Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Wykorzystanie sztucznej inteligencji opartej na fotografii siatkówki do przewidywania incydentów choroby niedokrwiennej serca (DeepCHD Plus)

16 listopada 2024 zaktualizowane przez: Tien Yin Wong, Tsinghua University
Aby ustalić, czy zintegrowane wspomaganie podejmowania decyzji przez sztuczną inteligencję siatkówki może poprawić dokładność przewidywania choroby niedokrwiennej serca (CHD), badacze przeprowadzają randomizowane, kontrolowane badanie porównujące przewidywanie CHD na podstawie sztucznej inteligencji z przewidywaniami klinicznymi lekarzy (np. przy użyciu PCE), w obu przypadkach przy użyciu badań klinicznych intuicja jako podstawa.

Przegląd badań

Szczegółowy opis

Jest to randomizowane, kontrolowane badanie (RCT) oceniające skuteczność narzędzia wspomagającego podejmowanie decyzji opartego na sztucznej inteligencji w przewidywaniu ryzyka choroby wieńcowej i podejmowaniu decyzji przez lekarzy. Przypadki potencjalnych uczestników badania kohortowego zostaną losowo przydzielone do grupy objętej wytycznymi (np. PCE) lub grupy AI po ocenie wyjściowej (intuicja kliniczna):

Istnieją trzy ustawienia: (1) Intuicja kliniczna (ocena wyjściowa) Lekarze podejmują decyzję o rozpoczęciu strategii zapobiegawczej (np. rozpoczęciu stosowania statyn) bez żadnej pomocy z zewnątrz. Ocena opiera się wyłącznie na ocenie klinicznej i doświadczeniu lekarza. (2) Grupa oparta na wytycznych (Grupa wytycznych) Lekarze korzystają z tabeli PCE w celu obliczenia 10-letniego ryzyka ASCVD. Podejście to jest zgodne z aktualnymi wytycznymi klinicznymi i pomaga w podejmowaniu decyzji. (3) Grupa wspomagana sztuczną inteligencją (grupa AI) Lekarze otrzymują szacunkowe dane dotyczące prawdopodobieństwa choroby wieńcowej na podstawie modelu sztucznej inteligencji opartego na zdjęciach siatkówki. Narzędzie AI zapewnia zindywidualizowane prawdopodobieństwo wystąpienia obturacyjnej choroby wieńcowej, wykorzystując biomarkery siatkówki powiązane z ryzykiem sercowo-naczyniowym.

Cel główny Ocena, czy wspomaganie decyzji wspomagane sztuczną inteligencją może poprawić dokładność diagnostyczną CHD w większym stopniu niż standardowe oceny kliniczne, w obu przypadkach w porównaniu z intuicją kliniczną. Dokładność można ocenić na podstawie zakresu wszczęcia profilaktyki (np. przepisywania statyn) odpowiadającego rzeczywistym obserwowanym wynikom choroby wieńcowej.

Cel drugorzędny Ocena, czy wspomaganie decyzji kierowane przez sztuczną inteligencję skraca czas wymagany do ukończenia oceny choroby wieńcowej i podejmowania decyzji.

Uczestnicy, czytelnicy i randomizacja:

Uczestnicy: Uczestnicy prospektywnych badań kohortowych z 10-letnią obserwacją.

Czytelnicy: Lekarze dokonujący oceny prawdopodobieństwa choroby wieńcowej i formułujący zalecenia dotyczące profilaktyki pierwotnej.

Randomizacja: Uczestnicy zostaną losowo przydzieleni do jednej z grup (PCE lub AI) po ocenie klinicznej na początku badania przy użyciu randomizacji blokowej, aby zapewnić zrównoważoną liczebność grup.

Typ studiów

Interwencyjne

Zapisy (Szacowany)

1570

Faza

  • Nie dotyczy

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Opis

Kryteria włączenia:

  • Osoby bez niekontrolowanych czynników ryzyka naczyniowego
  • Przedział wiekowy: 40-75 lat
  • Potrafi zaakceptować i współpracować w trakcie badania oraz ewentualnych dalszych prac po zakwalifikowaniu do badań klinicznych

Kryteria wykluczenia:

  • Pacjenci z ciężką chorobą płuc, nowotworem lub operacją
  • Przyjmowanie statyn lub istniejąca wcześniej choroba układu krążenia
  • Osoby z ciężką dysfunkcją wątroby i nerek oraz zaburzeniami równowagi elektrolitowej

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Główny cel: Ekranizacja
  • Przydział: Randomizowane
  • Model interwencyjny: Przydział równoległy
  • Maskowanie: Pojedynczy

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: Grupa wspomagana sztuczną inteligencją (grupa AI)
Lekarze otrzymują szacunki prawdopodobieństwa choroby wieńcowej na podstawie modelu sztucznej inteligencji opartego na zdjęciach siatkówki. Narzędzie AI zapewnia zindywidualizowane prawdopodobieństwo wystąpienia choroby wieńcowej, wykorzystując biomarkery siatkówki powiązane z ryzykiem sercowo-naczyniowym.
Czytelnicy-lekarze będą wspomagani w określaniu prawdopodobieństwa choroby niedokrwiennej serca na podstawie sztucznej inteligencji. Narzędzie AI zapewnia zindywidualizowane prawdopodobieństwo i diagnostykę obturacyjnej choroby wieńcowej, wykorzystując biomarkery siatkówki powiązane z ryzykiem sercowo-naczyniowym.
Aktywny komparator: Grupa oparta na wytycznych (Grupa wytycznych)
Lekarze używają kalkulatora PCE do obliczenia 10-letniego ryzyka ASCVD. Podejście to jest zgodne z aktualnymi wytycznymi klinicznymi i pomaga w podejmowaniu decyzji.
Lekarze używają PCE do obliczenia prawdopodobieństwa 10-letniego ryzyka ASCVD. Podejście to jest zgodne z aktualnymi wytycznymi klinicznymi i pomaga w podejmowaniu decyzji.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Dokładność
Ramy czasowe: Do zakończenia studiów, średnio 1 tydzień
Ocena, czy wspomaganie decyzji kierowane przez sztuczną inteligencję mogłoby poprawić dokładność diagnostyczną CHD w większym stopniu niż standardowe oceny kliniczne, w obu przypadkach w porównaniu z intuicją kliniczną. Dokładność można ocenić na podstawie stopnia, w jakim rozpoczęcie profilaktyki (np. przepisywanie statyn) jest zgodne z rzeczywistymi obserwowanymi wynikami choroby wieńcowej.
Do zakończenia studiów, średnio 1 tydzień

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Główny śledczy: Tien Yin Wong, Tsinghua University

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Szacowany)

1 stycznia 2025

Zakończenie podstawowe (Szacowany)

1 kwietnia 2025

Ukończenie studiów (Szacowany)

1 maja 2025

Daty rejestracji na studia

Pierwszy przesłany

16 listopada 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

16 listopada 2024

Pierwszy wysłany (Szacowany)

19 listopada 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

19 listopada 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

16 listopada 2024

Ostatnia weryfikacja

1 listopada 2024

Więcej informacji

Terminy związane z tym badaniem

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj