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

Określić prospertykę (DELINEATE)

14 kwietnia 2026 zaktualizowane przez: Pierre Elias, Columbia University

Głębokie uczenie się w analizie echa, śledzenia i oceny oceny prospektywnej (ProSespective)

Choroba serca jest główną przyczyną śmierci w Stanach Zjednoczonych, a echokardiografia (lub „echo”) jest najczęstszym sposobem, w jaki lekarze patrzą na serce. Echo jest bezpieczne, bezbolesne i może wykryć poważne problemy z sercem, w tym słabe pompowanie serca i choroby zastawki.

Choroba zastawki, zwłaszcza zwężenie aorty (zwężenie) i niedomykalność mitralna (wyciek), jest powszechna u osób starszych, ale często jest nierozpoznana. Chociaż Echo jest głównym narzędziem do znajdowania problemów z zaworem, wymaga czasu, wymaga szkolenia ekspertów, a wyniki mogą się różnić w zależności od czytelników.

Ostatnie postępy w sztucznej inteligencji (AI), zwłaszcza głębokie uczenie się (DL), okazały się obiecujące w automatycznej analizowaniu obrazów serca. Jednak wcześniejsze badania nie zajęły się w pełni kluczowymi technikami echa przypominającym kolorowy doppler i spektralny doppler-które są kluczowe dla pomiaru sposobu poruszania się krwi przez zawory serca. Narzędzia AI stoją również przed wyzwaniami związanymi z stosowaniem w codziennej praktyce medycznej z powodu problemów z przepływem pracy, braku testów w świecie rzeczywistym i obaw związanych z podejmowaniem decyzji przez algorytmy.

W Columbia University Irving Medical Center naukowcy zbudowali dużą bazę danych testów serca w ciągu ostatnich sześciu lat i opracowali programy AI do analizy echokardiogramów. Obecne badanie sprawdzi, czy dostarczanie analizy AI kardiologom w czasie rzeczywistym podczas czytania ECHO może sprawić, że proces ten będzie szybszy i bardziej spójny.

Przegląd badań

Szczegółowy opis

We wcześniejszym badaniu Uniwersytetu Columbia w rozwoju jest seria algorytmów głębokiego uczenia się analizy echokardiogramów. Algorytmy te obejmują między innymi algorytmy, które umożliwiają klasyfikację widoku, identyfikację struktury, pomiary wymiaru lewej komory (LV), określenie frakcji wyrzutowej lewej komory (LVEF), oceny objętości lewego przedsionka (LA) i diagnozę chorób Valwular. W skrócie, algorytmy te oparte są na architekturach, które są przydatne w analizie obrazu i wideo, w tym na interpretacji echokardiografii. Algorytmy oparte na tych architekturach można uogólnić na interpretację danych echokardiogramu opartych na wideo, takich jak ocena niedomykalności zastawek. W ramach tego protokołu badań modele te będą nadal opracowywane przy użyciu danych echokardiogramu pacjenta. Niniejsze badanie ma na celu stworzenie zautomatyzowanego, kompleksowego systemu, który może dostarczyć analizy głębokiego uczenia się echokardiogramów interpretacyjnej kardiologa w czasie rzeczywistym. Jeśli się powiedzie, program ten może umożliwić ulepszenia skuteczności czytania i niezawodności echokardiografii.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

50

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Kopia zapasowa kontaktu do badania

Lokalizacje studiów

    • New York
      • New York, New York, Stany Zjednoczone, 10032
        • Rekrutacyjny
        • Columbia University Irving Medical Center
        • Kontakt:
        • Główny śledczy:
          • Pierre A Elias, MD
        • Kontakt:

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

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Certyfikowane przez zarząd kardiologów na Columbia University, Columbiadoctors lub Newyork-Presbyterian Hospital, które interpretują przez przezroczyste echokardiogramy w laboratorium echokardiografii Columbia i wyrazili świadomą zgodę na uczestnictwo

Opis

Kryteria włączenia:

  • Uczęszczanie do kardiologa zatrudnionego przez Columbia University, Columbiadoctors lub Newyork Presbyterian Hospital, który czyta echokardiogramy przez przezroczyste echokardiogramy w laboratorium echokardiografii Columbia
  • Udzieliła świadomej zgody na udział w kwestionariuszach lub kluczowym badaniu

Kryteria wykluczenia:

  • Lekarz w szkoleniu (Cardiology Fellow lub Advanced Imaging Fellow)

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

Kohorty i interwencje

Grupa / Kohorta
Grupa interwencyjna

Badania spełniające następujące kryteria zostaną uzasadnione przez panelu ekspertów: umiarkowane, umiarkowane severe lub ciężkie niedomykalność mitralna, aorty lub trójstronna przez ocenę modelu lekarza lub AI.

Rozbieżność między interpretacjami lekarza i AI, w której nasilenie oceniane przez AI jest większe niż ciężkość oceny lekarza (tj. Wskazuje, że występuje więcej niedomykalności zastawek)

Grupa kontrolna
Zostanie wybrana warstwowa losowa próbka przypadków w celu dopasowania do rozkładu przypadków AI-FLAGED przez popełnienie przez lekarza ciężkości niedomykalności zastawek i ulegnie temu samemu rozstrzygnięciu panelu ekspertów.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Odsetek klinicznie znaczących przeklasyfikowania według przeglądu panelu
Ramy czasowe: 18 miesięcy
Odsetek przypadków, w których panel ekspertów przeklasyfikuje nasilenie niedomykalności zastawki o co najmniej jedną ocenę (aktualizację lub obniżenie poziomu). Proporcja zostanie obliczona jako liczba przypadków z przeklasyfikacją ÷ całkowita liczba sprawdzonych przypadków.
18 miesięcy

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Odsetek przypadków z przeklasyfikowaniem opartym na sztucznej inteligencji prowadzącej do zmiany zarządzania klinicznego
Ramy czasowe: 18 miesięcy
Odsetek zostanie obliczony jako liczba przypadków z dowolną zmianą zarządzania ÷ całkowita liczba sprawdzonych przypadków.
18 miesięcy
Odsetek przypadków z przeklasyfikacją opartą na sztucznej inteligencji prowadzącej do skierowania do specjalisty lub chirurga zaworu
Ramy czasowe: 18 miesięcy
Definicja: Proporcja zostanie obliczona jako liczba przypadków skierowanych do specjalisty zaworu lub chirurga ÷ całkowita liczba sprawdzonych przypadków.
18 miesięcy
Odsetek przypadków z przeklasyfikacją opartą na sztucznej inteligencji prowadzącej do zmiany częstotliwości obserwacji echokardiografii
Ramy czasowe: 18 miesięcy
Proporcja zostanie obliczona jako liczba przypadków ze zmianą zalecanej częstotliwości echokardiografii obserwacyjnej ÷ całkowita liczba sprawdzonych przypadków.
18 miesięcy
Odsetek przypadków z przeklasyfikacją opartą na AI prowadzących do skierowania do dalszych testów (TEE lub MRI sercowe)
Ramy czasowe: 18 miesięcy
Proporcja zostanie obliczona jako liczba przypadków skierowanych do dalszych testów z TEE lub MRI serca ÷ całkowita liczba przeglądu przypadków.
18 miesięcy

Inne miary wyników

Miara wyniku
Opis środka
Ramy czasowe
Zgodność między AI a przeglądem panelu
Ramy czasowe: 18 miesięcy
Odsetek przypadków, w których klasyfikacja AI zgadza się z przeglądem panelu ekspertów dotkliwości niedomykalności zastawki.
18 miesięcy
Zgodność między kardiologiem odczytu klinicznym a przeglądem panelu
Ramy czasowe: 18 miesięcy
Odsetek przypadków, w których interpretacja kliniczna kardiologa zgadza się z przeglądem panelu ekspertów dotkliwości niedomykalności zastawowej.
18 miesięcy
Porównanie wskaźników zgodności (AI kontra kardiologa) z przeglądem panelu
Ramy czasowe: 18 miesięcy
Różnica między wskaźnikiem zgodności AI vs. przeglądu panelu a wskaźnikiem zgodności kardiologa klinicznego odczytu kontra przeglądu panelu.
18 miesięcy
Umowa między czytnikami na kategoryczne miary echokardiograficzne
Ramy czasowe: 18 miesięcy
Umowa między niezależnymi czytelnikami kardiologa na zmienne kategoryczne (np. Nasilenie niedomykalności zastawki) zostanie określone ilościowo za pomocą statystyki Kappa Cohena.
18 miesięcy
Umowa między czytnikami w sprawie ciągłych miar echokardiograficznych
Ramy czasowe: 18 miesięcy
Zgoda między niezależnymi czytelnikami kardiologa w sprawie środków ciągłych (np. Kategoria wyrzutowa lewej komory [LVEF]) zostanie określona ilościowo przy użyciu współczynnika korelacji wewnątrzklasowej (ICC)
18 miesięcy

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Współpracownicy

Śledczy

  • Główny śledczy: Pierre A Elias, MD, Columbia 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)

15 kwietnia 2026

Zakończenie podstawowe (Szacowany)

1 października 2027

Ukończenie studiów (Szacowany)

1 października 2028

Daty rejestracji na studia

Pierwszy przesłany

14 sierpnia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

24 września 2025

Pierwszy wysłany (Rzeczywisty)

29 września 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

16 kwietnia 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

14 kwietnia 2026

Ostatnia weryfikacja

1 kwietnia 2026

Więcej informacji

Terminy związane z tym badaniem

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Prywatność i poufność pacjentów: Nawet wraz z rozpoznaniem udostępnianie szczegółowych danych zdrowotnych może ryzykować ponowną identyfikację uczestników.

Ograniczenia regulacyjne: Instytucjonalne Rady Recenzji (IRB), zasady HIPAA lub lokalne przepisy mogą ograniczać udostępnianie danych, szczególnie w przypadku wrażliwych informacji zdrowotnych, takich jak echokardiogramy.

Ograniczenia zgody: Jeśli uczestnicy nie zgodzili się wyraźnie na szerokie udostępnianie danych podczas rejestracji, badanie nie może etycznie ani prawnie dostarczyć swojego IPD.

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