开发一种人工智能算法来检测心电图上的病理性复极化障碍和室性心律失常的风险 (DEEPECG4U)
本研究的目的是前瞻性地验证来自 APHP 各个部门的现实生活队列,我们的人工智能(深度学习)模型允许:
- 自动测量各种心电定量特征,
- LQT 的识别和分型以及 TdP 的风险。
研究概览
详细说明
尖端扭转型室性心动过速 (TdP) 是潜在致命的室性心律失常,有利于延长心室复极化(长 QT、LQT)。 不同类型的现有 LQT 源自心脏钾电流 (IKr; IKs) 的抑制或晚期钠电流 (INaL) 的激活。 这些改变可能是先天性的(3 种类型=>cLQT-1:IKs、cLQT-2:IKr、cLQT-3:INaL)或药物诱导的(diLQT,通过抑制 IKr)。 尽管存在 TdP 风险,但仍有 100 多种药物获得了上市许可,因为它们具有良好的效益/风险比(例如 羟氯喹)。
QTc 表示心室复极化的持续时间 (msec),对应于 QRS 开始和 T 波结束之间的时间,通过心率校正,在所有 LQT 中均延长。 作为电流改变函数的特定 T 波异常已被描述,并有助于区分 cLQT/diLQT 类型。 因此,将 ECG 的分析限制在 QTc 的分析上并不是很有预测性,因为 ECG 中包含的信息要丰富得多,并且不限于简单的间隔测量。
我们最近表明,使用人工智能(卷积神经网络、深度学习)对 ECG 进行分析可以识别出 ECG 的元素,这些元素在预测 LQT 类型和 TdP 风险方面比 QTc 更具鉴别力。 利用这些技术,我们开发了一个具有概率模块的模型,可以预测 TdP 的风险,识别 LQT 的类型(分数范围从 0 到 100%),并允许对各种常见的 ECG 参数(包括 QTc、心率)进行定量测量、PR 和 QRS)。
该项目的目标是前瞻性地验证来自 APHP 各个部门的现实生活队列,我们的模型允许:
- 自动 QTc 测量,
- LQT 的识别和分型以及 TdP 的风险。
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名:Joe-Elie SALEM, PU-PH
- 电话号码:0033 1 42 17 85 35
- 邮箱:joe-elie.salem@aphp.fr
学习地点
-
-
-
Paris、法国、75013
- 招聘中
- Centre d'Investigation Clinique Paris-Est/Hôpital Pitié-Salpêtrière
-
接触:
- Joe-Elie SALEM, PU-PH
- 电话号码:00 33 1 42 17 85 35
- 邮箱:joe-elie.salem@aphp.fr
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 年龄 ≥ 18
- 在需要 ECG 的招募中心接受治疗的患者或受试者
- 不反对参与研究
排除标准:
- 心电图的医疗禁忌症
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
---|
队列
具有进行心电图临床指征的患者
|
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 |
---|---|---|
AI-深度学习模型的诊断特性
大体时间:第 0 天
|
使用经过标准化和验证的专家测量来评估深度学习定量 QTc 测量模型的诊断特性(特异性、灵敏度、阳性预测值、阴性预测值),以识别住院患者群体中具有非常病理性 QTc(≥500 毫秒)的患者来自各个中心。
|
第 0 天
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
先天性长QT患者的鉴别
大体时间:第 0 天
|
评估用于识别先天性长 QT 患者的 AI 模型,并区分住院患者群体中的类型
|
第 0 天
|
药物诱导获得性长 QT 间期患者的鉴定
大体时间:第 0 天
|
评估用于识别药物诱导的获得性长 QT 患者的 AI 模型
|
第 0 天
|
心电图定量特征的测量
大体时间:第 0 天
|
评估用于测量 QT、PR、QRS、心率和 QTc 的 AI 模型。
|
第 0 天
|
合作者和调查者
调查人员
- 首席研究员:Joe-Elie SALEM, PU-PH、Assistance Publique - Hôpitaux de Paris
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (估计的)
上次提交的符合 QC 标准的更新
最后验证
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.