Výzkum konstrukce a ověření velkého modelu pro multimodální lékařské zobrazování
Výzkum konstrukce a verifikace multimodálního velkého modelu lékařského zobrazování
S hromaděním multimodálních klinických dat, jako jsou lékařské zobrazovací metody a elektronické zdravotní záznamy (EHR), se efektivní využití vícezdrojových informací k dosažení přesné diagnózy a inteligentního rozhodování stalo klíčovým směrem lékařské umělé inteligence (AI). Ačkoli tradiční unimodální algoritmy přinesly výsledky v konkrétních úlohách, jejich neschopnost modelovat sémantické korelace mezi zobrazovacími, textovými a laboratorními daty vede k nedostatečné stabilitě a omezené interpretovatelnosti diagnostických výsledků, což ztěžuje splnění potřeb komplexního rozhodování ve složitých klinických scénářích.
V posledních letech prokázaly multimodální velké modely vynikající schopnosti křížového modálního porozumění a přenosu znalostí v oblasti přirozených obrazů a obecných úloh zraku a jazyka, což poskytuje nové paradigma pro lékařskou AI. Přímá aplikace v lékařských scénářích však stále čelí výzvám: za prvé se lékařský sémantický systém výrazně liší od obecných jazykových modelů, což brání přesnému vyjádření charakteristik onemocnění a detailů zobrazování; za druhé složitá morfologie lézí a nerovnoměrné rozložení vzorků v lékařských datech zvyšují obtížnost zobecnění modelu; za třetí klinická data zahrnují soukromí, takže bezpečnost dat a etická shoda slouží jako předpoklady výzkumu.
Výzkum lékařských multimodálních velkých modelů si klade za cíl integrovat vícezdrojová heterogenní lékařská data, vytvořit jednotný sémantický reprezentační a inferenční mechanismus a realizovat celoprocesní inteligentní analýzu zahrnující identifikaci onemocnění a lokalizaci lézí. Tento přístup může nejen zlepšit efektivitu a přesnost klinické diagnostiky, ale také poskytnout klinickým lékařům interpretovatelnou a sledovatelnou podporu pro pomocné rozhodování, což slibuje široké aplikační vyhlídky.
Na základě klinických datových zdrojů nemocnice a algoritmických základů výzkumného týmu má tato studie v úmyslu vybudovat systém multimodálního velkého modelu pro diagnostiku lékařského zobrazování, což umožní uzavřenou smyčku inteligentní analýzy od fúze multimodálních informací až po generování diagnostické zprávy. Výzkum bude přísně dodržovat lékařské etické standardy, chránit právo pacientů na informace, právo na soukromí a bezpečnost dat. Před oficiálním zahájením projektu musí být schválen etický posudek a budou dodržována příslušná nařízení, aby byla zajištěna jednota vědeckého výzkumu a etiky, což položí kompatibilní základ pro následné klinické ověřování a propagaci.
Přehled studie
Postavení
Detailní popis
S neustálým hromaděním lékařských snímků, elektronických zdravotních záznamů (EHR) a multimodálních klinických dat se stalo, jak efektivně využít vícezdrojové lékařské informace k dosažení přesné diagnózy a inteligentního rozhodování, klíčovým směrem ve vývoji lékařské umělé inteligence (AI). Ačkoli tradiční unimodální algoritmy (např. modely založené pouze na CT, MRI nebo ultrazvukových snímcích) dosáhly určitých výsledků v konkrétních úlohách, jejich neschopnost modelovat sémantické korelace mezi zobrazovacími, textovými a laboratorními daty často vede k nedostatečné stabilitě a omezené interpretovatelnosti diagnostických výsledků, což ztěžuje splnění komplexních rozhodovacích potřeb složitých klinických scénářů.
V posledních letech prokázaly multimodální velké jazykové modely (MLLM) pozoruhodné schopnosti v mezimodálním porozumění a přenosu znalostí v oblasti zpracování přirozených obrazů a obecných úloh zraku a jazyka, což poskytuje nové technické paradigma pro lékařskou AI. Přímá aplikace takových modelů v lékařských scénářích však stále čelí několika výzvám: za prvé, existují významné rozdíly mezi lékařským sémantickým systémem a obecnými jazykovými modely, což brání přesnému vyjádření charakteristik onemocnění a detailů zobrazování; za druhé, složitá morfologie lézí a nevyvážené rozložení vzorků v lékařských datech zvyšují obtížnost zobecnění modelu; za třetí, klinická data zahrnují informace citlivé na soukromí, což činí bezpečnost dat a etickou shodu předpokladem výzkumu.
Výzkum lékařských multimodálních velkých modelů si klade za cíl komplexně využít vícezdrojová heterogenní data – jako jsou lékařské snímky (např. CT, MRI, rentgen), EHR a laboratorní zprávy – k vytvoření jednotného sémantického vyjádření a mechanismu uvažování, což umožňuje end-to-end inteligentní analýzu včetně identifikace onemocnění, lokalizace lézí, generování zpráv a predikce progrese onemocnění. Tento směr výzkumu nejen pomáhá zlepšit efektivitu a přesnost klinické diagnózy, ale také poskytuje klinickým lékařům interpretovatelnou a sledovatelnou pomocnou podporu pro rozhodování, a má tak široké vyhlídky na klinickou aplikaci.
Na základě bohatých klinických datových zdrojů nemocnice a výzkumného základu týmu pro vývoj algoritmů má tato studie v úmyslu vytvořit systém multimodálního velkého modelu pro diagnostiku lékařského zobrazování, čímž realizuje uzavřený cyklus inteligentní analytické cesty od fúze multimodálních informací k generování diagnostických zpráv.
Během realizace výzkumu bude přísně dodržováno lékařských etických standardů, aby byla plně chráněna práva pacientů na informovaný souhlas, soukromí a bezpečnost dat. Aby byla zajištěna vědecká a shodná povaha výzkumného designu, musí tento projekt před svým oficiálním zahájením projít etickým přezkumem. V souladu s příslušnými předpisy včetně Helsinské deklarace, Mezinárodních etických směrnic pro výzkum týkající se zdraví zahrnující lidi a Opatření pro etický přezkum výzkumu v oblasti životních věd a medicíny zahrnujícího lidi dosáhneme organického propojení vědeckého výzkumu a etických zásad, čímž položíme shodný základ pro následné klinické ověření a aplikaci.
Typ studie
Zápis (Odhadovaný)
Kontakty a umístění
Studijní kontakt
- Jméno: ding Yuan, Doctor
- Telefonní číslo: +86 18858101960
- E-mail: dingyuan@zju.edu.cn
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Studijní populace byla složena z dospělých pacientů, kteří splňovali předem stanovená inkluzní kritéria a nevykazovali žádná vylučovací kritéria.
Pokud jde o inkluzní požadavky, způsobilí pacienti byli ve věku 18 let nebo starší a během studie podstoupili v nemocnici zobrazovací vyšetření včetně počítačové tomografie (CT), magnetické rezonance (MRI) nebo ultrazvuku. Vyšetřovací položky musely být zaměřeny na hepatobiliární a pankreatický systém, který byl předmětem výzkumu. Všichni zařazení pacienti museli mít k dispozici alespoň kompletní zobrazovací data a radiologické diagnostické zprávy, přičemž relevantní informace z lékařských záznamů sloužily jako doplňkové modality. Kromě toho musel být získán písemný informovaný souhlas od samotných pacientů nebo jejich zákonných zástupců, kteří souhlasili s tím, že anonymizovaná data pacientů mohou být použita pro validaci vědeckých výzkumných modelů. Nakonec musela všechna případová data vybraných pacientů projít přísnou kvalifikací.
Popis
Kritéria zařazení:
- Dospělí pacienti ve věku ≥ 18 let.
- Pacienti, kteří v průběhu studie podstoupili zobrazovací vyšetření (CT, MRI, ultrazvuk atd.) v této nemocnici.
- Položky vyšetření odpovídají typům onemocnění nebo systémům, na které se studie zaměřuje (hepatobiliární a pankreatický systém).
- Disponují alespoň kompletními zobrazovacími daty, radiologickými diagnostickými zprávami, s relevantními informacemi z lékařské dokumentace jako doplňkovými modalitami.
- Pacienti a jejich zákonní zástupci podepsali informovaný souhlas, souhlasící s použitím jejich anonymizovaných dat pro validaci vědeckých výzkumných modelů.
Kritéria vyloučení:
- Pacienti, kteří odmítnou podepsat informovaný souhlas.
- Případy s nevyhodnotitelnými snímky kvůli závažným pohybovým artefaktům, neúplnému skenování nebo anomáliím zařízení.
- Případy s vážným nedostatkem klinických dat nebo neúspěšným spárováním se zobrazovacími daty.
- Případy se speciálními patologickými stavy nebo pooperačním stavem (např. rozsáhlá resekce, významné strukturální změny po radioterapii), které ovlivňují konzistenci analýzy modelu.
- Vzorky dat s ochranou soukromí nebo právními riziky.
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
|---|
|
Skupina 1:Tato studie zahrnovala dospělé pacienty ve věku ≥ 18 let, kteří podstoupili zobrazovací vyšetření (zahrnuj
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Úloha Diagnostiky Onemocnění
Časové okno: Od zápisu do konce diagnózy po 3 dnech
|
Primárním výsledkem je přesnost a spolehlivost multimodálního zobrazovacího diagnostického modelu při identifikaci a klasifikaci cílových onemocnění ve srovnání se zlatým standardem klinické diagnózy provedené zkušenými radiologickými lékaři.
|
Od zápisu do konce diagnózy po 3 dnech
|
|
Úloha lokalizace a segmentace lézí
Časové okno: od zápisu do konce diagnostiky až 3 dny
|
Zahrnuje výkon modelu v přesné lokalizaci, segmentaci kontur a kvantitativním měření lézí, hodnocený pomocí Diceova koeficientu podobnosti, IoU a chyby lokalizace.
|
od zápisu do konce diagnostiky až 3 dny
|
|
Úloha generování diagnostické zprávy
Časové okno: od zápisu do konce diagnózy až 3 dny
|
Posuzuje klinickou platnost, úplnost, konzistenci a čitelnost automaticky generovaných radiologických zpráv ve srovnání s manuálními zprávami.
|
od zápisu do konce diagnózy až 3 dny
|
Spolupracovníci a vyšetřovatelé
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
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 研2025-1442
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu IPD
Rozhodnutí nesdílet individuální data účastníků (IPD) z této studie je založeno především na etických, ochranných a právních aspektech souvisejících s ochranou soukromí, stejně jako na vnitřních charakteristikách výzkumných dat.
Především, klíčová data této studie zahrnují anonymizované zobrazovací materiály, radiologické diagnostické zprávy a související lékařské záznamy pacientů, které jsou úzce spojeny s osobními zdravotními informacemi. Přestože byly během sběru a zpracování dat provedeny postupy anonymizace, stále existuje potenciální riziko opětovné identifikace jednotlivých účastníků, pokud by data byla sdílena bez přísných omezení. Takové riziko by porušovalo ustanovení příslušných zákonů a předpisů na ochranu soukromí, stejně jako informovaný souhlas podepsaný pacienty a jejich zákonnými zástupci. Je třeba zdůraznit, že informovaný souhlas jasně specifikuje, že anonymizovaná data účastníků jsou používána pouze pro
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 .