UMIN-CTR 臨床試験登録情報の閲覧

一般向け試験名/Public title

日本語
機械学習により心電図データから換気障害を予測する後ろ向き観察研究

英語
Retrospective artificial intelligence analysis to predict ventilatory impairment from ECG data

一般向け試験名略称/Acronym

日本語
機械学習により心電図データから換気障害を予測する後ろ向き観察研究

英語
Retrospective artificial intelligence analysis to predict ventilatory impairment from ECG data

科学的試験名/Scientific Title

日本語
機械学習により心電図データから換気障害を予測する後ろ向き観察研究

英語
Retrospective artificial intelligence analysis to predict ventilatory impairment from ECG data

科学的試験名略称/Scientific Title:Acronym

日本語
機械学習により心電図データから換気障害を予測する後ろ向き観察研究

英語
Retrospective artificial intelligence analysis to predict ventilatory impairment from ECG data

試験実施地域/Region

日本/Japan

対象疾患名/Condition

日本語
健常成人を含め検査を受けた方

英語
Individual who has undergone examinations

疾患区分1/Classification by specialty

呼吸器内科学/Pneumology

疾患区分2/Classification by malignancy

悪性腫瘍以外/Others

ゲノム情報の取扱い/Genomic information

いいえ/NO

目的1/Narrative objectives1

日本語
　慢性閉塞性肺疾患(chronic obstructive pulmonary disease, COPD)は世界の死亡原因の第三位である。COPDの診断に呼吸機能検査による閉塞性呼吸障害の確認（一秒率70%未満）が必須であるが、呼吸機能検査を行うためには専用の機械と専門技術者の立ち合いが必要である。そのため、COPDは非専門施設における診断が難しく、患者の大半は未診断であると推定されている。また、間質性肺炎についても同様の問題が生じている。本研究の目的は機械学習により、心電図データから換気障害を予測するアルゴリズムを構築することである。

英語
Chronic obstructive pulmonary disease (COPD) is the third leading cause of death in the world, and respiratory function tests are essential for the diagnosis of COPD to confirm obstructive respiratory impairment (one-second rate <70%). However, in order to perform a respiratory function test, a machine and a well-trained technician must be prepared.For this reason, COPD is difficult to diagnose in non-specialized facilities, and it is estimated that the majority of patients are undiagnosed. The same problem also arises for interstitial pneumonia. The purpose of this study is to build an algorithm to predict ventilation disorders from ECG data using machine learning.

目的2/Basic objectives2

その他/Others

目的2 -その他詳細/Basic objectives -Others

日本語
診断

英語
Diagnosis

試験の性質1/Trial characteristics_1

試験の性質2/Trial characteristics_2

試験のフェーズ/Developmental phase

主要アウトカム評価項目/Primary outcomes

日本語
心電図データから換気障害を予測するアルゴリズムのAUC値

英語
AUC values of algorithms for predicting ventilation failure from ECG data.

副次アウトカム評価項目/Key secondary outcomes

日本語

英語

試験の種類/Study type

観察/Observational

基本デザイン/Basic design

ランダム化/Randomization

ランダム化の単位/Randomization unit

ブラインド化/Blinding

コントロール/Control

層別化/Stratification

動的割付/Dynamic allocation

試験実施施設の考慮/Institution consideration

ブロック化/Blocking

割付コードを知る方法/Concealment

群数/No. of arms

介入の目的/Purpose of intervention

介入の種類/Type of intervention

介入1/Interventions/Control_1

日本語

英語

介入2/Interventions/Control_2

日本語

英語

介入3/Interventions/Control_3

日本語

英語

介入4/Interventions/Control_4

日本語

英語

介入5/Interventions/Control_5

日本語

英語

介入6/Interventions/Control_6

日本語

英語

介入7/Interventions/Control_7

日本語

英語

介入8/Interventions/Control_8

日本語

英語

介入9/Interventions/Control_9

日本語

英語

介入10/Interventions/Control_10

日本語

英語

年齢（下限）/Age-lower limit

20

歳/years-old

以上/<=

年齢（上限）/Age-upper limit

適用なし/Not applicable

性別/Gender

男女両方/Male and Female

選択基準/Key inclusion criteria

日本語
2010年以後倫理委員会承認日までに、横浜市立大学附属病院において心電図検査、呼吸機能検査の両方を1年以内の間隔で行った患者を対象とする。基礎疾患、性別、診療科を問わない。年齢は20歳以上とする

英語
Patients who underwent both electrocardiography and respiratory function tests at Yokohama City University Hospital within a one-year interval from 2010 to the date of Ethics Committee approval will be eligible. Patients will be recruited regardless of underlying disease, gender, or medical specialty. Age should be 20 years or older.

除外基準/Key exclusion criteria

日本語
未成年

英語
Age < 20 year old

目標参加者数/Target sample size

100000

責任研究者/Name of lead principal investigator

日本語

名	信之
ミドルネーム
姓	堀田

英語

名	Nobuyuki
ミドルネーム
姓	Horita

所属組織/Organization

日本語
横浜市立大学附属病院

英語
Yokohama City University Hospital

所属部署/Division name

日本語
呼吸器内科

英語
Department of pulmonology

郵便番号/Zip code

236-0004

住所/Address

日本語
横浜市金沢区福浦3-9

英語
3-9, Kanazawa, Fukuura, Yokohama

電話/TEL

0457872800

Email/Email

horitano@yokohama-cu.ac.jp

試験問い合わせ窓口担当者/Name of contact person

日本語

名	信之
ミドルネーム
姓	堀田

英語

名	Nobuyuki
ミドルネーム
姓	Horita

組織名/Organization

日本語
横浜市立大学附属病院

英語
Yokohama City University Hospital

部署名/Division name

日本語
呼吸器内科

英語
Department of pulmonology

郵便番号/Zip code

236-0004

住所/Address

日本語
横浜市金沢区福浦3-9

英語
3-9, Kanazawa, Fukuura, Yokohama

電話/TEL

0457872800

試験のホームページURL/Homepage URL

Email/Email

horitano@yokohama-cu.ac.jp

機関名/Institute

日本語
その他

英語
Yokohama City University Hospital

機関名/Institute
（機関選択不可の場合）

日本語
横浜市立大学附属病院

部署名/Department

日本語

個人名/Personal name

日本語

英語

機関名/Organization

日本語
その他

英語
Yokohama City University Hospital

機関名/Organization
（機関選択不可の場合）

日本語
横浜市立大学附属病院

組織名/Division

日本語

組織の区分/Category of Funding Organization

その他/Other

研究費拠出国/Nationality of Funding Organization

日本語

英語

共同実施組織/Co-sponsor

日本語

英語

その他の研究費提供組織/Name of secondary funder(s)

日本語

英語

組織名/Organization

日本語
横浜市立大学附属病院

英語
Yokohama City University Hospital

住所/Address

日本語
横浜市金沢区 福浦3-9

英語
3-9, Fukuura, Kanazawa, Yokohama

電話/Tel

045-787-2800

Email/Email

horitano@yokohama-cu.ac.jp

他機関から発行された試験ID/Secondary IDs

いいえ/NO

試験ID1/Study ID_1

ID発行機関1/Org. issuing International ID_1

日本語

英語

試験ID2/Study ID_2

ID発行機関2/Org. issuing International ID_2

日本語

英語

治験届/IND to MHLW

試験実施施設名称/Institutions

一般公開日（本登録希望日）/Date of disclosure of the study information

2021

年

08

月

25

日

プロトコル掲載URL/URL releasing protocol

試験結果の公開状況/Publication of results

未公表/Unpublished

結果掲載URL/URL related to results and publications

組み入れ参加者数/Number of participants that the trial has enrolled

主な結果/Results

日本語

英語

主な結果入力日/Results date posted

結果掲載遅延/Results Delayed

結果遅延理由/Results Delay Reason

日本語

英語

最初の試験結果の出版日/Date of the first journal publication of results

参加者背景/Baseline Characteristics

日本語

英語

参加者の流れ/Participant flow

日本語

英語

有害事象/Adverse events

日本語

英語

評価項目/Outcome measures

日本語

英語

個別症例データ共有計画/Plan to share IPD

日本語

英語

個別症例データ共有計画の詳細/IPD sharing Plan description

日本語

英語

試験進捗状況/Recruitment status

開始前/Preinitiation

プロトコル確定日/Date of protocol fixation

2021

年

08

月

25

日

倫理委員会による承認日/Date of IRB

登録・組入れ開始（予定）日/Anticipated trial start date

2021

年

10

月

01

日

フォロー終了(予定)日/Last follow-up date

2022

年

10

月

01

日

入力終了(予定)日/Date of closure to data entry

データ固定（予定）日/Date trial data considered complete

解析終了(予定)日/Date analysis concluded

その他関連情報/Other related information

日本語
横浜市立大学附属病院（以下「附属病院」）、にて2010年～2021年に、心電図と呼吸機能検査を1年以内の間隔で行った全ての成人患者のデータ5万件を解析する。診療科を問わずに解析対象とするため、各種呼吸器疾患を持つ呼吸器内科の患者、各種心疾患を持つ循環器内科の患者、心肺機能に目立った異常がないが手術前のルーチンとして心電図と呼吸機能検査を行った患者など多彩な患者が解析対象となり、リアルワールドを反映した解析対象が得られる。
　当院の電子カルテと連動する生理機能検査データ格納スペースより該当患者の心電図データ、呼吸機能データを抽出する。心電図データは自動解析装置（型番ECG-1550、日本光電）により算出された各誘導各波の電位・持続時間・軸角度を用いる）。
　深層学習を用いた機械学習は、Python言語にて動作するKerasライブラリーを用いて行う。附属病院約5万件のデータをdevelopment set 3万件とvalidation set 1万件、test set 1万件に分割し、全2者で深層学習の層やノードの数、過学習防止の諸設定などのハイパーパラメータを調整する。引き続き後ろ1者のデータをtest setに用い、アルゴリズムの性能を最終的に評価する。

英語
We will analyze 50,000 data of all adult patients who underwent electrocardiography and respiratory function tests at intervals of one year or less between 2010 and 2021 at Yokohama City University Hospital (hereinafter referred to as "the hospital"). Since the analysis will be conducted regardless of the department, a wide variety of patients will be included in the analysis, including respiratory medicine patients with various respiratory diseases, cardiology patients with various cardiac diseases, and patients with no conspicuous abnormalities in cardiopulmonary function who underwent ECG and respiratory function tests as a routine procedure before surgery. The system is linked to our electronic medical record.
The ECG and respiratory function data of the relevant patients are extracted from the physiological function test data storage space linked to the hospital's electronic medical record. (The ECG data uses the potential, duration, and axis angle of each wave for each induction calculated by an automatic analysis device (model number ECG-1550, Nihon Kohden).
Machine learning using deep learning is performed using the Keras library, which runs in the Python language. We divided the data of about 50,000 cases of the hospital into 30,000 cases of the development set, 10,000 cases of the validation set, and 10,000 cases of the test set, and adjusted hyperparameters such as layers of deep learning, number of nodes, and various settings to prevent overlearning in all two sets. We will continue to use the data from the back one for the test set to finally evaluate the performance of the algorithm.

登録日時/Registered date

2021

年

08

月

25

日

最終更新日/Last modified on

2021

年

08

月

25

日

閲覧ページへのリンク/Link to view the page

日本語
https://center6.umin.ac.jp/cgi-open-bin/ctr/ctr_view.cgi?recptno=R000051703

英語
https://center6.umin.ac.jp/cgi-open-bin/ctr_e/ctr_view.cgi?recptno=R000051703