Detecção de ECG de doenças cardíacas congênitas em crianças com inteligência artificial: uma nova ferramenta de diagnóstico (AI-ECG-CHD)
28 de julho de 2026 atualizado por: Jing Sun, Xinhua Hospital, Shanghai Jiao Tong University School of Medicine
A doença cardíaca congênita (DCC) é a doença congênita mais comum em crianças.
A detecção precoce, diagnóstico e tratamento de DCC em crianças é de grande importância para melhorar o prognóstico e reduzir a mortalidade infantil, mas os métodos de rastreio atuais têm limitações.
O eletrocardiograma (ECG), como meio econômico e rápido de detecção de doenças cardíacas, tem um valor muito importante no diagnóstico auxiliar de doença coronariana. Big data e tecnologias de aprendizagem profunda em inteligência artificial (IA) têm demonstrado grande potencial na área médica.
O advento da era do big data fornece ricos recursos de dados para o estudo aprofundado dos sinais de ECG de doença coronariana em crianças.
O desenvolvimento da tecnologia de aprendizagem profunda, especialmente o avanço no campo do reconhecimento de imagens, fornece um forte suporte técnico para a análise inteligente do eletrocardiograma.
A particularidade do eletrocardiograma infantil requer o desenvolvimento de um modelo de algoritmo especial.
Atualmente, a pesquisa sobre a aplicação de modelos de aprendizagem profunda para identificar eletrocardiogramas de crianças é limitada e falta treinamento e verificação a partir de grandes conjuntos de dados.
Com base na Rede Chinesa de Pesquisa Colaborativa de Doenças Cardíacas Congênitas, este projeto visa integrar dados e tecnologia de aprendizagem profunda para desenvolver um conjunto de sistema inteligente de diagnóstico assistido por eletrocardiograma (sistema CHD-ECG AI) adequado para crianças com doença coronariana, de modo a melhorar o precoce taxa de detecção de doença coronariana e melhorar a eficiência do rastreamento de doenças cardíacas congênitas.
Visão geral do estudo
Status
Retirado
Tipo de estudo
Observacional
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
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, China
- Xinhua Hospital, Shanghai Jiao Tong University School of Medicine
-
-
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
- Filho
- Adulto
Aceita Voluntários Saudáveis
Sim
Método de amostragem
Amostra Não Probabilística
População do estudo
Nosso conjunto de dados consistia em dados retrospectivos de pacientes com menos de 18 anos que apresentavam informações completas de ECG, ecocardiografia, exames e histórico médico.
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
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
Coortes e Intervenções
Grupo / Coorte |
|---|
|
Ao controle
|
|
Hipertensão pulmonar
|
|
Defeito do septo atrial
|
O que o estudo está medindo?
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
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
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)
1 de janeiro de 2024
Conclusão Primária (Estimado)
30 de dezembro de 2028
Conclusão do estudo (Estimado)
30 de dezembro de 2028
Datas de inscrição no estudo
Enviado pela primeira vez
22 de abril de 2024
Enviado pela primeira vez que atendeu aos critérios de CQ
22 de abril de 2024
Primeira postagem (Real)
25 de abril de 2024
Atualizações de registro de estudo
Última Atualização Postada (Real)
29 de julho de 2026
Última atualização enviada que atendeu aos critérios de controle de qualidade
28 de julho de 2026
Última verificação
1 de abril de 2026
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
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)?
INDECISO
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 .