Dépistage échocardiographique guidé par intelligence artificielle des maladies rares (EchoNet-Screening)

numéro d'identification de l'étude : NCT05139797

condition: Amylose cardiaque

statut: Recrutement

Malgré les progrès rapides des thérapies ciblées et du séquençage génétique, les limites persistantes de la précision et du débit du phénotypage clinique ont conduit à un écart croissant entre les avantages potentiels et réels de la médecine de précision.

Les progrès récents dans les techniques d’apprentissage automatique et de traitement d’images ont montré que les modèles d’apprentissage automatique peuvent identifier des caractéristiques non reconnues par les experts humains et évaluer plus précisément les mesures courantes effectuées dans la pratique clinique.

Les enquêteurs ont développé un algorithme, appelé EchoNet-LVH, pour identifier l'hypertrophie cardiaque et identifier les patients qui bénéficieraient d'un dépistage supplémentaire de l'amylose cardiaque et évalueront de manière prospective son exactitude dans l'identification des patients qui bénéficieraient d'un dépistage supplémentaire de l'amylose cardiaque.

intervention: Dépistage EchoNet-LVH de l'amylose cardiaque

résultats: https://clinicaltrials.gov/ct2/show/results/NCT05139797

dernière mise à jour: 28 décembre 2023

date de début: 18 novembre 2021

achèvement estimée: Le 1 juin 2025

dernière mise à jour: 8 février 2023

taille / inscription: 300

descriptif de l'étude : Malgré les progrès rapides des thérapies ciblées et du séquençage génétique, les limites persistantes de la précision et du débit du phénotypage clinique ont conduit à un écart croissant entre les avantages potentiels et réels de la médecine de précision. Cette énigme est illustrée par les approches actuelles pour évaluer les altérations morphologiques du cœur. Si elles sont identifiées de manière fiable, certaines maladies cardiaques (par exemple l'amylose cardiaque et la cardiomyopathie hypertrophique) pourraient éviter les erreurs de diagnostic et bénéficier d'un traitement efficace avec des thérapies ciblées spécifiques. La capacité de distinguer de manière fiable les types de maladies cardiaques de morphologie similaire mais d'étiologie différente améliorerait également la spécificité pour relier les variantes de risque génétique et déterminer les mécanismes.

Les progrès récents dans les techniques d’apprentissage automatique et de traitement d’images ont montré que les modèles d’apprentissage automatique peuvent identifier des caractéristiques non reconnues par les experts humains et évaluer plus précisément les mesures courantes effectuées dans la pratique clinique. En échocardiographie, cette capacité de mesure et de détection précises est importante à la fois pour le dépistage des maladies et pour le diagnostic des maladies cardiovasculaires.

L'échocardiographie est couramment et fréquemment utilisée pour le diagnostic et le pronostic dans les soins cliniques de routine, mais il existe souvent une subjectivité dans l'interprétation et une hétérogénéité dans l'application. L’attention humaine est fatigable et fait l’objet d’interprétations hétérogènes selon les prestataires. Des flux de travail de dépistage des maladies guidés par l'IA ont été proposés pour des maladies rares telles que l'amylose cardiaque et d'autres maladies avec une prévalence relativement faible mais un impact humain significatif avec des thérapies ciblées lorsqu'elles sont détectées tôt. Il s’agit d’un domaine particulièrement adapté à l’IA, car il existe de multiples imitations dans lesquelles des maladies telles que la cardiomyopathie hypertrophique, l’amylose cardiaque, la sténose aortique et d’autres phénotypes peuvent être visuellement similaires mais peuvent être distinguées par les algorithmes d’IA. Les enquêteurs ont développé un algorithme, appelé EchoNet-LVH, pour identifier l'hypertrophie cardiaque et identifier les patients qui bénéficieraient d'un dépistage supplémentaire de l'amylose cardiaque, de la cardiomyopathie hypertrophique et d'autres maladies. E

résultats principaux :

• Nombre de nouveaux diagnostics d’amylose cardiaque découverts
  À partir de l’examen des dossiers, identification des patients qui ont un diagnostic en aval d’amylose cardiaque
• 6 mois
  

résultats secondaires :

• Nombre de nouveaux diagnostics d’amylose TTR découverts
  6 mois
• Nombre de nouveaux diagnostics d’amylose AL découverts
  6 mois

Critère d'intégration:

critère d'exclusion: Critères:

Patientes qui refusent d’être vus dans une clinique spécialisée
Patientes décédés

parrainer: Centre médical Cedars-Sinai

emplacements des centres d'essai :

• États-Unis, Californie
  Centre médical Cedars-Sinai (Los Angeles)
  David Ouyang, MD, 832-495-1605, [email protected]