske tiltak
Tidsramme: 18 måneder
Avtale mellom uavhengige kardiologlesere om kategoriske variabler (f.eks. Alvorlighetsgraden av valvulær oppstøt) vil bli kvantifisert ved bruk av Cohens Kappa -statistikk.
18 måneder
Inter-leseravtale for kontinuerlige ekkokardiografiske tiltak
Tidsramme: 18 måneder
Avtale mellom uavhengige kardiologlesere om kontinuerlige tiltak (f.eks. Venstre ventrikkelutviklingsfraksjon [LVEF] -kategori) vil bli kvantifisert ved bruk av Intraclass Correlation Coefficient (ICC)
18 måneder

Samarbeidspartnere og etterforskere

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

Samarbeidspartnere

Etterforskere

  • Hovedetterforsker: Pierre A Elias, MD, Columbia 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)

15. april 2026

Primær fullføring (Antatt)

1. oktober 2027

Studiet fullført (Antatt)

1. oktober 2028

Datoer for studieregistrering

Først innsendt

14. august 2025

Først innsendt som oppfylte QC-kriteriene

24. september 2025

Først lagt ut (Faktiske)

29. september 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

16. april 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

14. april 2026

Sist bekreftet

1. april 2026

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

Pasientens personvern og konfidensialitet: Selv med de-identifisering kan deling av detaljerte helsedata risikere å identifisere deltakerne på nytt.

Reguleringsbegrensninger: Institusjonelle gjennomgangsstyrer (IRB), HIPAA -regler eller lokale lover kan begrense datadeling, spesielt for sensitiv helseinformasjon som ekkokardiogram.

Samtykkebegrensninger: Hvis deltakerne ikke eksplisitt samtykket til bred datadeling ved påmelding, kan ikke studien etisk eller lovlig gi sin IPD.

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

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