Terminé

Algorithme informatique pour la détection précoce de l'amylose cardiaque

0 critères remplis à partir de votre profilVoyez en un coup d'œil comment votre profil répond à chaque critère d'éligibilité.
But de l'étude

Cette étude vise à tester un algorithme informatique qui aide les médecins à détecter les premiers signes d'amylose cardiaque chez les patients, en se concentrant sur la fréquence à laquelle la condition est correctement diagnostiquée à l'aide du modèle.

Ce qui est testé

Cardiac amyloidosis deep learning model

Dispositif médical
Qui peut participer

Amyloïdose+12

+ Maladies métaboliques

+ Erreurs innées du métabolisme

À partir de 50 ans
Voir tous les critères d'éligibilité
Comment se déroule l'étude

Étude diagnostique

Interventionnel
Date de début : mai 2024
Voir le détail du protocole

Résumé

Sponsor principalPierre Elias
Dernière mise à jour : 28 janvier 2026
Issu d'une base de données validée par les autorités. Revendiquer en tant que partenaire

Date de début de l'étude : 28 mai 2024

Date à laquelle le premier participant a commencé l'étude.

L'insuffisance cardiaque est un problème de santé majeur, et l'une de ses causes est une affection appelée amyloïdose cardiaque à transthyretine (ATTR-CA), où des protéines anormales s'accumulent dans le cœur. Cette étude se concentre sur l'identification des patients atteints de cette affection avant qu'elle ne devienne grave, en utilisant un algorithme informatique. L'objectif est de localiser les patients qui peuvent avoir une amyloïdose cardiaque mais qui n'ont pas encore été diagnostiqués. En diagnostiquant la maladie à un stade précoce, il peut être possible de fournir un meilleur traitement et d'améliorer les résultats pour les personnes concernées. Cette étude cible les patients du Columbia University Irving Medical Center pour trouver ceux qui ont une forte probabilité d'avoir une amyloïdose cardiaque. Les participants identifiés par l'algorithme subiront des tests supplémentaires pour confirmer la présence d'une amyloïdose cardiaque. Le processus de diagnostic implique des tests d'imagerie sophistiqués comme un scanner SPECT pour vérifier les dépôts de protéines dans le cœur et des tests supplémentaires pour exclure d'autres types d'amyloïdose. Certains patients peuvent avoir besoin d'une biopsie, où un petit échantillon de tissu est prélevé pour vérifier l'accumulation de protéines. L'étude mesure le succès en identifiant avec précision les patients atteints de la maladie, afin d'assurer un traitement opportun et approprié. Bien que l'étude ne fournisse pas directement un traitement, elle joue un rôle crucial dans la détection précoce de la maladie, ce qui peut être bénéfique pour la gestion des symptômes et l'amélioration de la qualité de vie.

Titre officielCardiac Amyloidosis Discovery Trial
NCT06469372
Sponsor principalPierre Elias
Dernière mise à jour : 28 janvier 2026
Issu d'une base de données validée par les autorités. Revendiquer en tant que partenaire

Protocole

Cette section fournit des détails sur le plan de l'étude, y compris la manière dont l'étude est conçue et ce qu'elle évalue.
Détails du design

50 participants à inclure

Nombre total de participants que l'essai clinique vise à recruter.

Diagnostic

Cette étude évalue de nouvelles méthodes pour diagnostiquer ou identifier une maladie, afin de la détecter plus facilement et plus tôt.



Éligibilité

Les chercheurs recherchent des patients correspondant à une certaine description appelée critères d'éligibilité : état de santé général ou traitements antérieurs du patient.
Conditions
Critères

Tout sexe

Le sexe biologique des participants éligibles à s'inscrire.

À partir de 50 ans

Tranche d'âge des participants éligibles à participer.

Volontaires sains non autorisés

Indique si les individus en bonne santé et ne présentant pas la condition étudiée peuvent participer.

Conditions

Pathologie

AmyloïdoseMaladies métaboliquesErreurs innées du métabolismeMaladies et anomalies congénitales, héréditaires et néonatalesMaladies du système nerveuxMaladies neuromusculairesMaladies nutritionnelles et métaboliquesMaladies du système nerveux périphériqueNeuropathies amyloïdesMaladies neurodégénérativesTroubles hérédo-dégénératifs du système nerveuxAmylose familialeNeuropathies amyloïdes familialesMaladies Génétiques CongénitalesDéficiences de la Protéostasie

Critères

Inclusion Criteria: * High predicted probability of having cardiac amyloidosis as determined by deep learning model. * Age ≥ 50 years. * Electronically stored ECG and echocardiogram within 5 years of study start date. * Ability for the patient or health care proxy to understand and sign the informed consent after the study has been explained. Exclusion Criteria: * Primary amyloidosis (AL) or secondary amyloidosis (AA). * Prior liver or heart transplantation. * Active malignancy or non-amyloid disease with expected survival of less than 1 year. * Previous testing for cardiac amyloidosis such as amyloid nuclear scintigraphy, cardiac, or fat pad biopsy. * Impairment from stroke, injury or other medical disorder that precludes participation in the study. * Disabling dementia or other mental or behavioral disease * Nursing home resident.

Plan de l'étude

Découvrez tous les traitements administrés dans cette étude, leur description détaillée et ce qu'ils impliquent.
Groupes de traitement
Objectifs de l'étude

Un seul groupe d'intervention est désigné dans cette étude

Cette étude ne comporte pas de groupe placebo. 

Groupes de traitement

Groupe I

Expérimental
Patients who are identified by the deep learning model as being at high risk for undiagnosed cardiac amyloidosis who are enrolled in the study.

Objectifs de l'étude

Objectifs principaux

Centres d'étude

Ce sont les hôpitaux, cliniques ou centres de recherche où l'essai est conduit. Vous pouvez trouver le site le plus proche de vous ainsi que son statut.

Cette étude comporte 1 site

Suspendu

Columbia University Irving Medical Center / NewYork-Presbyterian Hospital

New York, United StatesOuvrir Columbia University Irving Medical Center / NewYork-Presbyterian Hospital dans Google Maps
Terminé1 Centres d'Étude