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

AI-drevet diagnostisering og prognose av hypertrofisk kardiomyopati

Presis diagnostisering og prognostisk prediksjon av hypertrofisk kardiomyopati ved bruk av kunstig intelligens: En multicenters studie

Ved å utnytte kunstig intelligens til å dekode 12-leders elektrokardiogram, vil prosjektet muliggjøre presis EKG-basert fenotypering av hypertrofisk kardiomyopati – nøyaktig klassifisering av septale, apikale og andre morfologiske undertyper – samtidig som det skiller HCM fra hypertensiv hjertesykdom, aortastenose og andre fenokopisykluser.

Studieoversikt

Detaljert beskrivelse

For å overvinne de to flaskehalsene med sen oppdagelse og dårlig reproduserbarhet mellom sentre, utnytter prosjektet en stor, flersentret historisk kohort og forankrer sin prosess på 12-kanals EKG – et rimelig, allment tilgjengelig signal som kan registreres i enhver avdeling. Ved bruk av dyp-læringsarkitekturer forsterket med oppmerksomhetsmekanismer, vil vi utvikle (1) en diskriminativ modell som skiller HCM fra fenokopier og normale hjerter, og (2) et algoritmisk rammeverk som forblir stabilt på tvers av enheter og populasjoner. Modellstyring vil bli innebygd gjennom versjonskontrollerte utgivelser, sky-kant-distribusjon og en "offline replay" evalueringsløkke, noe som produserer en ende-til-ende beviskjede som speiler virkelige kliniske arbeidsflyter.

Studietype

Observasjonsmessig

Registrering (Antatt)

15000

Kontakter og plasseringer

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

Studiekontakt

  • Navn: Xiaojie Xie, MD, PhD
  • Telefonnummer: (+86)0571-87784700
  • E-post: xiexj@zju.edu.cn

Studiesteder

    • Zhejiang
      • Hangzhou, Zhejiang, Kina, 310009
        • Rekruttering
        • Second Affiliated Hospital, Zhejiang University School of Medicine
        • Ta kontakt med:
          • Xiaojie Xie, MD, PhD
          • Telefonnummer: (+86)0571-87784700
          • E-post: xiexj@zju.edu.cn

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

Ja

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

  1. HCM-kohort: Voksne diagnostisert med hypertrofisk kardiomyopati i samsvar med *2023 Chinese Guidelines for the Diagnosis and Treatment of Hypertrophic Cardiomyopathy in Adults*.
  2. HCM-fenokopi-kohort: Voksne med en LV-veggtykkelse ≥ 13 mm på ethvert sted ved ekkokardiografi.
  3. Frisk-kontroll-kohort: Voksne uten historie om hjertesykdom og ingen tegn på myokardhypertrofi på ekkokardiografi.

Beskrivelse

Inklusjonskriterier:

  1. Voksne i alderen ≥ 18 år.
  2. HCM-kohort: Voksne diagnostisert med hypertrofisk kardiomyopati i henhold til *2023 Chinese Guidelines for the Diagnosis and Treatment of Hypertrophic Cardiomyopathy in Adults*.
  3. HCM-fenokopi-kohort: Voksne med en LV-veggtykkelse ≥ 13 mm på ethvert sted ved ekkokardiografi.
  4. Frisk-kontroll-kohort: Voksne uten tidligere hjertesykdom og ingen tegn på myokardhypertrofi ved ekkokardiografi.

Eksklusjonskriterier:

Pasienter hvor analyserbare EKG-data ikke kan innhentes.

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
HCM
diagnostisert med hypertrofisk kardiomyopati ved hjelp av ekkokardiografi og magnetisk resonansavbildning av hjertet
fenokopi
pasienter med venstreventrikkelhypertrofi som kan tilskrives ikke-hypertrofisk kardiomyopatitilstander
normal kontroll
friske individer uten hypertrofi av hjertemuskelen

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
modell diagnostisk ytelse
Tidsramme: år 2
Modellytelsen ble evaluert ved bruk av beregnede beregningsmålinger inkludert nøyaktighet, sensitivitet, spesifisitet og arealet under ROC-kurven (AUC).
år 2

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
modell diagnostisk ytelse
Tidsramme: år 2
Nøyaktighetsgraden av modellens fenotype-spesifikke klassifisering for pasienter med ulike mønstre av myokardhypertrofi
år 2
modellens generaliserbarhet
Tidsramme: år 2
Modellens diagnostiske ytelse på det eksterne, multisykehus-valideringskohorten, inkludert total nøyaktighet, sensitivitet, spesifisitet og areal under ROC-kurven (AUC).
år 2

Samarbeidspartnere og etterforskere

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

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. januar 2025

Primær fullføring (Antatt)

1. juni 2026

Studiet fullført (Antatt)

31. desember 2026

Datoer for studieregistrering

Først innsendt

17. november 2025

Først innsendt som oppfylte QC-kriteriene

23. november 2025

Først lagt ut (Antatt)

4. desember 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Antatt)

4. desember 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

23. november 2025

Sist bekreftet

1. januar 2025

Mer informasjon

Begreper knyttet til denne studien

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. .

Abonnere