免费获得国外相关药品，最快 1 个工作日回馈药物信息
出境医 / 临床实验 / 心血管声学和智能听诊器（CAI）
心血管声学和智能听诊器（CAI）
研究描述
简要摘要：
该项目的目的是开发一个能够分析心脏声音的人工智能软件，以早期提供多种心脏病的诊断。自1816年Laennec发明听诊器以来，基本设计并未发生重大变化。我们的软件可以与现有的电子听诊器结合在一起，以创建一种“智能”听诊器，医疗保健助理或练习护士可以使用，以筛查发出声音的心脏病。否则将无法诊断的患者也可以在家中使用它。
剑桥大学工程系（提示）的研究研究人员开发了一种概念验证AI算法来检测心脏杂音。但是，为了准确检测杂音的特定病理和严重程度，需要更多的心脏声音记录（与患者超声心动图的地面真相相匹配）。向一家需要超声心动图作为常规护理的一部分的合作伙伴医院的患者将被邀请同意这项研究。参与将需要使用电子听诊器记录患者的心脏声音，并收集常规的临床数据和常规的临床超声心动图，并在一次常规的患者访问中。
| 病情或疾病 |
|---|
| 心脏瓣膜疾病 |
详细说明：
该项目将开发一种AI算法，该算法可以进口到听诊器中，以使其能够自动诊断出存在的任何瓣膜疾病及其严重性。这将有助于全科医生通过更少的不必要的超声心动图引用，并在不容易获得其成本可用于超声心动图的国家中产生更准确的诊断，从而有助于产生更准确的诊断，并降低成本。该团队使用少量数据以及一些被临床医师标记的标签，创建了一种屡获殊荣的AI算法，能够准确检测心脏杂音。但是，为了提高该系统的准确性和能力，需要多种疾病（与超声心动图诊断匹配）的心脏声音记录。这项研究成功的关键是产生一种AI算法，该算法比不同等级的医生在检测心脏杂音的特定异常和严重程度时更准确。该方法还将提供有关不同心脏声音的声学特征的全面研究。到目前为止，向医学生教授的心脏声音的所有声学特征都是基于主观意见。这项研究将能够客观地分析这些声学特征。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 1150名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 预期 |
| 官方标题： | 心血管声学和智能听诊器。一项观察性研究，从患者那里收集心脏声音记录，以了解杂音的声学特征并发展为人为智能的听诊器。 |
| 实际学习开始日期 ： | 2019年10月24日 |
| 估计的初级完成日期 ： | 2021年9月30日 |
| 估计 学习完成日期 ： | 2022年1月31日 |
武器和干预措施
| 组/队列 |
|---|
| 主动脉瓣狭窄（成人） 30例轻度，30例中度和30例使用BSE等级[Wharton 2014]。 |
| 二尖瓣反流（成人） 30例轻度，30例中度和30例使用BSE等级[Wharton 2014]。 |
| 主动脉反流（成人） 30例轻度，30例中度和30例使用BSE等级的患者[Wharton 2014]。 |
| 二尖瓣狭窄（成人） 30例轻度，30例中度和30例使用BSE等级[Wharton 2014]。 |
| 混合瓣膜疾病（成人） 30例轻度，30例中度和30例患有严重混合瓣膜疾病的患者。使用BSE等级基于最严重疾病的总体分类[Wharton 2014]。 |
| 心室间隔缺陷（小儿患者） 36例儿科患者使用[Samaan 1970]的等级，患有37例中度和36例严重心室间隔缺损的患者。 |
| 主动脉狭窄（小儿患者） 36例儿科患者，温和37例，中度和36例严重主动脉瓣狭窄 |
| 肺部狭窄（小儿患者） 36例儿科患者，温和37例中度和36例严重的肺部狭窄。 |
| 专利导管（小儿患者） 36例使用导管尺寸的小儿温和37例中度和36例患有严重的专利导管的动脉导管[Arlettaz 2017]。 |
| 没有疾病（小儿患者） |
结果措施
主要结果指标 ：
资格标准
| 有资格学习的年龄： | 儿童，成人，老年人 |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 不 |
| 采样方法： | 非概率样本 |
研究人群
在调查地点参加心脏病学诊所的患者将具有超声心动图
标准
纳入标准：
- 愿意并且能够给予知情同意参加学习的参与者
- 参与者进行超声心动图作为其常规评估的一部分
排除标准：
- 不给予知情同意
- 纽约心脏协会（NYHA）功能类= 4
联系人和位置
联系人
| 联系人：Nicky Watson，MSC | 01223639684 | nicky.watson2@nhs.net | |
| 联系人：维多利亚·休斯（Victoria Hughes），博士 | 01223 639678 | victoria.hughes1@nhs.net |
位置
| 英国 | |
| 大学医院伯明翰NHS基金会信托基金 | 招募 |
| 伯明翰，英国，b15 2th | |
| 联系人：MA，MBBS，MD Rick.steeds@uhb.nhs.uk | |
| 皇家Papworth医院NHS基金会信托 | 招募 |
| 剑桥，英国，CB2 0日 | |
| 联系人：Len Shapiro，MB Bchir MD Len.shapiro@papworth.nhs.uk | |
| 盖伊和圣托马斯的NHS基金会信托 | 招募 |
| 伦敦，英国，SE1 9RT | |
| 联系人：Shakeel Qureshi，MBCHB，MRCP shakeel.qureshi@gstt.nhs.uk | |
| 国王学院医院NHS基金会信托 | 招募 |
| 伦敦，英国，SE5 9RS | |
| 联系人：Mark Monaghan，MSC，PhD Mark.monaghan@nhs.net | |
| 帝国大学医疗保健NHS信托 | 招募 |
| 伦敦，英国，W2 1NY | |
| 联系人：Bushra Rana，MB BS Bushra.rana@nhs.net | |
赞助商和合作者
Papworth医院NHS基金会信托
调查人员
| 首席研究员： | Bushra Rana，MB BS | 帝国大学医疗保健NHS信托 |
| 追踪信息 | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 首先提交日期 | 2020年6月21日 | ||||||||
| 第一个发布日期 | 2020年6月24日 | ||||||||
| 上次更新发布日期 | 2020年8月12日 | ||||||||
| 实际学习开始日期 | 2019年10月24日 | ||||||||
| 估计的初级完成日期 | 2021年9月30日（主要结果指标的最终数据收集日期） | ||||||||
| 当前的主要结果指标 | 评估算法的特异性，用于检测临床意义的瓣膜疾病和心脏病' target='_blank'>先天性心脏病相对于全科医生的表现[时间范围：第1天] 我们将使用Littmann 3200电子听诊器（在主动脉，肺，二尖瓣和三尖）的患者（在主动脉，肺，二尖瓣和三尖端位点）获得4秒钟的心脏声音记录。 | ||||||||
| 原始主要结果指标 | 评估AI算法的特异性，用于检测相对于GPS的性能，检测具有临床意义的瓣膜疾病和心脏病' target='_blank'>先天性心脏病[仅时间范围：仅一次访问] 我们将使用Littmann 3200电子听诊器（在主动脉，肺，二尖瓣和三尖）的患者（在主动脉，肺，二尖瓣和三尖端位点）获得4秒钟的心脏声音记录。 | ||||||||
| 改变历史 | |||||||||
| 当前的次要结果指标 | 不提供 | ||||||||
| 原始的次要结果指标 | 不提供 | ||||||||
| 当前其他预先指定的结果指标 | 不提供 | ||||||||
| 原始其他预先指定的结果指标 | 不提供 | ||||||||
| 描述性信息 | |||||||||
| 简短标题 | 心血管声学和智能听诊器 | ||||||||
| 官方头衔 | 心血管声学和智能听诊器。一项观察性研究，从患者那里收集心脏声音记录，以了解杂音的声学特征并发展为人为智能的听诊器。 | ||||||||
| 简要摘要 | 该项目的目的是开发一个能够分析心脏声音的人工智能软件，以早期提供多种心脏病的诊断。自1816年Laennec发明听诊器以来，基本设计并未发生重大变化。我们的软件可以与现有的电子听诊器结合在一起，以创建一种“智能”听诊器，医疗保健助理或练习护士可以使用，以筛查发出声音的心脏病。否则将无法诊断的患者也可以在家中使用它。 剑桥大学工程系（提示）的研究研究人员开发了一种概念验证AI算法来检测心脏杂音。但是，为了准确检测杂音的特定病理和严重程度，需要更多的心脏声音记录（与患者超声心动图的地面真相相匹配）。向一家需要超声心动图作为常规护理的一部分的合作伙伴医院的患者将被邀请同意这项研究。参与将需要使用电子听诊器记录患者的心脏声音，并收集常规的临床数据和常规的临床超声心动图，并在一次常规的患者访问中。 | ||||||||
| 详细说明 | 该项目将开发一种AI算法，该算法可以进口到听诊器中，以使其能够自动诊断出存在的任何瓣膜疾病及其严重性。这将有助于全科医生通过更少的不必要的超声心动图引用，并在不容易获得其成本可用于超声心动图的国家中产生更准确的诊断，从而有助于产生更准确的诊断，并降低成本。该团队使用少量数据以及一些被临床医师标记的标签，创建了一种屡获殊荣的AI算法，能够准确检测心脏杂音。但是，为了提高该系统的准确性和能力，需要多种疾病（与超声心动图诊断匹配）的心脏声音记录。这项研究成功的关键是产生一种AI算法，该算法比不同等级的医生在检测心脏杂音的特定异常和严重程度时更准确。该方法还将提供有关不同心脏声音的声学特征的全面研究。到目前为止，向医学生教授的心脏声音的所有声学特征都是基于主观意见。这项研究将能够客观地分析这些声学特征。 | ||||||||
| 研究类型 | 观察 | ||||||||
| 学习规划 | 观察模型：队列 时间观点：潜在 | ||||||||
| 目标随访时间 | 不提供 | ||||||||
| 生物测量 | 不提供 | ||||||||
| 采样方法 | 非概率样本 | ||||||||
| 研究人群 | 在调查地点参加心脏病学诊所的患者将具有超声心动图 | ||||||||
| 健康）状况 | 心脏瓣膜疾病 | ||||||||
| 干涉 | 不提供 | ||||||||
| 研究组/队列 |
| ||||||||
| 出版物 * | 不提供 | ||||||||
*包括由数据提供商提供的出版物以及Medline中临床标识符（NCT编号）的出版物。 | |||||||||
| 招聘信息 | |||||||||
| 招聘状况 | 招募 | ||||||||
| 估计入学人数 | 1150 | ||||||||
| 原始估计注册 | 与电流相同 | ||||||||
| 估计学习完成日期 | 2022年1月31日 | ||||||||
| 估计的初级完成日期 | 2021年9月30日（主要结果指标的最终数据收集日期） | ||||||||
| 资格标准 | 纳入标准：
排除标准：
| ||||||||
| 性别/性别 |
| ||||||||
| 年龄 | 儿童，成人，老年人 | ||||||||
| 接受健康的志愿者 | 不 | ||||||||
| 联系人 |
| ||||||||
| 列出的位置国家 | 英国 | ||||||||
| 删除了位置国家 | |||||||||
| 管理信息 | |||||||||
| NCT编号 | NCT04445012 | ||||||||
| 其他研究ID编号 | P02087 | ||||||||
| 有数据监测委员会 | 不 | ||||||||
| 美国FDA调节的产品 |
| ||||||||
| IPD共享声明 |
| ||||||||
| 责任方 | Papworth医院NHS基金会信托 | ||||||||
| 研究赞助商 | Papworth医院NHS基金会信托 | ||||||||
| 合作者 | 不提供 | ||||||||
| 调查人员 |
| ||||||||
| PRS帐户 | Papworth医院NHS基金会信托 | ||||||||
| 验证日期 | 2020年8月 | ||||||||
研究描述
简要摘要：
该项目的目的是开发一个能够分析心脏声音的人工智能软件，以早期提供多种心脏病的诊断。自1816年Laennec发明听诊器以来，基本设计并未发生重大变化。我们的软件可以与现有的电子听诊器结合在一起，以创建一种“智能”听诊器，医疗保健助理或练习护士可以使用，以筛查发出声音的心脏病。否则将无法诊断的患者也可以在家中使用它。
剑桥大学工程系（提示）的研究研究人员开发了一种概念验证AI算法来检测心脏杂音。但是，为了准确检测杂音的特定病理和严重程度，需要更多的心脏声音记录（与患者超声心动图的地面真相相匹配）。向一家需要超声心动图作为常规护理的一部分的合作伙伴医院的患者将被邀请同意这项研究。参与将需要使用电子听诊器记录患者的心脏声音，并收集常规的临床数据和常规的临床超声心动图，并在一次常规的患者访问中。
| 病情或疾病 |
|---|
| 心脏瓣膜疾病 |
详细说明：
该项目将开发一种AI算法，该算法可以进口到听诊器中，以使其能够自动诊断出存在的任何瓣膜疾病及其严重性。这将有助于全科医生通过更少的不必要的超声心动图引用，并在不容易获得其成本可用于超声心动图的国家中产生更准确的诊断，从而有助于产生更准确的诊断，并降低成本。该团队使用少量数据以及一些被临床医师标记的标签，创建了一种屡获殊荣的AI算法，能够准确检测心脏杂音。但是，为了提高该系统的准确性和能力，需要多种疾病（与超声心动图诊断匹配）的心脏声音记录。这项研究成功的关键是产生一种AI算法，该算法比不同等级的医生在检测心脏杂音的特定异常和严重程度时更准确。该方法还将提供有关不同心脏声音的声学特征的全面研究。到目前为止，向医学生教授的心脏声音的所有声学特征都是基于主观意见。这项研究将能够客观地分析这些声学特征。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 1150名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 预期 |
| 官方标题： | 心血管声学和智能听诊器。一项观察性研究，从患者那里收集心脏声音记录，以了解杂音的声学特征并发展为人为智能的听诊器。 |
| 实际学习开始日期 ： | 2019年10月24日 |
| 估计的初级完成日期 ： | 2021年9月30日 |
| 估计 学习完成日期 ： | 2022年1月31日 |
武器和干预措施
| 组/队列 |
|---|
| 主动脉瓣狭窄（成人） 30例轻度，30例中度和30例使用BSE等级[Wharton 2014]。 |
| 二尖瓣反流（成人） 30例轻度，30例中度和30例使用BSE等级[Wharton 2014]。 |
| 主动脉反流（成人） 30例轻度，30例中度和30例使用BSE等级的患者[Wharton 2014]。 |
| 二尖瓣狭窄（成人） 30例轻度，30例中度和30例使用BSE等级[Wharton 2014]。 |
| 混合瓣膜疾病（成人） 30例轻度，30例中度和30例患有严重混合瓣膜疾病的患者。使用BSE等级基于最严重疾病的总体分类[Wharton 2014]。 |
| 心室间隔缺陷（小儿患者） 36例儿科患者使用[Samaan 1970]的等级，患有37例中度和36例严重心室间隔缺损的患者。 |
| 主动脉狭窄（小儿患者） 36例儿科患者，温和37例，中度和36例严重主动脉瓣狭窄 |
| 肺部狭窄（小儿患者） 36例儿科患者，温和37例中度和36例严重的肺部狭窄。 |
| 专利导管（小儿患者） 36例使用导管尺寸的小儿温和37例中度和36例患有严重的专利导管的动脉导管[Arlettaz 2017]。 |
| 没有疾病（小儿患者） |
结果措施
主要结果指标 ：
资格标准
| 有资格学习的年龄： | 儿童，成人，老年人 |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 不 |
| 采样方法： | 非概率样本 |
研究人群
在调查地点参加心脏病学诊所的患者将具有超声心动图
标准
纳入标准：
- 愿意并且能够给予知情同意参加学习的参与者
- 参与者进行超声心动图作为其常规评估的一部分
排除标准：
- 不给予知情同意
- 纽约心脏协会（NYHA）功能类= 4
联系人和位置
联系人
| 联系人：Nicky Watson，MSC | 01223639684 | nicky.watson2@nhs.net | |
| 联系人：维多利亚·休斯（Victoria Hughes），博士 | 01223 639678 | victoria.hughes1@nhs.net |
位置
| 英国 | |
| 大学医院伯明翰NHS基金会信托基金 | 招募 |
| 伯明翰，英国，b15 2th | |
| 联系人：MA，MBBS，MD Rick.steeds@uhb.nhs.uk | |
| 皇家Papworth医院NHS基金会信托 | 招募 |
| 剑桥，英国，CB2 0日 | |
| 联系人：Len Shapiro，MB Bchir MD Len.shapiro@papworth.nhs.uk | |
| 盖伊和圣托马斯的NHS基金会信托 | 招募 |
| 伦敦，英国，SE1 9RT | |
| 联系人：Shakeel Qureshi，MBCHB，MRCP shakeel.qureshi@gstt.nhs.uk | |
| 国王学院医院NHS基金会信托 | 招募 |
| 伦敦，英国，SE5 9RS | |
| 联系人：Mark Monaghan，MSC，PhD Mark.monaghan@nhs.net | |
| 帝国大学医疗保健NHS信托 | 招募 |
| 伦敦，英国，W2 1NY | |
| 联系人：Bushra Rana，MB BS Bushra.rana@nhs.net | |
赞助商和合作者
Papworth医院NHS基金会信托
调查人员
| 首席研究员： | Bushra Rana，MB BS | 帝国大学医疗保健NHS信托 |
| 追踪信息 | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 首先提交日期 | 2020年6月21日 | ||||||||
| 第一个发布日期 | 2020年6月24日 | ||||||||
| 上次更新发布日期 | 2020年8月12日 | ||||||||
| 实际学习开始日期 | 2019年10月24日 | ||||||||
| 估计的初级完成日期 | 2021年9月30日（主要结果指标的最终数据收集日期） | ||||||||
| 当前的主要结果指标 | 评估算法的特异性，用于检测临床意义的瓣膜疾病和先天性心脏病' target='_blank'>先天性心脏病相对于全科医生的表现[时间范围：第1天] 我们将使用Littmann 3200电子听诊器（在主动脉，肺，二尖瓣和三尖）的患者（在主动脉，肺，二尖瓣和三尖端位点）获得4秒钟的心脏声音记录。 | ||||||||
| 原始主要结果指标 | 评估AI算法的特异性，用于检测相对于GPS的性能，检测具有临床意义的瓣膜疾病和先天性心脏病' target='_blank'>先天性心脏病[仅时间范围：仅一次访问] 我们将使用Littmann 3200电子听诊器（在主动脉，肺，二尖瓣和三尖）的患者（在主动脉，肺，二尖瓣和三尖端位点）获得4秒钟的心脏声音记录。 | ||||||||
| 改变历史 | |||||||||
| 当前的次要结果指标 | 不提供 | ||||||||
| 原始的次要结果指标 | 不提供 | ||||||||
| 当前其他预先指定的结果指标 | 不提供 | ||||||||
| 原始其他预先指定的结果指标 | 不提供 | ||||||||
| 描述性信息 | |||||||||
| 简短标题 | 心血管声学和智能听诊器 | ||||||||
| 官方头衔 | 心血管声学和智能听诊器。一项观察性研究，从患者那里收集心脏声音记录，以了解杂音的声学特征并发展为人为智能的听诊器。 | ||||||||
| 简要摘要 | 该项目的目的是开发一个能够分析心脏声音的人工智能软件，以早期提供多种心脏病的诊断。自1816年Laennec发明听诊器以来，基本设计并未发生重大变化。我们的软件可以与现有的电子听诊器结合在一起，以创建一种“智能”听诊器，医疗保健助理或练习护士可以使用，以筛查发出声音的心脏病。否则将无法诊断的患者也可以在家中使用它。 剑桥大学工程系（提示）的研究研究人员开发了一种概念验证AI算法来检测心脏杂音。但是，为了准确检测杂音的特定病理和严重程度，需要更多的心脏声音记录（与患者超声心动图的地面真相相匹配）。向一家需要超声心动图作为常规护理的一部分的合作伙伴医院的患者将被邀请同意这项研究。参与将需要使用电子听诊器记录患者的心脏声音，并收集常规的临床数据和常规的临床超声心动图，并在一次常规的患者访问中。 | ||||||||
| 详细说明 | 该项目将开发一种AI算法，该算法可以进口到听诊器中，以使其能够自动诊断出存在的任何瓣膜疾病及其严重性。这将有助于全科医生通过更少的不必要的超声心动图引用，并在不容易获得其成本可用于超声心动图的国家中产生更准确的诊断，从而有助于产生更准确的诊断，并降低成本。该团队使用少量数据以及一些被临床医师标记的标签，创建了一种屡获殊荣的AI算法，能够准确检测心脏杂音。但是，为了提高该系统的准确性和能力，需要多种疾病（与超声心动图诊断匹配）的心脏声音记录。这项研究成功的关键是产生一种AI算法，该算法比不同等级的医生在检测心脏杂音的特定异常和严重程度时更准确。该方法还将提供有关不同心脏声音的声学特征的全面研究。到目前为止，向医学生教授的心脏声音的所有声学特征都是基于主观意见。这项研究将能够客观地分析这些声学特征。 | ||||||||
| 研究类型 | 观察 | ||||||||
| 学习规划 | 观察模型：队列 时间观点：潜在 | ||||||||
| 目标随访时间 | 不提供 | ||||||||
| 生物测量 | 不提供 | ||||||||
| 采样方法 | 非概率样本 | ||||||||
| 研究人群 | 在调查地点参加心脏病学诊所的患者将具有超声心动图 | ||||||||
| 健康）状况 | 心脏瓣膜疾病 | ||||||||
| 干涉 | 不提供 | ||||||||
| 研究组/队列 |
| ||||||||
| 出版物 * | 不提供 | ||||||||
*包括由数据提供商提供的出版物以及Medline中临床标识符（NCT编号）的出版物。 | |||||||||
| 招聘信息 | |||||||||
| 招聘状况 | 招募 | ||||||||
| 估计入学人数 | 1150 | ||||||||
| 原始估计注册 | 与电流相同 | ||||||||
| 估计学习完成日期 | 2022年1月31日 | ||||||||
| 估计的初级完成日期 | 2021年9月30日（主要结果指标的最终数据收集日期） | ||||||||
| 资格标准 | 纳入标准：
排除标准：
| ||||||||
| 性别/性别 |
| ||||||||
| 年龄 | 儿童，成人，老年人 | ||||||||
| 接受健康的志愿者 | 不 | ||||||||
| 联系人 |
| ||||||||
| 列出的位置国家 | 英国 | ||||||||
| 删除了位置国家 | |||||||||
| 管理信息 | |||||||||
| NCT编号 | NCT04445012 | ||||||||
| 其他研究ID编号 | P02087 | ||||||||
| 有数据监测委员会 | 不 | ||||||||
| 美国FDA调节的产品 |
| ||||||||
| IPD共享声明 |
| ||||||||
| 责任方 | Papworth医院NHS基金会信托 | ||||||||
| 研究赞助商 | Papworth医院NHS基金会信托 | ||||||||
| 合作者 | 不提供 | ||||||||
| 调查人员 |
| ||||||||
| PRS帐户 | Papworth医院NHS基金会信托 | ||||||||
| 验证日期 | 2020年8月 | ||||||||
