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

Advanced Data-Aided Medicine část rakoviny plic (ADAMpartlung)

9. května 2023 aktualizováno: AZ Delta

Dílčí studie ADAM Luik 2: Observační retrospektivní kohortová studie jediného centra o vytváření a ověřování předpovědních modelů umělé inteligence pro výsledky pacientů s rakovinou plic

Vývoj a ověřování modelu umělé inteligence, který podporuje lékaře v procesu rozhodování o léčbě pacientů s rakovinou plic. Tento model umělé inteligence potřebuje předpovídat pravděpodobnost nebo vývoj výsledků pro možnou léčbu rakoviny plic. Vstupními daty pro trénování takových modelů bude „hluboký pacient“. Tento hluboký pacient je samotný model umělé inteligence, trénovaný na nemocničních datech, jak je popsáno v sekundárních cílech.

Přehled studie

Postavení

Nábor

Podmínky

Intervence / Léčba

Detailní popis

Cílem této studie je připravit a odemknout siled real-world-data (RWD) pro analýzu a konstrukci umělého modelu s cílem odvodit real-world-evidence (RWE). V současné době lékaři a sestry shromažďují data od pacientů a evidují je v systému elektronických zdravotních záznamů. Datové body často nejsou dostupné ve strukturovaném formátu, takže shromažďování a odemykání dat se provádí ručně na vyžádání. Pečlivá analýza shromážděných dat pomocí nástrojů umělé inteligence může také pomoci předpovědět, kteří pacienti jsou vystaveni nejvyššímu riziku neplánovaného využití zdravotní péče, návštěv pohotovosti a přijetí do nemocnice. Proto by model schopný předvídat relevantní výsledky významně pomohl v každodenní praxi lékařů.

Primární cíl Vyvinout a ověřit model umělé inteligence, který podporuje lékaře v procesu rozhodování o léčbě pacientů s rakovinou plic. Tento model umělé inteligence potřebuje předpovídat pravděpodobnost nebo vývoj výsledků pro možnou léčbu rakoviny plic. Zdrojem vstupních dat modelu jsou nemocniční data, jako jsou demografické údaje, výchozí zdravotní stav, předchozí léčby, zobrazovací data a fyziologická data, podrobné údaje o léčbě

Sekundární cíle

  • Automatické odemykání, sběr a transformace datových bodů rakoviny plic do společného datového modelu OMOP, takže data jsou snadno dostupná pro další výzkum a analýzu
  • Konstrukce digitálního pacienta natrénováním modelu AI napájeného všemi daty dostupnými v běžném datovém modelu OMOP
  • Ověření digitálního pacienta a výběr optimální funkce pro zvýšení výkonu modelu AI pomocí technik učení bez dozoru

Potenciál použití transformátorů k reprezentaci pacientů je skutečně personalizovaná a dokonce prediktivní medicína. Důvodem je, že transformátory jsou nástrojem, který umožňuje pracovat s miliony interagujících a nelineárně se působících parametrů. Zdroje dat na obrázku výše lze tedy rozšířit o genetické informace a tak dále. používat Optimální výběr funkcí z digitálního pacienta ke zvýšení výkonu modelu AI pomocí technik učení bez dozoru, k dalšímu doladění predikčních modelů pro každodenní praxi.

Sestavit virtuální dvojče, které bude detailně reprezentovat pacienta, aby byla analýza populace a tvorba modelu klinicky relevantní.

Typ studie

Pozorovací

Zápis (Očekávaný)

500

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 záloha kontaktů

  • Jméno: Ingel Demedts, MD
  • Telefonní číslo: 003251237111

Studijní místa

  • Belgie
    • West-Vlaanderen
      • Roeselare, West-Vlaanderen, Belgie, 8800
        • Nábor
        • AZ Delta
        • Kontakt:
        • Vrchní vyšetřovatel:
          • Ingel Demedts, Prof
        • Dílčí vyšetřovatel:
          • Hannelore Bode, MD
        • Dílčí vyšetřovatel:
          • Bernard Bouckaerts, MD
        • Dílčí vyšetřovatel:
          • Kris Carron, MD
        • Dílčí vyšetřovatel:
          • Stephanie Dobbelaere, MD
        • Dílčí vyšetřovatel:
          • Ulrike Himpe, MD
        • Dílčí vyšetřovatel:
          • Heidi Mariën, MD
        • Dílčí vyšetřovatel:
          • Peter Van Haecke, MD
        • Dílčí vyšetřovatel:
          • Wim Verbeke, MD
        • Dílčí vyšetřovatel:
          • Peter De Jaeger, Prof, PhD
        • Dílčí vyšetřovatel:
          • Pieter-Jan Lammertyn
        • Dílčí vyšetřovatel:
          • Louise Berteloot
        • Dílčí vyšetřovatel:
          • Kim Denturck, Msc ir

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

Věk způsobilý ke studiu

  • Dítě
  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Pacienti s rakovinou plic zařazeni do cesty pacientů s rakovinou plic od 20.4.2018

Popis

Kritéria pro zařazení:

  • Pacienti s rakovinou plic zahrnutí do dráhy pacientů s rakovinou plic

Kritéria vyloučení:

  • Není specifikováno

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

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Data do mezinárodního společného datového modelu připraveného pro vstup AI
Časové okno: 2022
Nemocniční data pro rakovinu plic přeložená a klinicky ověřená v konceptech UMLS a uložená ve společném datovém modelu OMOP
2022

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Digitální konstrukce pacienta
Časové okno: 2023
Vytvoření digitálního pacienta pomocí trénování modelu umělé inteligence
2023
Strojové učení pod dohledem
Časové okno: 2023
Školení a ověřování modelů strojového učení pod dohledem s omezeným souborem vybraných funkcí jako vstup pro předpovídání výsledků pacientů s rakovinou plic.
2023
Konstrukce a validace prediktivního modelu umělé inteligence pro pacienty s rakovinou plic
Časové okno: 2024
Konstrukce a validace prediktivního přístupu k modelu AI; Konstrukce modelů předpokládaného výsledku umělé inteligence, jako je 30denní mortalita, 30denní návštěva na pohotovosti, vývoj kvality života, akutní komplikace léčby
2024

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

AZ Delta

Vyšetřovatelé

  • Vrchní vyšetřovatel: Ingel Demedts, MD, AZ Delta

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)

27. září 2021

Primární dokončení (Očekávaný)

27. září 2024

Dokončení studie (Očekávaný)

31. prosince 2024

Termíny zápisu do studia

První předloženo

13. března 2023

První předloženo, které splnilo kritéria kontroly kvality

13. března 2023

První zveřejněno (Aktuální)

24. března 2023

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

10. května 2023

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

9. května 2023

Naposledy ověřeno

1. května 2023

Více informací

Termíny související s touto studií

Klíčová slova

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • B1172021000032

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

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 .

Předplatit