基于人工智能的决策支持系统用于诊断和心力衰竭风险分层 (STRATIFYHF) 的临床验证:为前性多中心纵向研究的协议

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 临床决策支持 临床决策支持

背景情况:

• 由于非特异性症状,心力衰竭 (HF) 存在诊断和预后挑战.
• 准确的风险分层和早期诊断对于有效的高频率管理至关重要.
• STRATIFYHF项目旨在利用人工智能解决这些挑战.

研究的目的:

• 为了对STRATIFYHF人工智能驱动的决策支持系统 (DSS) 进行前性验证,用于预测HF风险,诊断和进展.
• 评估STRATIFYHF DSS的诊断准确性,敏感性和特异性.
• 识别HF风险,诊断和进展的人口和临床预测因素.

主要方法:

• 一项前性,多中心的纵向研究,招募多达1600名参与者 (≥45岁) 怀疑或诊断出HF.
• 数据收集包括病史,体检,生物标志物 (例如,尿酸),心电图,心声图和新技术 (压力测试,语音识别).
• 包括基于家庭的监测,加速度计,焦点小组和采访,以评估可行性,可接受性,并为DSS开发提供信息.

主要成果:

• 这是一项计划研究;结果尚未公布.
• 该研究旨在提供关于STRATIFYHF DSS在现实临床环境中的性能数据.
• 预期结果包括验证的准确度指标和HF的确定的预测指标.

结论:

• STRATIFYHF DSS有可能提高心力衰竭的早期检测和管理.
• 成功验证可能会导致整合到标准的HF护理途径中.
• 进一步的研究将专注于为心脏病学中人工智能驱动的临床支持系统制定政策.