Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Diagnóstico e prognóstico assistidos por inteligência artificial em COVID-19 usando eletrocardiogramas (AI-COV-19)

24 de agosto de 2021 atualizado por: Imperial College London

Diagnóstico e prognóstico assistidos por inteligência artificial em COVID-19 usando eletrocardiogramas e imagens

A doença de coronavírus 2019 (COVID-19) está disseminada em todo o mundo desde dezembro de 2019. É altamente contagiosa e casos graves podem levar a dificuldade respiratória aguda ou falência de múltiplos órgãos. Em 11 de março de 2020, a OMS avaliou que o COVID-19 pode ser caracterizado como uma pandemia. Com o desenvolvimento do aprendizado de máquina, a tecnologia de inteligência artificial (IA) baseada em aprendizado profundo demonstrou um tremendo sucesso no campo da análise de dados médicos devido à sua capacidade de extrair recursos avançados de imagens e conjuntos de dados clínicos complexos. Neste estudo, pretendemos usar dados clínicos coletados como parte do atendimento clínico de rotina (rastreamentos cardíacos, raios-X e tomografias computadorizadas) para treinar inteligência artificial e algoritmos de aprendizado de máquina para prever com precisão o curso da doença em pacientes com Covid-19. infecção, usando esses conjuntos de dados.

Visão geral do estudo

Status

Recrutamento

Condições

Intervenção / Tratamento

Descrição detalhada

A doença de coronavírus 2019 (COVID-19) está disseminada em todo o mundo desde dezembro de 2019. É altamente contagiosa e casos graves podem levar a dificuldade respiratória aguda ou falência de múltiplos órgãos e, finalmente, a morte. A doença pode ser confirmada usando o teste de reação em cadeia da polimerase com transcrição reversa (RT-PCR). ECGs, radiografias de tórax e tomografias computadorizadas são fontes ricas de dados que fornecem informações sobre doenças que, de outra forma, não estariam disponíveis.

Saber quem internar no hospital ou terapia intensiva salva vidas, pois ajuda a mitigar a escassez de recursos. Novas ferramentas de inteligência artificial, como o aprendizado profundo, permitirão uma avaliação complexa dos dados clínicos e de imagem que podem ajudar os médicos a fazer um diagnóstico mais rápido e preciso, triar melhor os pacientes e avaliar a resposta ao tratamento e, em última análise, uma melhor previsão do resultado. Nosso grupo tem uma experiência significativa na implementação de algoritmos de aprendizado de máquina em grandes quantidades de ECGs, como do Biobank do Reino Unido, e propõe estender nossas técnicas aos dados de pacientes com Covid-19.

Este é um estudo retrospectivo de dados de pacientes com suspeita e confirmação de COVID-19.

O estudo visa recrutar até 2.000 pacientes que serão encaminhados para fazer ECGs, radiografias de tórax ou tomografias computadorizadas no Chelsea and Westminster Hospital NHS Foundation Trust, Imperial College Healthcare NHS Trust e London North West London University Healthcare NHS Trust.

Para ser incluído neste estudo, o paciente deve:

  • tem ECGs, radiografia de tórax e/ou tomografia computadorizada de tórax (com ou sem contraste)
  • teste laboratorial de ácido nucleico do vírus Covid-19 (ensaio RTPCR com amostras de swab da garganta) ou suspeita clínica de infecção por Covid19
  • ter idade >18 anos Os pacientes com ECGs, radiografia de tórax e estudos de TC abaixo do ideal devido a artefatos serão excluídos. Os pacientes também serão excluídos se o intervalo de tempo entre ECGs, TC de tórax e o ensaio de RT-PCR for superior a 7 dias.

Este estudo recebeu a aprovação do HRA e do Health and Care Research Wales (HCRW) em 18 de maio de 2020, após revisão do Comitê de Ética em Pesquisa em uma reunião realizada em 13 de maio de 2020 (número do protocolo: 20HH5967; referência REC: 20/HRA/2467).

Tipo de estudo

Observacional

Inscrição (Antecipado)

2000

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Locais de estudo

  • Reino Unido
      • London, Reino Unido, HA1 3UJ
        • Recrutamento
        • London North West University Healthcare NHS Trust
        • Contato:
      • London, Reino Unido, TW7 6AF
      • London, Reino Unido, W12 0NN
        • Ativo, não recrutando
        • Imperial College London (Hammersmith campus)
      • London, Reino Unido, W2 1NY

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

14 anos e mais velhos (Adulto, Adulto mais velho)

Aceita Voluntários Saudáveis

Não

Gêneros Elegíveis para o Estudo

Tudo

Método de amostragem

Amostra Não Probabilística

População do estudo

Este é um estudo retrospectivo de dados de pacientes com suspeita e confirmação de COVID-19.

O estudo visa recrutar até 2.000 pacientes que serão encaminhados para fazer ECGs, radiografias de tórax ou tomografias computadorizadas no Chelsea and Westminster Hospital NHS Foundation Trust, Imperial College Healthcare NHS Trust e London North West London University Healthcare NHS Trust.

Descrição

Critério de inclusão:

  • tem ECGs, radiografia de tórax e/ou tomografia computadorizada de tórax (com ou sem contraste)
  • teste laboratorial positivo de ácido nucleico do vírus Covid-19 (ensaio RTPCR com amostras de swab da garganta) ou suspeita clínica de infecção por Covid-19
  • ter idade > 18 anos

Critério de exclusão:

  • ECGs abaixo do ideal, radiografias de tórax ou estudos de tomografia computadorizada para métodos de aprendizado profundo devido a artefatos, incluindo graves
  • artefatos de movimento que causam desfoque dos contornos ou artefatos significativos devido a próteses metálicas que causam degradação da imagem
  • O intervalo de tempo entre ECGs, TC de tórax e o ensaio de RT-PCR foi superior a 7 dias

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

  • Modelos de observação: Coorte
  • Perspectivas de Tempo: Retrospectivo

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Precisão do aprendizado de máquina para prever o resultado da infecção por coronavírus (COVID-19)
Prazo: No final das análises de dados, aproximadamente 1 ano
Precisão com que a análise baseada em computador (aprendizado de máquina) pode diagnosticar e/ou prognosticar Covid-19 Número de participantes com COVID19 que morreram ou sobreviveram após internação hospitalar
No final das análises de dados, aproximadamente 1 ano
Precisão do aprendizado de máquina para prever o prognóstico da infecção por coronavírus (COVID-19)
Prazo: No final das análises de dados, aproximadamente 1 ano
Número de participantes que necessitaram de ventilação invasiva versus não invasiva versus cuidados em enfermaria versus óbitos
No final das análises de dados, aproximadamente 1 ano

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Precisão do aprendizado de máquina para prever o envolvimento cardíaco da infecção por coronavírus (COVID-19)
Prazo: No final das análises de dados, aproximadamente 1 ano
Número de participantes que tiveram problemas cardíacos relacionados ao COVID19.
No final das análises de dados, aproximadamente 1 ano
Precisão do aprendizado de máquina versus avaliação humana para diagnosticar infecção por coronavírus (COVID-19)
Prazo: No final das análises de dados, aproximadamente 1 ano
Número de participantes que podem ser identificados como tendo COVID19 usando aprendizado de máquina versus humano ou outro teste ou avaliação clínica
No final das análises de dados, aproximadamente 1 ano

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Imperial College London

Colaboradores

Imperial College Healthcare NHS Trust
London North West Healthcare NHS Trust
Chelsea and Westminster Hospital NHS Foundation Trust

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

26 de maio de 2020

Conclusão Primária (Antecipado)

1 de maio de 2022

Conclusão do estudo (Antecipado)

1 de maio de 2022

Datas de inscrição no estudo

Enviado pela primeira vez

7 de agosto de 2020

Enviado pela primeira vez que atendeu aos critérios de CQ

11 de agosto de 2020

Primeira postagem (Real)

12 de agosto de 2020

Atualizações de registro de estudo

Última Atualização Postada (Real)

30 de agosto de 2021

Última atualização enviada que atendeu aos critérios de controle de qualidade

24 de agosto de 2021

Última verificação

1 de agosto de 2021

Mais Informações

Termos relacionados a este estudo

Palavras-chave

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • 20HH5967

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

Sim

Descrição do plano IPD

Este é um estudo usando dados retrospectivos e pseudo-anonimizados que foram adquiridos como parte do atendimento clínico de rotina para os pacientes. Não há riscos diretos à saúde dos pacientes. As principais questões giram em torno da segurança e armazenamento de dados. Para resolver isso, os membros da equipe de atendimento direto que não são membros da equipe de pesquisa realizarão a pseudo-anonimização dos dados e passarão um conjunto de dados pseudo-anonimizados para a equipe de pesquisa sem acesso à pseudo-anonimização código. A equipe de pesquisa, portanto, será incapaz de identificar os pacientes a partir desses dados. Os dados pseudo-anonimizados também serão armazenados com segurança para minimizar ainda mais os riscos.

Prazo de Compartilhamento de IPD

dentro da duração do estudo

Critérios de acesso de compartilhamento IPD

Pesquisadores do estudo

Tipo de informação de suporte de compartilhamento de IPD

  • Protocolo de estudo
  • Plano de Análise Estatística (SAP)

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

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 .

Ensaios clínicos em Intervenção nula

Pesquisar ensaios semelhantes

Patrocinadores e Colaboradores

Condições médicas

Intervenções de drogas

CROs by country

CROs in China

Condições

Doenças Raras

Intervenções de drogas

Suplementos Alimentares

Patrocinador / Colaboradores

Localizações

Se inscrever