Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

AI Driven National Platform for CT koronar angiografi för kliniska och industriella applikationer Registry (APOLLO)

18 augusti 2022 uppdaterad av: National Heart Centre Singapore

AI Driven National Platform for CT coronary angiography for clinical and industrial applications Registry (APOLLO)

Det övergripande målet är att bygga en AI-driven nationell plattform för CT koronar angiografi för kliniska och industriella tillämpningar (APOLLO) för automatiserad anonymisering, rapportering, Agatston-poäng och plackkvantifiering i CAD. Det är en "one-stop"-plattform som spänner över diagnos till klinisk hantering och prognos, och hjälper till att förutsäga läkemedelsterapisvar.

Studieöversikt

Status

Rekrytering

Intervention / Behandling

Detaljerad beskrivning

Kranskärlssjukdom (CAD), en blockering av blodkärlen, drabbar 6 % av befolkningen i allmänhet och upp till 20 % av dem över 65 år. CAD är en ledande orsak till hjärtdödlighet i Singapore och över hela världen, med 19 % av dödsfallen i Singapore på grund av CAD (MOH-webbplatsen).

Antalet CAD-fall ökar på grund av åldrande och den högre förekomsten av bidragande sjukdomar som diabetes. Computed Tomography Coronary Angiography (CTCA) är förstahandsundersökningen för CAD enligt riktlinjerna från National Institute for Clinical Excellence (NICE). Nyligen genomförd prospektiv multicenteravbildningsstudie för utvärdering av bröstsmärta (PROMISE) och Scottish Computed Tomography of the Heart (SCOT-HEART)-studier stöder CTCA som det dominerande sättet att utvärdera koronar anatomi och fysiologi eftersom det ökar diagnostisk säkerhet, förbättrar effektiviteten av triage till invasiv kateterisering och minskar strålningsexponeringen jämfört med funktionell stresstestning.

För närvarande kräver generering av CAD-rapporter 3-6 timmar av en CT-specialists tid för att kommentera skanningar, med inter-observatörsvariabilitet på 20 %. Dessutom finns det ingen effektiv enskild verktygslåda för att analysera Agatston-poäng (ett mått på förkalkat CAD), stenosens svårighetsgrad och plackkarakterisering.

Dessa problem har allvarligt begränsat effektiviteten av CTCA som ett diagnostiskt och forskningsverktyg. Utredarna planerar att bygga vidare på Singapores konkurrensfördelar inom artificiell intelligens (AI) för att ge en lösning på dessa luckor.

Studietyp

Observationell

Inskrivning (Förväntat)

8000

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studera Kontakt Backup

Studieorter

      • Singapore, Singapore
        • Rekrytering
        • National University Hospital
        • Kontakt:
        • Huvudutredare:
          • Associate Professor Mark Chan
      • Singapore, Singapore, 169609
        • Rekrytering
        • National Heart Centre Singapore
        • Kontakt:
        • Huvudutredare:
          • Assoc. Prof Zhong Liang
      • Singapore, Singapore
        • Rekrytering
        • Tan Tock Seng Hospital
        • Kontakt:
        • Huvudutredare:
          • Dr Yew Min Sen

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

21 år till 80 år (VUXEN, OLDER_ADULT)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter som är kliniskt utvärderade av CTCA

Beskrivning

Inklusionskriterier:

  1. Ålder ≥21 år gammal
  2. Undertecknat informerat samtycke
  3. Kliniskt indicerat för utvärdering av CTCA

Exklusions kriterier:

  1. Individer som inte kan ge informerat samtycke
  2. Känd komplex medfödd hjärtsjukdom
  3. Planerad invasiv angiografi av andra skäl än CAD
  4. Icke-hjärtsjukdom med förväntad livslängd < 2 år
  5. Graviditet
  6. Samtidigt deltagande i en annan klinisk prövning där patienten är föremål för prövningsläkemedel eller apparat
  7. Hjärthändelse och/eller koronar revaskularisering (perkutan kranskärlsintervention (PCI) och/eller kransartär bypasstransplantation (CABG) och/eller klaffreparation/ersättning före CTCA
  8. Glomerulär filtreringshastighet ≤ 30 ml/min
  9. Känd allergi mot jodhaltiga kontrastmedel
  10. Kontraindikationer för betablockerare eller nitroglycerin eller adenosin

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Retrospektiv
4000 patienter som utvärderades kliniskt av CTCA från 1 januari 2007 till 31 oktober 2017.
CTCA utförs som en del av rutinvården.
Blivande
4000 patienter som är kliniskt utvärderade av CTCA.
CTCA utförs som en del av rutinvården.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
AI-precisionsverktygssatser: AI-stenosrapportering
Tidsram: baslinje

Stenosrapportering: Stenosens svårighetsgrad och exakt anatomisk lokalisering av stenosen.

Betydelsen av en stenos bestäms genom visuell uppskattning av den maximala graden av luminal förträngning som orsakas av plack. Som rekommenderas i SCCT-riktlinjen (Leipsic et al., 2014), kan kranskärlsstenos klassificeras som minimal, mild, måttlig, svår och totalt ockluderad separat. Enligt riktlinjen kommer en stenos att klassificeras som obstruktiv och icke-obstruktiv. Platsen för stenosen använder SCCT-modellen (Leipsic et al., 2014)

baslinje
AI-precisionsverktyg: Agatston-poäng
Tidsram: baslinje
Agatston-poäng: Agatston-poäng av förkalkad plack. Som rekommenderas i SCCTs kliniska praktiska riktlinjer (Leipsic et al., 2014), identifierar Agatstons poängprogram i allmänhet pixlar som överstiger 130 HU som en nivå som motsvarar kalcium i en icke-kontraststudie (Agatston et al., 1990). Läsaren måste identifiera varje lesion diskret förkalkningsfokus) i varje kärlfördelning. Den summerade poängen för varje kärl genereras av poängprogrammet baserat på en ytdensitetsmätning (Agatston-poäng) (Agatston et al., 1990) av varje förkalkat fokus. Den totala koronar Agatston-poängen är summan av alla förkalkade lesioner i alla kranskärlsbäddar.
baslinje
AI precisionsverktygssatser: Plaque
Tidsram: baslinje
Plackanalys: Plackvolym, belastning, typ och anatomiska placeringar. Koronarsegmentering och plackanalys utförs för segment med diameter ≥1,5 mm. Placering av plack använder SCCT-modellen (Leipsic et al., 2014). För varje plack markerar läsaren dess start- och slutpunkter, kvantifierar plackarea, volym och plackbörda och specificerar dess typ (icke-kalcifierad, förkalkad eller blandad) (Achenbach et al., 2004). Dessutom kan icke-förkalkat plack ytterligare delas in i lågförsvagande plack (LAP). En HU <30 kommer att beteckna LAP och >30 kommer att betyda icke-LAP.
baslinje
AI precisionsverktygssatser: EAT-analys
Tidsram: baslinje
EAT-analys: Total volym och anatomiska platser. EAT och perikardiell fettvävnad (PAT) är metaboliskt aktivt fett som omger kranskärlen och hjärtat, vilket är associerat med ökad risk för hjärt-kärlsjukdom (Villasante et al, 2019). EAT kan kvantifieras på icke-kontrast CT-skanningar. Anteckningarna på CT-skanningarna erhålls genom att manuellt rita hjärtsäcken först för att definiera regionen. EAT identifieras med hjälp av fettvävnadsförsvagningsreferenserna mellan -190 och -30 HU (Oikonomou et al., 2018). På grund av CT-skanningsbruset och ändrad dämpning kan HU-värdet för fett variera, så den slutliga EAT-regionen verifieras av en erfaren radiolog eller kardiolog.
baslinje

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
AI resultatanalys
Tidsram: ett till fem år från baslinjen
1. Dödlighet (alla orsaker och/eller kardiovaskulär)
ett till fem år från baslinjen
AI resultatanalys
Tidsram: ett till fem år från baslinjen
Stora ogynnsamma kardiovaskulära händelser (hjärtinfarkt, stroke, hjärtsvikt, revaskularisering, arytmier, etc)
ett till fem år från baslinjen
AI resultatanalys
Tidsram: ett till fem år från baslinjen
Återinläggning
ett till fem år från baslinjen

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Utredare

  • Huvudutredare: Liang Zhong, National Heart Centre Singapore

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (FAKTISK)

1 oktober 2021

Primärt slutförande (FÖRVÄNTAT)

1 december 2027

Avslutad studie (FÖRVÄNTAT)

1 december 2027

Studieregistreringsdatum

Först inskickad

19 april 2022

Först inskickad som uppfyllde QC-kriterierna

18 augusti 2022

Första postat (FAKTISK)

19 augusti 2022

Uppdateringar av studier

Senaste uppdatering publicerad (FAKTISK)

19 augusti 2022

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

18 augusti 2022

Senast verifierad

1 augusti 2022

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera