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

Internationell studie av artificiell intelligens-baserad diagnos av kardiomyopati med hjälp av hjärt-MRI (AID-MRI) (AID-MRI)

11 mars 2024 uppdaterad av: James White, University of Calgary
Målet med denna observationsstudie är att testa noggrannheten hos datorbaserade (maskininlärningsbaserade) algoritmer för att diagnostisera hjärtsjukdomar och förutsäga om och när hjärtkomplikationer kommer att inträffa. AID-MRI-forskargruppen har utvecklat algoritmer som syftar till att modellera 3D-hjärtstruktur och rörelse (deformation), som visar att dessa kan vara av värde för att uppnå dessa uppgifter. Den internationella AID-MRI-studien syftar till att testa prestandan hos dessa algoritmer på 11 internationella webbplatser, med hjälp av data som erhållits från en mängd olika patienter som använder olika MRT-skannrar. Förutom en etablerad kohort på 10 000 patienter kommer AID-MRI att rekrytera ytterligare 1100 patienter från sina internationella anläggningar, dessa fungerar som en extern valideringskohort.

Studieöversikt

Status

Anmälan via inbjudan

Betingelser

Detaljerad beskrivning

Det finns många typer av hjärtmuskelsjukdomar som kan minska hjärtfunktionen eller leda till hjärtrytmproblem, dessa som tillsammans kallas kardiomyopatier. Cardiac MRI är ett icke-invasivt test utan strålning som kan användas för att diagnostisera dessa sjukdomar samt hjälpa till att förutsäga framtida komplikationer. För närvarande bygger tolkningen av dessa test på erfarenheten från läkare som tittar på dessa bilder och deras förmåga att känna igen specifika egenskaper. Datorer kan dock tränas för att plocka upp mer subtila sjukdomsdrag från bilder som en människa kanske inte ser, och kan tränas snabbare från tusentals fall där den slutliga diagnosen redan har bekräftats. AID-MRI-forskargruppen har samlat in hjärt-MR-bilder och hjärtdiagnoser från över 10 000 patienter i Alberta, Kanada och använder dessa data för att träna datoralgoritmer för att diagnostisera hjärtsjukdomar och förutsäga om hjärtkomplikationer kommer att uppstå i framtiden. Den internationella AID-MRI-studien är en offentligt finansierad, utredare initierad studie som testar noggrannheten hos dessa algoritmer för att utföra dessa uppgifter i en internationell miljö.

Det primära tillvägagångssättet som testas är konvertering av råa 2D-cine MRI-bilder till en standardiserad 4D-modell av hjärtform och deformation. Detta tillvägagångssätt har visat sig tillåta datoralgoritmer att känna igen olika kardiomyopatier. Vi kommer att testa denna datas förmåga att informera datoralgoritmer för att i) avgöra vilken sjukdom en patient har, och ii) förutsäga om en patient kommer att uppleva en allvarlig hjärtkomplikation inom en snar framtid. Värdet och inflytandet av andra icke-avbildande data (d.v.s. patientegenskaper) för att förbättra prestanda kommer också att bedömas.

Studietyp

Observationell

Inskrivning (Beräknad)

1100

Kontakter och platser

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

Studieorter

    • Alberta
      • Calgary, Alberta, Kanada, T3M1M4
        • South Health Campus
      • Calgary, Alberta, Kanada, T2N2T9
        • Foothills Medical Centre

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

18 år och äldre (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Testmetod

Sannolikhetsprov

Studera befolkning

Patienter som hänvisats till CMR-kliniker vid rekryterande vårdcentraler för utvärdering av känd eller misstänkt ischemisk eller icke-ischemisk kardiomyopati.

Beskrivning

Inklusionskriterier:

  • Måste ha lämnat informerat samtycke på ett sätt som godkänts av Investigator's Institutional Review Board (IRB) innan någon studierelaterad procedur utförs. Om en deltagare inte kan ge informerat samtycke på grund av hans/hennes medicinska tillstånd, kan deltagarens juridiskt auktoriserade representant ge sitt samtycke på uppdrag av studiedeltagaren, i enlighet med lokal lag och institutionella standardförfaranden.
  • Ålder ≥18 år vid tidpunkten för informerat samtycke;
  • Remiss för slutenvård eller öppenvård för CMR-avbildning;
  • Remiss för misstänkt akut eller kronisk kardiomyopati tillstånd av ischemisk och/eller icke-ischemisk etiologi;
  • Nyligen ritade (≤180 dagar) och tillgängliga serumlaboratoriemarkörer för hemoglobin, hematokrit och kreatinin;
  • Vill och kan följa alla studiekrav

Exklusions kriterier:

  • Standardkontraindikation(er) för magnetisk resonansavbildningsprestanda baserat på lokala policyer;
  • Kan hålla andan (dvs. film i realtid stöds inte);
  • Pågående eller nyligen (≤ 60 dagar) graviditet;
  • Pågående eller nyligen (≤ 60 dagar) sepsis som kräver intubation;
  • Cardiac implantable electronic implanted device (CIED) av vilken typ som helst (utesluten på grund av sannolikheten för minskad bildkvalitet och förväntad påverkan på algoritmens prestanda), inklusive permanent pacemaker, implanterbar cardioverter-defibrillator eller implanterbar loop-inspelare;
  • Allvarlig aortaklaffstenos (dvs genomsnittlig AVG >40 mmHg);
  • Klaffprotes (mekanisk eller bioprotetisk) i mitral- eller aortaläge
  • Medfödd hjärtsjukdom, inklusive eventuell kirurgiskt korrigerad sjukdom, dextrokardi, Tetralogy of Fallot, okorrigerad partiell anomal pulmonell venös återgång eller stor förmaksseptumdefekt (Qp:Qs ≥1,5) [Notera: bikuspid aortaklaffsjukdom är inte ett uteslutningskriterium i isolering];

Studieplan

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

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Prediktionsnoggrannhet
Tidsram: 2 år

Den primära endpointen är prestandavinster med 3D-klassificering av myokarddeformationsanalys (3D-MDA) jämfört med råbildsbaserad klassificering. Det primära resultatet kommer att bedömas i 1 000 externt rekryterade ämnen.

För diagnostiska modeller kommer prestanda att beskrivas av AUC, Precision, Recall och F1 för varje sjukdomsklass. Förutspådd sjukdomsklass kommer att definieras som den högsta sannolikheten som observerats över alla möjliga klasser. Grundsanningen kommer att tilldelas genom fördefinierade diagnostiska kriterier genom att registrera plats PI:er efter CMR-tolkning med tillgång till medicinska journaler.

För prognostiska modeller kommer algoritmförutspådda allvarliga kardiovaskulära händelser (MACE) att testas från CMR till första observerade MACE. Både regression (tid till händelse) och klassificeringsmodellering (vid 1- och 2-års tidpunkter) kommer att bedömas. Klassificeringsprestanda kommer att bedömas på samma sätt som diagnostiska modeller. Regressionsprestanda kommer att bedömas med tidsberoende AUC (tAUC).

2 år

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Sekundär effektivitet
Tidsram: 2 år

De sekundära resultaten av AID-MRI syftar till att identifiera påverkan av bias i AI-modellprestanda och att bedöma kapaciteten av bildförbehandling med 3D-MDA för att mildra sådan påverkan och förbättra generaliserbarheten. Detta kommer att uppnås genom stratifierade analyser av det primära effektmåttet över fördefinierade undergrupper av den prospektivt rekryterade patientpopulationen.

Dessa analyser kommer att inkludera följande:

  • Jämförande modellprestanda i kvinnligt kontra manligt födelsekön
  • Jämförande modellprestanda i stora etniska undergrupper
  • Jämförande modellprestanda i binärt kontra icke-binärt kön
  • Jämförande modellprestanda baserad på leverantörens hårdvara och fältstyrka
2 år

Samarbetspartners och utredare

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

Samarbetspartners

Utredare

  • Huvudutredare: James White, MD, FRCP(C), University Of Calgary

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)

30 juni 2023

Primärt slutförande (Beräknad)

31 december 2024

Avslutad studie (Beräknad)

30 juli 2025

Studieregistreringsdatum

Först inskickad

22 juni 2022

Först inskickad som uppfyllde QC-kriterierna

30 mars 2023

Första postat (Faktisk)

31 mars 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

13 mars 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

11 mars 2024

Senast verifierad

1 mars 2024

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • AID-MRI-001

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

JA

IPD-planbeskrivning

Ett användarkonsortium kommer att etableras för att få tillgång till samlade dataresurser som bidrar till AID-MRI-studien. Varje deltagande webbplats kommer att tillåtas att lämna in frivilligt utträde ur konsortiet när som helst med fullständig borttagning av dataresurser. Föreslagna studier som utnyttjar AID-MRI-konsortiets dataresurser kommer att granskas och måste godkännas av styrkommittén. Dataresurser kommer att nås på en säker server "under glas", vilket innebär att dataresurser inte kan tas bort från värdens miljö. Begärande team kommer att ansvara för att etablera och underhålla sin egen miljö för dataanalyser på en tillhandahållen virtuell maskin.

Tidsram för IPD-delning

18 månader efter avslutad studie

Kriterier för IPD Sharing Access

Forskning endast i syfte. Inlämning, granskning och godkännande av studiestyrgrupp.

IPD-delning som stöder informationstyp

  • STUDY_PROTOCOL
  • ICF

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