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

Výzkum inteligentního systému doporučení zdraví pro chronická onemocnění s komorbiditami integrující tradiční čínskou medicínu

15. prosince 2025 aktualizováno: The Fourth Affiliated Hospital of Zhejiang University School of Medicine

Výzkum inteligentního systému doporučení pro zdravotní péči u chronických onemocnění s komorbiditami založený na integraci databáze konstituce tradiční čínské medicíny a multimodálních velkých jazykových modelů

  1. Sestavit databázi konstituce tradiční čínské medicíny (TČM), objasnit vzorce distribuce TČM konstituce v populacích s komorbidními "třemi vysokými" stavy (hypertenze, hyperlipidemie a hyperglykémie) a jejich asociace s metabolickými ukazateli. Stanovit model vztahu "konstituce-komorbidita-metabolismus" jako základ pro personalizovanou intervenci a vývoj platformy umělé inteligence.
  2. Vyvinout systém AI-HEALS integrací databáze TČM konstituce s multimodálními velkými jazykovými modely. Tento systém bude generovat personalizované intervenční plány a poskytovat inteligentní interaktivní možnosti otázek a odpovědí pro zvýšení adherence pacientů k intervenci.
  3. Vyhodnotit efektivitu klinické aplikace systému AI-HEALS, prozkoumat vztah mezi změnami konstituce a výsledky intervence a ověřit intervenční cestu TČM "regulace konstituce pro podporu zdraví". To poskytne teoretické i praktické vodítko pro dynamickou regulaci a přesnou intervenci TČM konstituce.

Přehled studie

Postavení

Zatím nenabíráme

Podmínky

Intervence / Léčba

Detailní popis

Tento projekt kombinuje teorii konstituce tradiční čínské medicíny (TCM) s velkými jazykovými modely (LLM) prostřednictvím interdisciplinární integrace a vytváří dynamicky posílený inteligentní systém doporučení zdraví pro TCM. Podporuje hluboké propojení konceptu "léčby založené na diferenciaci konstituce" s umělou inteligencí. Význam tohoto výzkumu se projevuje hlavně v následujících dvou aspektech:

Na teoretické úrovni tato studie pomáhá rozšiřovat metody reprezentace znalostí a výpočetního modelování teorie konstituce TCM v rámci moderní umělé inteligence. Posouvá aplikaci a transformaci konceptu TCM "preventivní léčby" ve scénářích velkých dat a inteligentního uvažování, poskytuje nové perspektivy pro výzkum mechanismů spojujících konstituci TCM s komorbiditami chronických onemocnění a podporuje křížovou integraci mezi teoretickými systémy TCM a moderní medicínskou informační vědou.

Na praktické úrovni výzkum využívá reálná klinická data a multimodální modely AI k vytvoření strukturované, standardizované databáze konstituce TCM. Vyvíjí systém zdravotní výchovy s funkcemi individuální identifikace, inteligentního doporučení a dynamické intervence, vhodný pro personalizovaný management a včasné varování u populace s komorbiditami chronických onemocnění. Výsledky projektu pomohou zlepšit individuální zdravotní gramotnost a kvalitu života, zmírnit zátěž chronických onemocnění, podpořit praktickou aplikaci TCM v primární zdravotní péči a digitální medicíně a prokázat významnou společenskou hodnotu a široké vyhlídky na rozšířené přijetí.

Typ studie

Pozorovací

Zápis (Odhadovaný)

195

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

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

Standardizovaný průzkum byl proveden pomocí škály identifikace konstituce Klasifikace a hodnoticích kritérií konstituce tradiční čínské medicíny (Standard Čínské asociace čínské medicíny). Vyškoleni praktikující tradiční čínské medicíny a zdravotnický personál provedli hodnocení konstituce k identifikaci dominantního typu konstituce a případných koexistujících typů konstituce. Navíc byly shromážděny základní informace o pacientovi, podrobnosti o diagnóze onemocnění a nedávné metabolické ukazatele, jako je krevní tlak, hladina glukózy nalačno, glykovaný hemoglobin a hladiny krevních lipidů.

Popis

Kritéria pro zařazení:

Věk ≥ 18 let; Jasná diagnóza hypertenze, diabetu 2. typu a hyperlipidemie a současný výskyt všech tří onemocnění; Stabilní zdravotní stav bez nedávných akutních komplikací; Schopnost vyplnit dotazníky a ochota poskytnout informovaný souhlas k dobrovolné účasti ve studii.

Kritéria pro vyloučení:

Pacienti v akutní fázi tří vysokých onemocnění (hypertenze, diabetes, hyperlipidemie) nebo s těžkými komplikacemi (jako je akutní infarkt myokardu nebo cévní mozková příhoda); Pacienti s dalšími závažnými onemocněními, která mohou ovlivnit hodnocení konstituce nebo provedení intervence, jako jsou maligní nádory, těžká jaterní nebo renální dysfunkce, aktivní tuberkulóza nebo duševní onemocnění; Pacienti, kteří v posledním měsíci podstoupili systematickou léčbu tradiční čínskou medicínou (např. bylinné odvary nebo akupunkturu), což může ovlivnit počáteční hodnocení typu konstituce; Těhotné nebo kojící ženy; Jedinci neschopní spolupracovat při měření, s jazykovými komunikačními bariérami nebo kognitivními poruchami; Pacienti účastnící se jiných intervenčních klinických studií.

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
Databáze konstituce tradiční čínské medicíny (TCM)
Časové okno: Pozorovací období: 3 roky
Vyvíjejte platformu inteligentních zásahů AI-HEALS, vybavenou funkcemi jako identifikace konstituce, inteligentní doporučení a interaktivní Q&A, která dosahuje přesnosti Q&A přes 90%.
Pozorovací období: 3 roky

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

The Fourth Affiliated Hospital of Zhejiang University School of Medicine

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 (Odhadovaný)

20. prosince 2025

Primární dokončení (Odhadovaný)

30. prosince 2028

Dokončení studie (Odhadovaný)

30. prosince 2028

Termíny zápisu do studia

První předloženo

15. prosince 2025

První předloženo, které splnilo kritéria kontroly kvality

15. prosince 2025

První zveřejněno (Aktuální)

29. prosince 2025

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

29. prosince 2025

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

15. prosince 2025

Naposledy ověřeno

1. prosince 2025

Více informací

Termíny související s touto studií

Další identifikační čísla studie

  • KY-2025-295

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NEROZHODNÝ

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 .

Klinické studie na Teorie konstituce TČM

Klinické studie na Multimodální AI modely

Prohledejte podobné pokusy

Sponzoři a spolupracovníci

Zdravotní podmínky

Drogové intervence

CROs by country

CROs in Slovakia

Podmínky

Vzácné nemoci

Drogové intervence

Doplňky stravy

Sponzor / Spolupracovníci

Místa

Předplatit