- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT07293078
Umělá inteligence v místě péče a výsledky intenzivní péče: Randomizovaná studie (POC-AI-ICU)
Prospektivní hodnocení modelu umělé inteligence pro péči v místě poskytování služeb v kritických výsledcích péče
Toto je prospektivní, nezaslepená, randomizovaná, multicentrická klinická studie hodnotící vliv rozhodovací podpory založené na velkých jazykových modelech (LLM) v místě péče na diagnostickou přesnost a klinické výsledky u dospělých pacientů na jednotkách intenzivní medicínské péče (MICU).
U po sobě jdoucích přijetí dospělých pacientů na JIP ve spolupracujících komunitních nemocnicích (zpočátku MetroWest Medical Center a St. Vincent Hospital) bude provedeno vyšetření způsobilosti. Způsobilí pacienti budou randomizováni v poměru 1:1 do skupiny standardní péče nebo skupiny s asistenci AI. V obou ramenech bude počáteční hodnocení a management následovat obvyklou praxi. U pacientů randomizovaných k asistenci AI budou v době přijetí anonymizované údaje o přijetí (anamnéza a fyzikální vyšetření, laboratorní výsledky, zprávy z zobrazovacích metod a další relevantní dokumentace) naformátovány a odeslány nejmodernějšímu LLM (ChatGPT-5). Diferenciální diagnóza a terapeutická doporučení generovaná AI budou poskytnuta přijímajícímu týmu k zvážení. Pro rameno standardní péče bude výstup LLM generován, ale nebude sdílen s klinickými lékaři.
Po propuštění bude zaslepená revize dokumentace stanovit "skutečnou" primární diagnózu a extrahovat výsledky včetně: Primárního výsledku - kompozitu lékařských chyb (od okamžiku přijetí na JIP do 7. dne pobytu na JIP nebo propuštění z JIP, podle toho, co nastane dříve); Sekundárních výsledků - 90denní mortality, délky pobytu na JIP a v nemocnici a dnů bez ventilátoru.
Přehled studie
Postavení
Podmínky
Detailní popis
Rychlý vývoj velkých jazykových modelů (LLM), jako je ChatGPT, vytvořil nové příležitosti i rizika pro jejich použití v medicíně. Ačkoli rané studie naznačují vysokou diagnostickou přesnost ve složitých klinických scénářích a při přijetí na JIP, dopad LLM na reálné klinické výsledky a optimální způsob interakce lékaře s umělou inteligencí zůstávají nejisté. Publikovaná práce naší skupiny ukázala, že ChatGPT-4 dosáhl diagnostické přesnosti srovnatelné s atestovanými intenzivisty při přijetí na JIP v retrospektivní studii. Prospektivní, randomizovaná data o klinických výsledcích však chybí.
Tato studie vyhodnotí pragmatický paradigma pro integraci LLM v době přijetí na JIP (umělá inteligence v místě péče). Všechna způsobilá dospělá přijetí na interní JIP na zúčastněných pracovištích budou prospektivně randomizována do: (1) standardní péče, nebo (2) péče s asistencí AI, ve které LLM obdrží standardizovaná, anonymizovaná data o přijetí a vrátí navrženou primární diagnózu, seřazenou diferenciální diagnózu (až pět stavů), navržené další informace a prioritní terapeutické zásahy. Přijímající klinici ve skupině s asistencí AI budou požádáni, aby přezkoumali a případně začlenili doporučení AI, a vyplní krátký dotazník týkající se vnímané užitečnosti a jakýchkoli změn v diagnóze nebo léčbě.
Zaslepený klinický rozhodčí panel provede longitudinální přezkum dokumentace, aby definoval „skutečnou“ primární diagnózu a posoudil míru chyb a výsledky. Primárním ukazatelem je kombinace lékařských chyb. Konkrétní časový rámec bude od doby přijetí na JIP do 7. dne pobytu na JIP nebo propuštění z JIP, podle toho, co nastane dříve. Sekundární ukazatele zahrnou 90denní mortalitu, délku pobytu na JIP a v nemocnici a dny bez ventilátoru. Budou zvažovány další průzkumné sekundární ukazatele. Studie je navržena tak, aby zahrnula přibližně 1000 pacientů napříč více interními JIP, s průběžnou analýzou po 12 měsících k posouzení proveditelnosti, integrity a marnosti. Studie je minimálně riziková, používá anonymizovaná data pro dotazy AI a nemění standardní diagnostické testování ani terapeutické možnosti.
Typ studie
Zápis (Odhadovaný)
Fáze
- Fáze 2
- Fáze 1
Kontakty a umístění
Studijní kontakt
- Jméno: Eric Silverman, M.D. principal Investigator, M.D.
- Telefonní číslo: 508-344-5680
- E-mail: esilverman@pamw.org
Studijní místa
-
-
Massachusetts
-
Framingham, Massachusetts, Spojené státy, 01702
- Framingham Union Hospital/MetroWest Medical Center
-
Kontakt:
- Eric Silverman, M.D.
- Telefonní číslo: 508-344-5680
- E-mail: esilverman@pamw.org
-
Kontakt:
- Chih-Hsien Wu, M.D.
- E-mail: lisa19950421@gmail.com
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Popis
Kritéria pro zařazení:
- Dospělí pacienti (≥ 18 let) přijatí na jednotku intenzivní péče (JIP) ve spolupracujících nemocnicích.
- Přímé příjmy z pohotovosti nebo převody z lůžkových oddělení na JIP.
- Kriticky nemocní pacienti splňující místní kritéria pro přijetí na JIP.
Kritéria pro vyloučení:
- Převody na JIP z jiných nemocnic, z operačního sálu nebo z pooperačního oddělení.
- Věk < 18 let.
- Neúplné nebo chybějící základní klinické informace při přijetí (např. klíčové laboratorní výsledky nebo dokumentace ještě nedostupné).
- Pacienti s primárně chirurgickou nebo kardiologickou diagnózou (např. STEMI).
- Těhotné nebo šestinedělky.
- Vězni.
Studijní plán
Jak je studie koncipována?
Detaily designu
- Primární účel: Léčba
- Přidělení: Randomizované
- Intervenční model: Paralelní přiřazení
- Maskování: Dvojnásobek
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
Žádný zásah: Standardní péče
Pacienti dostávají obvyklou péči na JIP podle místních zvyklostí.
Anonymizované údaje o přijetí mohou být zpracovány a předány LLM pro výzkumné účely, ale výstup AI není sdílen s ošetřujícími lékaři a neovlivňuje řízení v reálném čase.
|
|
|
Jiný: Péče s pomocí umělé inteligence
Pacienti dostávají standardní péči na JIP a při přijetí navíc podporu rozhodování založenou na LLM v místě poskytování péče.
Anonymizované přijímací údaje jsou formátovány a odeslány do LLM (ChatGPT-5).
Model vrátí primární diagnózu, seřazený seznam diferenciální diagnózy, navržené další informace a prioritní terapeutická doporučení.
Tento výstup je poskytnut přijímacímu týmu k zohlednění v průběžném řízení.
|
Využití rozsáhlého jazykového modelu (ChatGPT-5) k analýze anonymizovaných údajů o přijetí na JIP (anamnéza, fyzikální vyšetření, laboratorní výsledky, zobrazovací zprávy a další dokumentace) v době přijetí.
Model generuje diagnostická a terapeutická doporučení, která jsou sdílena pouze s kliniky v rameni s umělou inteligencí.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Soubor lékařských chyb
Časové okno: Od okamžiku přijetí na JIP do 7. dne pobytu na JIP nebo do propuštění z JIP, podle toho, co nastane dříve.
|
Podíl pacientů s alespoň jednou klinicky významnou diagnostickou nebo terapeutickou chybou zjištěnou při maskované revizi dokumentace (např. opomenutá nebo opožděná kritická diagnóza, významná terapie nesouladná s doporučenými postupy s potenciálem poškození).
|
Od okamžiku přijetí na JIP do 7. dne pobytu na JIP nebo do propuštění z JIP, podle toho, co nastane dříve.
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
90denní úmrtnost ze všech příčin
Časové okno: 90 dní od přijetí na JIP.
|
Celková úmrtnost do 90 dnů od vstupu na JIP, stanovená na základě revize dokumentace a dostupných následných záznamů.
|
90 dní od přijetí na JIP.
|
|
Délka pobytu na JIP
Časové okno: Od přijetí na JIP do propuštění z JIP (až 90 dní).
|
Celkový počet dní strávených na JIP během indexové hospitalizace.
|
Od přijetí na JIP do propuštění z JIP (až 90 dní).
|
|
Dny bez ventilátoru
Časové okno: Až 28 dní po přijetí na JIP.
|
Počet dnů přežití bez invazivní mechanické ventilace během prvních 28 dnů po přijetí na JIP.
|
Až 28 dní po přijetí na JIP.
|
|
Délka hospitalizace
Časové okno: Od přijetí do nemocnice do propuštění z nemocnice (až 90 dní).
|
Celkový počet dní od přijetí do nemocnice do propuštění z nemocnice během indexové hospitalizace.
|
Od přijetí do nemocnice do propuštění z nemocnice (až 90 dní).
|
Spolupracovníci a vyšetřovatelé
Vyšetřovatelé
- Vrchní vyšetřovatel: Eric Silverman, M.D., MetroWest Medical Center and St. Vincent Hospital
Publikace a užitečné odkazy
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Odhadovaný)
Primární dokončení (Odhadovaný)
Dokončení studie (Odhadovaný)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
- Urogenitální onemocnění
- Neurologické projevy
- Nemoci nervového systému
- Patologické procesy
- Mužská urogenitální onemocnění
- Onemocnění ledvin
- Urologická onemocnění
- Ženské urogenitální onemocnění
- Ženské urogenitální onemocnění a těhotenské komplikace
- Atributy nemoci
- Infekce
- Neurobehaviorální projevy
- Syndrom systémové zánětlivé odpovědi
- Zánět
- Renální insuficience
- Patologické stavy, příznaky a symptomy
- Příznaky a symptomy
- Závažné onemocnění
- Akutní poškození ledvin
- Sepse
- Šokovat
- Mnohočetné selhání orgánů
- Zmatek
Další identifikační čísla studie
- POC-AI-ICU-001
- IRB#2025-067 (Jiný identifikátor: MetroWest Medical Center and St. Vincent Hospital)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu IPD
Typ podpůrných informací pro sdílení IPD
- PROTOKOL STUDY
- MÍZA
- CSR
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
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 Sepse
-
Drugs for Neglected DiseasesUniversiteit Antwerpen; PENTA Foundation; St George's, University of LondonDokončenoNovorozenecká SEPSISBangladéš, Uganda, Thajsko, Jižní Afrika, Itálie, Řecko, Indie, Brazílie, Čína, Keňa, Vietnam
-
Assiut UniversityNeznámýNovorozenecká SEPSIS
-
Assiut UniversityNeznámý
-
Assiut UniversityNeznámý
-
London School of Hygiene and Tropical MedicineDokončenoNovorozenecká SEPSISBurkina Faso, Gambie
-
Stephanie BjerrumRigshospitalet, Denmark; University of Copenhagen; University of Ghana; Korle-Bu...DokončenoNovorozenecká SEPSISGhana
-
Drugs for Neglected DiseasesUniversity of Oxford; KEMRI-Wellcome Trust Collaborative Research ProgramDokončenoNovorozenecká SEPSISKeňa
-
Gehad AbdelnaserAssiut UniversityNeznámý
-
Franciscus GasthuisErasmus Medical CenterDokončenoNovorozenecká infekce | Novorozenecká SEPSISHolandsko
-
Ahmed Mahmoud Ali Ali YoussefDokončenoNovorozenecká SEPSISEgypt