一个基于AI-ECG的临床决策支持软件的多中心实用实施研究,以确定低LVEF:临床试验设计和方法

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 人工智能 (AI) 算法可以分析心电图 (ECG) 数据以检测或预测心血管疾病.
• 之前的研究已经评估了ECG-AI算法,其中一些研究重点是临床医生使用人工智能生成的结果.
• 该研究将检查AI驱动的临床决策支持软件 (CDSS) 集成到电子健康记录 (EHR) 中的临床影响,以便在门诊护理期间实时进行心电图分析.

研究的目的:

• 评估一个与EHR集成的CDSS的临床影响,该CDSS提供了点的护理ECG-AI结果.
• 评估人工智能辅助心血管疾病检测在常规临床实践中的有效性.
• 收集用于设计AI软件的见解,以便无地集成到临床工作流程中.

主要方法:

• 一个多中心,集群随机试验,涉及5个卫生系统的临床医生.
• 临床医生被随机分配,接受CDSS (干预组) 或提供通常的护理 (对照组).
• 该研究将分析来自超过32,000次临床接触的数据,重点是没有先前患有低左心室喷射小部分 (LVEF) 病史的患者,随访期为90天.

主要成果:

• 数据收集包括临床医生调查,软件使用指标和EHR数据来跟踪决策.
• 主要结果是检测左心室喷射率 (LVEF) ≤40%通过心声回声.
• 探索性终点和子组分析将调查影响不同卫生系统,临床医生和患者结果的因素.

结论:

• 这项AIM ECG-AI研究代表了首次对ECG-AI结果的EHR集成的临床诊所CDSS进行多站点临床评估.
• 结果将为临床专注的软件设计提供有价值的见解,用于将AI整合到常规医疗保健中.
• 这项研究旨在促进人工智能工具在临床实践中的更广泛采用.