AI LVEF 的安全性和有效性研究 (EchoNet-RCT)
2022年6月30日 更新者：David Ouyang、Cedars-Sinai Medical Center
人工智能指导心功能评估的盲法随机对照试验
为了确定集成的 AI 决策支持是否可以节省时间并提高超声心动图评估的准确性，研究人员正在进行一项盲法、随机对照研究，将 AI 引导的左心室射血分数测量值与超声心动图初步读数中的超声检查测量值进行比较。
研究概览
研究类型
介入性
注册 (实际的)
3495
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
California
-
Los Angeles、California、美国、90048
- Cedars-Sinai Medical Center
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 至 110年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
描述
纳入标准：
- 研究影像学研究将包括接受影像学检查（有限或全面的经胸超声心动图研究）并在超声心动图/无创心脏成像实验室判定 LVEF 的患者。
- 研究参与者是在超声心动图/无创心脏成像实验室阅读的心脏病专家。
排除标准：
- 研究成像研究将排除经食管超声心动图成像。
- 该研究将排除拒绝参与的心脏病专家
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：诊断
- 分配：随机化
- 介入模型：单组作业
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
有源比较器：超声医师注解
目前，超声技师在心脏病专家验证和过度解读之前提供初步解释。
这种交错的逐步评估允许引入 AI 决策支持，同时对患者护理的影响最小。
考虑到超声医师的不同培训，医生已经习惯于调整初步报告，并留意需要进行的变化、变化或调整。
|
左心室的标准实践超声医师测量和 LVEF 的评估
|
|
实验性的：人工智能标注
在初步工作中，在斯坦福大学完成的 10,030 幅超声心动图中，一种用于评估 LVEF 的新型 AI 算法被证明比人工解读更精确（Ouyang 等人，2018 年）。
自然，2020）。
通过随机化，一部分初步解释将由人工智能技术完成，研究团队将评估初步解释与最终解释的差异。
|
语义分割深度学习模型将识别左心室并标记左心室。
AI 模型将使用基于视频的功能对 LVEF 进行评估。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
初步报告和最终报告之间 LVEF 变化 >5% 的频率
大体时间：10分钟
|
最终报告中 LVEF 变化超过 5% 的研究比例
|
10分钟
|
|
初步报告和最终报告之间 LVEF 的平均变化
大体时间：10分钟
|
初步报告和最终报告之间 LVEF 的平均变化
|
10分钟
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
频率心脏病专家调整初步注释
大体时间：10分钟
|
注释被更改的研究比例
|
10分钟
|
|
先前临床报告和最终报告之间 LVEF 的平均变化
大体时间：10分钟
|
先前临床报告和最终报告之间 LVEF 的平均变化
|
10分钟
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2022年4月1日
初级完成 (实际的)
2022年6月29日
研究完成 (实际的)
2022年6月29日
研究注册日期
首次提交
2021年11月17日
首先提交符合 QC 标准的
2021年11月30日
首次发布 (实际的)
2021年12月1日
研究记录更新
最后更新发布 (实际的)
2022年7月5日
上次提交的符合 QC 标准的更新
2022年6月30日
最后验证
2022年6月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.