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

Nábor

Podmínky

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

Pozorovací

Zápis (Odhadovaný)

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 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

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
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

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

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

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)

1. července 2023

Primární dokončení (Odhadovaný)

1. července 2025

Dokončení studie (Odhadovaný)

1. července 2025

Termíny zápisu do studia

První předloženo

19. ledna 2025

První předloženo, které splnilo kritéria kontroly kvality

19. ledna 2025

První zveřejněno (Aktuální)

24. ledna 2025

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

17. dubna 2025

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

16. dubna 2025

Naposledy ověřeno

1. dubna 2025

Více informací

Termíny související s touto studií

Klíčová slova

Další identifikační čísla studie

  • 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 .

Klinické studie na Agent AI

Prohledejte podobné pokusy

Sponzoři a spolupracovníci

Zdravotní podmínky

Drogové intervence

CROs by country

CROs in Serbia

Podmínky

Vzácné nemoci

Drogové intervence

Doplňky stravy

Sponzor / Spolupracovníci

Místa

Předplatit