Aplicando Inteligência Artificial ao ECG de 12 derivações para o diagnóstico de hipertensão pulmonar: um estudo observacional
O objetivo deste estudo observacional é aplicar a tecnologia de Inteligência Artificial (IA) e aprendizado de máquina ao eletrocardiograma (ECG) de 12 derivações em repouso e avaliar se ele pode auxiliar os médicos no diagnóstico precoce da Hipertensão Pulmonar (HP). O diagnóstico precoce e preciso é um passo importante para os pacientes com HP. Ajuda a fornecer tratamentos eficazes precocemente que melhoram o prognóstico e a qualidade de vida. As principais questões que o nosso estudo pretende responder são:
- A tecnologia AI no ECG de 12 derivações pode prever com precisão a presença de HP?
- A tecnologia AI no ECG de 12 derivações pode identificar subtipos específicos de HP?
- A tecnologia de IA no ECG de 12 derivações pode prever a mortalidade em pacientes com HP?
Neste estudo, os investigadores recrutarão ECGs de 12 derivações de participantes que consentiram que se submeteram a cateterismo cardíaco direito (RHC) como parte de seus cuidados clínicos de rotina. A tecnologia AI será aplicada a esses ECGs para avaliar se a tecnologia automatizada pode prever a presença de HP e seus subtipos associados.
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
Este estudo será conduzido pelo Royal United Hospital Bath NHS Trust e pela Liverpool John Moore's University. O objetivo deste estudo é utilizar Inteligência Artificial (IA) e tecnologia de aprendizado de máquina para auxiliar os médicos no diagnóstico precoce da Hipertensão Pulmonar (HP). Nossa hipótese é que as tecnologias de IA podem melhorar a quantificação e interpretação dos parâmetros envolvidos na detecção de HP. Isso ocorre destacando anormalidades significativas no ECG de 12 derivações ou fornecendo rapidamente medidas totalmente automatizadas dos recursos no ECG de 12 derivações que indicam HP. A combinação desses recursos eletrocardiográficos com dados clínicos pode fornecer ferramentas preditivas altamente precisas.
Este estudo observacional terá um braço retrospectivo e prospectivo com um período de acompanhamento de 3 anos. Os participantes não precisarão de nenhum teste ou procedimento adicional em nenhum momento durante o estudo. Quaisquer ECGs realizados nos 12 meses anteriores ao cateterismo cardíaco direito (RHC) de um participante serão submetidos à análise de Inteligência Artificial para estabelecer se os indicadores iniciais de HP são identificáveis.
Para todos os participantes recrutados, um formulário anônimo de relato de caso clínico será usado para coletar detalhes relacionados à demografia e aos cuidados clínicos de rotina. Os tempos de acompanhamento e os resultados, incluindo mortalidade e morbidade, também serão registrados.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Locais de estudo
-
-
-
Bath, Reino Unido
- Royal United Hospital Bath NHS Trust
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- coorte prospectiva: A partir de julho de 2023, todos os pacientes com idade igual ou superior a 18 anos encaminhados ao serviço de atenção compartilhada de Hipertensão Pulmonar de Bath com suspeita clínica de HP e que, por meio de seus cuidados clínicos de rotina, sejam submetidos a um RHC e ECG de 12 derivações.
- Coorte retrospectiva: Todos os pacientes com 18 anos ou mais que foram encaminhados ao serviço local de cuidados compartilhados de Hipertensão Pulmonar entre 2007 e junho de 2023, e por meio de seus cuidados clínicos de rotina, foram submetidos a RHC dentro de um ano após um ECG de 12 derivações. Esta coorte também incluirá pacientes falecidos.
Critério de exclusão:
- Paciente menor de 18 anos
- Pacientes que não dão consentimento válido (exceto pacientes falecidos; REC aprovado)
- Pacientes que não foram submetidos a RHC para avaliação de HP
- Pacientes que não fizeram um ECG dentro de 12 meses de seu RHC
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Coorte Retrospectiva
Os pacientes que já foram atendidos pelo serviço local de Hipertensão Pulmonar, entre 2007 e junho de 2023, por suspeita diagnóstica de hipertensão pulmonar, e submetidos a Cateterismo Cardíaco Direito (CCR), serão convidados a participar do estudo por um membro da equipe clínica direta equipe de atendimento.
Seu ECG será analisado usando tecnologia AI para desenvolver um algoritmo para auxiliar no diagnóstico de HP.
|
A Inteligência Artificial descreve o software de computador projetado para imitar a função cognitiva humana.
O aprendizado de máquina é um tipo de inteligência artificial em que o modelo criado é exposto a dados, identifica padrões e reconhece relações entre recursos vistos nos dados e a 'verdade básica'.
Esta tecnologia será aplicada aos ECGs dos participantes.
|
|
Coorte Prospectiva
Os pacientes encaminhados ao serviço local de HP, a partir de julho de 2023, com suspeita diagnóstica de hipertensão pulmonar, e submetidos à Cateterização Cardíaca Direita, serão convidados a participar do estudo por um membro da equipe de atendimento clínico direto.
Seu ECG será analisado usando tecnologia AI para desenvolver um algoritmo para auxiliar no diagnóstico de HP.
|
A Inteligência Artificial descreve o software de computador projetado para imitar a função cognitiva humana.
O aprendizado de máquina é um tipo de inteligência artificial em que o modelo criado é exposto a dados, identifica padrões e reconhece relações entre recursos vistos nos dados e a 'verdade básica'.
Esta tecnologia será aplicada aos ECGs dos participantes.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Diagnóstico de Hipertensão Pulmonar
Prazo: linha de base
|
Os investigadores irão calcular a área sob a curva característica de operação do receptor (AUROC) para diagnóstico de HP por tecnologia de inteligência artificial e compará-la com RHC (o padrão-ouro)
|
linha de base
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Subtipo de Hipertensão Pulmonar
Prazo: linha de base
|
Os investigadores avaliarão a precisão do teste de diagnóstico da tecnologia de Inteligência Artificial para categorizar os ECGs dos participantes de acordo com o subtipo de Hipertensão Pulmonar e comparar isso com a avaliação clínica padrão
|
linha de base
|
|
Mortalidade
Prazo: 3 anos
|
Os investigadores calcularão a área sob a curva de características operacionais do receptor (AUROC) para mortalidade conforme previsto pela tecnologia de Inteligência Artificial
|
3 anos
|
|
Morbidade
Prazo: linha de base
|
Os investigadores irão calcular a área sob a curva de características operacionais do receptor para morbidade, conforme previsto pela tecnologia de Inteligência Artificial, e compará-la com as medidas atuais (classe funcional NYHA, 6MWT, testes de função pulmonar)
|
linha de base
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Dan Augustine, BSc, MBBS, MRCP, Royal United Bath NHS Foundation Trust
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Estimado)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- RD2651
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 .