Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

AI-Agent pro automatickou diagnostiku a predikci pomocí EHR a multimodálních dat

16. dubna 2025 aktualizováno: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Ai-agent asistovaná automatizace pro diagnostiku a predikci pacientů pomocí elektronických zdravotních záznamů a multimodálních dat

Cílem této klinické studie je vyhodnotit účinnost AI agenta při diagnostice a predikci onemocnění pomocí elektronických zdravotních záznamů (EHR) a multimodálních zobrazovacích dat. Agent AI využívá pokročilé algoritmy strojového učení ke zpracování a analýze různých zdrojů zdravotních dat s cílem pomoci poskytovatelům zdravotní péče při vytváření přesnějších diagnóz a předpovědí.

Přehled studie

Postavení

Postavení

Označuje aktuální stav náboru nebo stav rozšířeného přístupu.
Nábor

Podmínky

Podmínky

Nemoc, porucha, syndrom, nemoc nebo zranění, které je studováno. Na webu ClinicalTrials.gov mohou podmínky zahrnovat i další problémy související se zdravím, jako je délka života, kvalita života a zdravotní rizika.

Detailní popis

Tato vícecentrická retrospektivní klinická studie je navržena tak, aby vyhodnotila aplikaci a účinnost agenta AI v procesu rozhodování o lékařském rozhodování. AGE AI integruje a analyzuje multimodální data, včetně elektronických zdravotních záznamů (EHR) a různých zobrazovacích dat (např. Rentgenových paprsků, MRI, CT skenů, ultrazvuků), aby předpovídal a diagnostikoval řadu onemocnění. Využitím síly strojového učení a technik fúze dat dokáže AI agent identifikovat vzorce ve velkých a složitých datových souborech a nabídnout poznatky, které nemusí být okamžitě patrné tradiční diagnostickou metodou. s tradičními diagnostickými praktikami k posouzení jeho potenciálních přínosů v klinickém prostředí. Klíčové otázky zahrnují, zda age agent může pomoci při včasné diagnóze, předpovídání progrese onemocnění a podporu zdravotnických pracovníků při rozhodování o personalizované léčbě. Účastníci nebudou muset podstoupit žádné další zásahy; Poskytují pouze historické údaje o zdraví, včetně EHR a relevantních zobrazovacích dat, která bude analyzována agentem AI. Systém AI pak tato data použije k pomoci poskytovatelům zdravotní péče tím, že nabídne předpovědi a diagnostické návrhy na základě analýzy multimodálních informací. Konečným cílem je zjistit, zda tento přístup řízený AI může zlepšit diagnostickou přesnost, optimalizovat léčebné strategie a zvýšit výsledky pacienta v klinické praxi.

Typ studie

Typ studie

Popisuje povahu klinické studie. Typy studií zahrnují intervenční studie (také nazývané klinické studie), observační studie (včetně registrů pacientů) a rozšířený přístup.
Pozorovací

Zápis (Odhadovaný)

Zápis

Počet účastníků klinické studie. „Očekávaný“ zápis je cílový počet účastníků, které výzkumníci pro studii potřebují.
2000000

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní kontakt

Studijní kontakt

Jméno a kontaktní údaje osoby, která může odpovědět na otázky týkající se registrace do klinické studie. Každé místo, kde se studie provádí, může mít také konkrétní kontakt, který může lépe odpovědět na tyto otázky.

Studijní místa

  • Čína
    • Guangdong
      • Guangzhou, Guangdong, Čína
        • Nábor
        • Sun Yat-sen Memorial Hospital
        • Kontakt:
      • Guangzhou, Guangdong, Čína
      • Guangzhou, Guangdong, Čína
        • Nábor
        • Sun Yat-sen University Cancer Hospital
        • Kontakt:
    • Sichuan
      • Chengdu, Sichuan, Čína
        • Nábor
        • West China Hospital
        • Kontakt:
    • Zhejiang
      • Wenzhou, Zhejiang, Čína
        • Nábor
        • First Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, Čína
        • Nábor
        • Second Affiliated Hospital of Wenzhou Medical University
        • Kontakt:

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Kritéria způsobilosti

Klíčové požadavky, které musí lidé, kteří se chtějí zúčastnit klinické studie, splňovat nebo vlastnosti, které musí mít. Kritéria způsobilosti se skládají jak z kritérií pro zařazení (která jsou vyžadována pro účast osoby ve studii), tak z kritérií vyloučení (která brání osobě v účasti). Typy kritérií způsobilosti zahrnují, zda studie přijímá zdravé dobrovolníky, má požadavky na věk nebo věkovou skupinu nebo je omezena pohlavím.

Věk způsobilý ke studiu

  • Dítě
  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ano

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Účastníci této studie budou vybráni z několika zdravotnických středisek a nemocnic, které uchovávají komplexní elektronické zdravotní záznamy (EHR) a multimodální zobrazovací data. Populace studie bude zahrnovat pacienty, kteří mají různé nemoci nebo zdravotní stavy, s dostupnými údaji pro diagnostiku a progresi onemocnění. Účastníci budou mít potvrzenou diagnózu založenou na klinických záznamech nebo zobrazovacích datech, včetně mimo jiné stavů zachycených rentgenovými paprsky, CT skeny, MRI a ultrazvuky. Do hodnocení diagnostických a prediktivních schopností systému umělé inteligence v širokém spektru případů budou zahrnuti jak pacienti se složitým zdravotním stavem, tak pacienti s častějšími nemocemi. Účastníci z těchto center poskytnou historická zdravotní data a nebude probíhat žádná aktivní intervence nad rámec využití jejich stávajících klinických a zobrazovacích dat pro školení a testování systému AI.

Popis

Kritéria zahrnutí:

  1. Účastníci musí mít k dispozici komplexní elektronické zdravotní záznamy (EHR), včetně demografických informací, anamnézy a laboratorních výsledků.
  2. Účastníci musí mít k dispozici multimodální zobrazovací data (např. Rentgenové paprsky, CT skenování, MRI, ultrazvuk) relevantní pro jejich zdravotní stav.
  3. Účastníci musí mít potvrzenou diagnózu jedné nebo více nemocí nebo zdravotních stavů na základě klinických záznamů nebo obrazových dat.
  4. Pacienti musí poskytnout souhlas pro použití jejich historických zdravotních údajů pro výzkumné účely.

Kritéria vyloučení:

  1. Účastníci s nejednoznačnou nebo neověřitelnou diagnózou, kterou nelze přesně kategorizovat.
  2. Duplicitní nebo nadbytečné údaje o pacientovi (např. Opakované záznamy stejného pacienta bez jasné diferenciace).

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

Kohorty a intervence

Skupina / kohorta

Skupina / kohorta

Skupina nebo podskupina účastníků pozorovací studie, která je hodnocena z hlediska biomedicínských nebo zdravotních výsledků.
AI-Assisted Disease Prediction using EHR and Imaging Data
Tato kohorta se skládá z pacientů, jejichž historické údaje o zdraví, včetně elektronických zdravotních záznamů (EHR) a multimodálních zobrazovacích údajů (např. Rentgenových paprsků, MRI, CT skenů, ultrazvuk), budou analyzovány agentem AI. Systém AI pomůže při diagnostice a predikci nemocí zpracováním a integrací těchto rozmanitých zdrojů dat. Primárním zaměřením je zhodnotit schopnost AI ace identifikovat vzorce a předpovídat progresi onemocnění s vysokou přesností. Účastníci nebudou muset podniknout žádné další kroky kromě poskytnutí jejich anamnézy a zobrazovacích údajů. Cílem je posoudit, jak dobře může systém AI podporovat klinické rozhodování a zlepšit diagnostické výsledky na základě poskytnutých údajů.

Co je měření studie?

Primární výstupní opatření

Primární výstupní opatření

V protokolu klinické studie je plánovaná výsledná míra, která je nejdůležitější pro hodnocení účinku intervence/léčby. Většina klinických studií má jedno primární měřítko výsledku, ale některé mají více než jedno.
Měření výsledku
Popis opatření
Časové okno
Oblast pod křivkou (AUC)
Časové okno: 1 rok
AUC křivky ROC, používané ke kvantifikaci diagnostické přesnosti. Žádná jednotka (poměr nebo procento, obvykle vyjádřené jako číslo mezi 0 a 1).
1 rok
Skóre F1
Časové okno: 1 rok
Skóre F1 je harmonický průměr přesnosti a citlivosti (odvolání). Je to dobrá míra schopnosti modelu identifikovat jak skutečná pozitiva, tak minimalizovat falešná pozitiva, zejména v případech, kdy jsou třídy nevyvážené (např. Když je počet zdravých případů mnohem vyšší než případy nemoci). Skóre F1 se pohybuje od 0 do 1, přičemž 1 označuje dokonalou přesnost a vyvolání.
1 rok

Sekundární výstupní opatření

Sekundární výstupní opatření

V protokolu klinické studie jde o plánované měřítko výsledku, které není tak důležité jako primární měřítko výsledku pro hodnocení účinku intervence, ale je stále zajímavé. Většina klinických studií má více než jedno sekundární měřítko výsledku.
Měření výsledku
Popis opatření
Časové okno
Citlivost (skutečně pozitivní míra)
Časové okno: 1 rok
Citlivost měří, jak dobře model AI identifikuje skutečné pozitivní případy, jako je správná diagnostika těhotných žen s komplikacemi nebo identifikace neonatálních poruch.
1 rok
Specifičnost (skutečná negativní sazba)
Časové okno: 1 rok
Specifičnost měří schopnost modelu AI správně identifikovat případy bez onemocnění, což zajišťuje, že zdravé matky a kojenci jsou správně identifikovány jako negativní.
1 rok

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Sponzor

Organizace nebo osoba, která iniciuje studii a která má autoritu a kontrolu nad studií.
The Eye Hospital of Wenzhou Medical University

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

Začátek studia

Skutečné datum, kdy byl první účastník zařazen do klinické studie. „Očekávané“ datum zahájení studie je datum, o kterém si vědci myslí, že bude datem zahájení studie.
1. července 2023

Primární dokončení (Odhadovaný)

Primární dokončení

Datum, kdy byl poslední účastník klinické studie vyšetřen nebo obdržel intervenci ke sběru konečných dat pro primární měření výsledku. Zda byla klinická studie ukončena podle protokolu nebo byla ukončena, toto datum neovlivňuje. U klinických studií s více než jedním primárním výstupním měřením s různými daty dokončení se tento termín vztahuje k datu, kdy je dokončen sběr dat pro všechna primární výsledná měření. „Očekávané“ datum primárního dokončení je datum, o kterém si vědci myslí, že bude primárním datem dokončení studie.
1. července 2025

Dokončení studie (Odhadovaný)

Dokončení studie

Datum, kdy byl poslední účastník klinické studie vyšetřen nebo dostal intervenci/léčbu za účelem shromáždění konečných dat pro měření primárního výsledku, sekundárního měření výsledku a nežádoucí příhody (tj. poslední návštěva posledního účastníka). „Očekávané“ datum dokončení studie je datum, o kterém si vědci myslí, že bude datem dokončení studie.
1. července 2025

Termíny zápisu do studia

První předloženo

První předloženo

Datum, kdy zadavatel studie nebo zkoušející poprvé předložil záznam studie na ClinicalTrials.gov. Mezi prvním odeslaným datem a dostupností záznamu na ClinicalTrials.gov (první zveřejněné datum) je obvykle několik dní.
19. ledna 2025

První předloženo, které splnilo kritéria kontroly kvality

První předloženo, které splnilo kritéria kontroly kvality

Datum, kdy zadavatel studie nebo zkoušející poprvé předloží záznam studie, který je v souladu s kritérii kontroly kvality (QC) Národní lékařské knihovny (NLM). Sponzor nebo zkoušející může potřebovat revidovat a předložit záznam studie jednou nebo vícekrát, než budou splněna kritéria kontroly kontroly kvality NLM. Je odpovědností sponzora nebo zkoušejícího zajistit, aby byl záznam studie v souladu s kritérii kontroly kontroly kvality NLM.
19. ledna 2025

První zveřejněno (Aktuální)

První zveřejněno

Datum, kdy byl záznam studie poprvé k dispozici na webu ClinicalTrials.gov poté, co byla dokončena kontrola kontroly kvality (QC) National Library of Medicine (NLM). Mezi datem, kdy zadavatel studie nebo zkoušející předložil záznam studie, a prvním zveřejněným datem je typicky několik dní zpoždění.
24. ledna 2025

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

Poslední zveřejněná aktualizace

Nejnovější datum, kdy byly změny záznamu studie zpřístupněny na ClinicalTrials.gov. Mezi okamžikem, kdy byly změny odeslány na ClinicalTrials.gov sponzorem nebo zkoušejícím studie (datum poslední předložení aktualizace), a datem zveřejnění poslední aktualizace může nastat zpoždění.
17. dubna 2025

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

Nejnovější datum, kdy zadavatel studie nebo zkoušející předložil změny záznamu studie, které jsou v souladu s kritérii kontroly kvality (QC) National Library of Medicine (NLM). Je odpovědností sponzora nebo zkoušejícího zajistit, aby byl záznam studie v souladu s kritérii kontroly kontroly kvality NLM.
16. dubna 2025

Naposledy ověřeno

Naposledy ověřeno

Nejnovější datum, kdy zadavatel studie nebo zkoušející potvrdil informace o klinické studii na webu ClinicalTrials.gov jako přesné a aktuální. Pokud jde o studii s náborovým statusem náboru; ještě nenabírá nábor; nebo aktivní, nebyl nábor potvrzen během posledních 2 let, status náboru studie je uveden jako neznámý.
1. dubna 2025

Více informací

Termíny související s touto studií

Klíčová slova

Další identifikační čísla studie

Další identifikační čísla studie

Identifikátory nebo ID čísla jiná než číslo NCT, které klinické studii přiděluje zadavatel studie, financující subjekty nebo jiní. Tato čísla mohou zahrnovat jedinečné identifikátory z jiných registrů studií a čísla grantů National Institutes of Health.
  • AI-agent

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

produkt vyrobený a vyvážený z USA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Nastavení souborů cookie

Používáme cookies, abychom zajistili, že vám poskytneme nejlepší zážitek z našich webových stránek. Pro více informací si pečlivě přečtěte naše Zásady ochrany osobních údajů a cookies. ...>>>Svou preference můžete kdykoli změnit nebo svůj souhlas odvolat odstraněním cookies z vašeho webu nebo počítače, jak je popsáno v zásadách. Přijměte to a vyberte své předvolby zaškrtnutím příslušných polí v části „Správa nastavení“ níže. Než budete pokračovat v používání jakékoli části tohoto webu, pozorně si prosím přečtěte naše Podmínky služby.
«Spravovat nastavení