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

AI-ACLD Study: Artificial Intelligence in Advanced Chronic Liver Disease (AI-ACLD)

21. juli 2026 oppdatert av: Antonio Galante

Application of Artificial Intelligence Using Wearable Technology in Patients With Advanced Chronic Liver Disease (ACLD): a Trajectomics Approach.

The research project studies the possibility of using an artificial intelligence-based system in patients with advanced chronic liver disease (liver cirrhosis) to record variations in a patient's health status, with the aim of early identification of clinical improvement or deterioration. The system is based on the collection and processing of various clinical parameters through an Apple Watch. The study aims to evaluate whether the data generated by this system correlate with patients' clinical evolution and whether its use may ultimately contribute to improved care management and quality of life.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Faktiske)

8

Kontakter og plasseringer

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

Studiesteder

  • Sveits
      • Lugano, Sveits, 6900
        • Ente Ospedaliero Cantonale

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

Patients hospitalized at Ente Ospedaliero Cantonale (EOC) in Lugano or Bellinzona or patients followed at the Department for Gastroenterology and Hepatology, Ente Ospedaliero Cantonale will be assessed for inclusion in the study

Beskrivelse

Inclusion Criteria:

  • Adults aged 18-75 years
  • Diagnosis of advanced chronic liver disease (ACLD).
  • Either:
  • hospitalized for hepatic decompensation or acute-on-chronic liver failure (ACLF), including ascites, hepatorenal syndrome, hepatic encephalopathy, bacterial infection, gastrointestinal bleeding, or jaundice; or
  • outpatient with Child-Pugh B cirrhosis and no evidence of hepatic decompensation or ACLF at enrolment.
  • Willing and able to provide written informed consent.

Exclusion Criteria:

  • Inability or refusal to provide written informed consent
  • Inability to wear or correctly use the Apple Watch
  • Patients with hepatocellular carcinoma beyond the Milan Criteria (one lesion up to 5 cm or 3 lesions up to 3 cm in diameter)
  • Presence of hepatic decompensation or ACLF

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
Feasibility and accuracy of machine learning analysis of individual health data collected by wearable device.
Tidsramme: From enrollment to the end of the study (6 months)

The primary outcome is to assess the feasibility and accuracy of machine learning analysis of individual health data collected by wearable device and to describe their patterns during hospitalization due to symptoms of decompensation or ACLF and in outpatients until hospitalization due to decompensation or ACLF in patients with liver cirrhosis. Health data continuously collected through a dedicated wearable device application comprise: heart rate and heart rate variability (HR; HRV), oxygen saturation (SpO₂), ECG (QRS, PQ, PT Tpe interval), sleep quality and duration, daily step count, tremor intensity (Hz), typing speed (taps/time).

The single unit of measure used to assess the feasibility of the wearable device is the usable data acquisition rate (%), defined as the percentage of monitoring data successfully collected and suitable for analysis.
From enrollment to the end of the study (6 months)

Samarbeidspartnere og etterforskere

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

Sponsor

Antonio Galante

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)

29. desember 2022

Primær fullføring (Faktiske)

17. januar 2024

Studiet fullført (Faktiske)

17. januar 2024

Datoer for studieregistrering

Først innsendt

16. juli 2026

Først innsendt som oppfylte QC-kriteriene

21. juli 2026

Først lagt ut (Faktiske)

23. juli 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

23. juli 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

21. juli 2026

Sist bekreftet

1. juli 2026

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • AI-ACLD Study

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