Detecção de ECG de doenças cardíacas congênitas em crianças com inteligência artificial: uma nova ferramenta de diagnóstico (AI-ECG-CHD)
Visão geral do estudo
Status
Status
Condições
Condições
Tipo de estudo
Tipo de estudo
Contactos e Locais
Contato de estudo
Contato de estudo
- Nome: Sun Jing, MD
- Número de telefone: 15618497517
- E-mail: sunjing02@xinhuamed.com.cn
Locais de estudo
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, China
- Xinhua Hospital, Shanghai Jiao Tong University School of Medicine
-
-
Critérios de participação
Critérios de elegibilidade
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- A idade da primeira consulta foi dos 3 meses após o nascimento até os 18 anos;
- No grupo de comunicação interatrial, os pacientes do grupo caso foram obrigados a completar o exame de ECG e confirmado por ultrassonografia cardíaca cuidadosa que havia um defeito do septo atrial secundário simples, sem outras malformações cardíacas complexas (como drenagem ectópica da veia pulmonar, malformação da artéria conus do tronco , arco aórtico interrompido, hipertensão pulmonar primária, etc.). No grupo de hipertensão pulmonar, a presença de hipertensão pulmonar associada à doença coronariana foi confirmada por exame ultrassonográfico cardíaco cuidadoso. O grupo controle foi composto por pacientes com estrutura intracardíaca normal examinados por ultrassonografia cardíaca. O intervalo de tempo entre o exame de ECG e o exame ecocardiográfico de todos os pacientes foi <1 mês;
- Nenhuma doença grave no momento da consulta inicial (doença orgânica sem risco de vida causada por doença cardíaca congênita).
Critério de exclusão:
- Idade da primeira consulta < 3 meses ou > 18 anos;
- Cardiopatia congênita complicada (como drenagem venosa pulmonar anômala, malformação da artéria conus do tronco, arco aórtico interrompido, hipertensão pulmonar primária, etc.);
- As informações clínicas estão incompletas, incluindo falta de informações de ECG ou ecocardiografia, ou o intervalo de tempo entre o ECG e a ecocardiografia é > 1 mês;
- Doenças potencialmente fatais associadas a outros sistemas orgânicos;
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Número de grupos/coortes
Coortes e Intervenções
Grupo / CoorteGrupo / Coorte |
|---|
|
Ao controle
|
|
Hipertensão pulmonar
|
|
Defeito do septo atrial
|
O que o estudo está medindo?
Medidas de resultados primários
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Banco de dados de ECG em grande escala para crianças
Prazo: 2024.01.01-2024.12.30
|
Os dados de ECG de crianças de vários centros foram coletados e comparados, incluindo tipos comuns e raros de doença coronariana e ECG de crianças normais, para construir um banco de dados de ECG em larga escala cobrindo diferentes idades e doenças de doença coronariana.
Além disso, os dados originais de ECG (sinais digitais ou imagens de ECG) serão pré-processados para torná-los conformes aos padrões de entrada dos modelos de aprendizagem profunda, de modo a melhorar a qualidade e eficiência do treinamento subsequente do modelo e reduzir a heterogeneidade de multi -centro de dados de ECG.
|
2024.01.01-2024.12.30
|
|
Modelo de eletrocardiograma assistido por inteligência artificial para doença coronariana em crianças
Prazo: 2024.01.01-2025.12.30
|
O modelo de rede neural profunda será estabelecido com base em algoritmos como rede neural convolucional, transformadores e Autoencoders, e será treinado e verificado no conjunto de dados multicêntrico de ECG infantil (85%) estabelecido com base no CCHDnet, de modo a otimizar continuamente o modelo e melhorar o desempenho diagnóstico do modelo.
Além disso, o modelo de aprendizagem profunda baseado na doença única de CHD será integrado, e o sistema CHD-ECG AI será construído, e o modelo acabará por extrair e reconhecer automaticamente as informações básicas gerais, como a idade e o sexo da criança através do ECG e, em seguida, prever e classificar as características potenciais de doença coronariana no ECG com base nisso.
O grupo de pesquisa selecionou inicialmente os subtipos representativos de doença coronariana – comunicação interatrial e hipertensão pulmonar como direção inicial de exploração.
|
2024.01.01-2025.12.30
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Início do estudo
Conclusão Primária (Estimado)
Conclusão Primária
Conclusão do estudo (Estimado)
Conclusão do estudo
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Primeira postagem
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última Atualização Postada
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
Outros números de identificação do estudo
- XHEC-C-2024-053-1
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .