Ydelsen af et OCR-Prompt-LLM integreret arbejdsflow til udtrækning af multidimensionelle kliniske data ved iskæmisk hjertesygdom (OPAL-CAD)
Ydeevne af et OCR-Prompt-LLM integreret arbejdsflow til ekstrahering af multidimensionelle kliniske data ved iskæmisk hjertesygdom
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
-
Beijing, Kina, 100037
- Fuwai Hospital
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter på 18 år og derover.
- Kliniske journaler fra patienter, der tidligere var inkluderet i AIM-CHD (for pilot-/prompt optimeringssættet) eller SMART-CHD (for den interne valideringskohort) studierne.
- Patienter diagnosticeret med, eller mistænkt for at have, koronar hjertesygdom (CAD), inklusive undertyper: Ustabil Angina (UA), STEMI, NSTEMI og Kronisk Koronarsyndrom (CCS).
Eksklusionskriterier:
- Kliniske journaler med alvorlig datafragmentering eller manglende mere end 50% af de vigtigste kliniske indikatorer.
- Håndskrevne medicinske journaler eller lavkvalitetsskanninger, der er ulæselige for optisk tegnkendelse (OCR) behandling.
- Dubletjournaler eller journaler med modstridende "Guldstandard"-etiketter, der ikke kan afstemmes af ekspertudvalget.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Testkohorte
Denne gruppe består af 50 patientjournaler fra AIM-CHD-studiet på Fuwai Hospital.
Disse data bruges specifikt til at forfine OCR-behandling og optimere Prompt Engineering for LLM-baseret arbejdsgang.
|
Interventionen er et automatiseret klinisk datahåndteringssystem, der integrerer Optical Character Recognition (OCR), optimeret Prompt Engineering og Large Language Models (LLMs).
Arbejdsgangen behandler ustrukturerede indlæggelsesjournaler for at udtrække 10 vigtige kliniske indikatorer (f.eks. LVEF, CAD-undertyper, medicin) og klassificerer patienten i specifikke koronararteriesygdomskategorier (UA, STEMI, NSTEMI, CCS)
Standard manuel proces, hvor erfarne kliniske læger indsamler og fortolker patientoplysninger fra journaler.
Dette tjener som menneskelig reference for at sammenligne diagnostisk nøjagtighed og operationel effektivitet.
|
|
Intern Valideringskohort
Denne kohorte inkluderer 188 kliniske tilfælde fra SMART-CHD-studiet på Fuwai Hospital.
Disse optegnelser fungerer som den primære interne reference for at evaluere den diagnostiske og ekstraktionsnøjagtighed af LLM-arbejdsgangen i forhold til den etablerede grundsandhed.
|
Interventionen er et automatiseret klinisk datahåndteringssystem, der integrerer Optical Character Recognition (OCR), optimeret Prompt Engineering og Large Language Models (LLMs).
Arbejdsgangen behandler ustrukturerede indlæggelsesjournaler for at udtrække 10 vigtige kliniske indikatorer (f.eks. LVEF, CAD-undertyper, medicin) og klassificerer patienten i specifikke koronararteriesygdomskategorier (UA, STEMI, NSTEMI, CCS)
Standard manuel proces, hvor erfarne kliniske læger indsamler og fortolker patientoplysninger fra journaler.
Dette tjener som menneskelig reference for at sammenligne diagnostisk nøjagtighed og operationel effektivitet.
|
|
Ekstern Valideringskohort
Denne kohorte omfatter 70 patientjournaler indsamlet fra 8 uafhængige undercentre (undtagen Fuwai Hospital) for at vurdere modelens generaliserbarhed og robusthed på tværs af forskellige kliniske miljøer og forskellige journalformater.
|
Interventionen er et automatiseret klinisk datahåndteringssystem, der integrerer Optical Character Recognition (OCR), optimeret Prompt Engineering og Large Language Models (LLMs).
Arbejdsgangen behandler ustrukturerede indlæggelsesjournaler for at udtrække 10 vigtige kliniske indikatorer (f.eks. LVEF, CAD-undertyper, medicin) og klassificerer patienten i specifikke koronararteriesygdomskategorier (UA, STEMI, NSTEMI, CCS)
Standard manuel proces, hvor erfarne kliniske læger indsamler og fortolker patientoplysninger fra journaler.
Dette tjener som menneskelig reference for at sammenligne diagnostisk nøjagtighed og operationel effektivitet.
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Samlet diagnostisk- og ekstraktionsnøjagtighedsrate
Tidsramme: Gennem studiefærdiggørelse, i gennemsnit 3 måneder.
|
For at beregne den samlede nøjagtighedsrate for det LLM-baserede arbejdsflow på tværs af 308 tilfælde (inklusive pilotsættet, den interne valideringskohort og den eksterne valideringskohort) for 10 kliniske indikatorer (f.eks. LVEF, blodglukose osv.) og 4 diagnostiske undertyper af koronararteriesygdom.
Nøjagtighed defineres som andelen af tilfælde, hvor LLM'ens ekstraktions- eller diagnostikeresultater er fuldstændig i overensstemmelse med 'Gold Standard', som er etableret af humane kliniske eksperter.
|
Gennem studiefærdiggørelse, i gennemsnit 3 måneder.
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- CAD-LLM-2025-01
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .