Human-AI Collaborative Intelligence til forbedring af føtal flowstyring
Human-AI Collaborative Intelligence for Improving Fetal Flow Management: A Randomized Trial
Denne randomiserede kontrollerede undersøgelse evaluerer effektiviteten af forklarlig AI (XAI) til at forbedre klinikeres fortolkning af Doppler-ultralydsbilleder (UA og MCA) i obstetrik. Det involverer 92 klinikere, randomiseret i interventions- og kontrolgrupper. Interventionsgruppen modtager XAI-feedback med det formål at øge nøjagtigheden i ultralydsfortolkning og medicinsk beslutningstagning.
Mål:
- At udvikle en fortolkelig model for almindeligt anvendte Doppler-flows, specifikt Pulsatility Index (PI) for umbilical arterien (UA) og den midterste cerebrale arterie (MCA), med det formål at give kvalitetsfeedback på Doppler-spektrumbilleder og foreslå potentielle gateplaceringer.
- For at teste virkningerne af at give Forklarlig AI (XAI)-feedback til klinikere sammenlignet med ingen feedback om deres nøjagtighed i ultralydsfortolkning og -håndtering.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
I øjeblikket tjener Doppler-ultralydshastighedsmåling som et afgørende værktøj i obstetrisk praksis, især til vurdering af navlearterie (UA) og mellem-cerebral arterie (MCA) i uteroplacental-føtal cirkulation. Mens Doppler-ultralyd er værdifuldt til at påvise tilstande som føtal anæmi og placenta-insufficiens, afhænger dens nøjagtighed af operatørens ekspertise. Kunstig intelligens (AI) tilbyder potentielle forbedringer, især i højrisikograviditeter. Imidlertid mangler eksisterende AI-applikationer i føtal ultralyd ofte gennemsigtighed, hvilket fører til mistillid til brugerne. Denne undersøgelse har til formål at adressere disse begrænsninger ved at udvikle en forklarlig AI-model til at hjælpe klinikere med at fortolke Doppler-ultralydsbilleder af UA og MCA til forbedret håndtering af højrisikograviditeter.
Undersøgelsens mål er:
- At udvikle en fortolkelig model for almindeligt anvendte Doppler-flows, specifikt Pulsatility Index (PI) for umbilical arterien (UA) og den midterste cerebrale arterie (MCA), med det formål at give kvalitetsfeedback på Doppler-spektrumbilleder og foreslå potentielle gateplaceringer.
- For at teste virkningerne af at give Forklarlig AI (XAI)-feedback til klinikere sammenlignet med ingen feedback om deres nøjagtighed i ultralydsfortolkning og -håndtering.
Alle deltagere vil blive instrueret i at sørge for gateplacering til flowbilleder af navlearterien og MCA og evaluere kvaliteten af de resulterende flowkurver. Hver deltager skal vurdere i alt 40 unikke billeder (10 flowbilleder for UA og MCA, 10 spektrale dopplerbilleder for henholdsvis UA og MCA). Fra de fire grupper (UA-flow, UA-spektrum, MCA-flow & MCA-spektrum) vil efterforskerne levere matchede sæt af 40 billeder, der leveres til deltagere, som matches for deres erfaringsniveau inden for hvert hospital (PGY 1 -2; PGY 3-5; For flowbilleder vil deltagerne blive instrueret i at identificere den mest passende portplacering. For de spektrale flowkurver vil deltagerne blive bedt om at evaluere, om flowkurverne var af tilstrækkelig kvalitet til at informere medicinske ledelsesbeslutninger.
Inklusionskriterierne for MCA- og UA-billeder vil være billeder taget fra tredje trimester (>= uge 28).
Studiedesign: Randomiseret kontrolleret forsøg
Datakilde: 1840 unikke ultralydsscanninger inklusive målinger af navlepulsåre (UA) og mellemhjernearterie (MCA). De 1840 unikke billeder inkluderer: 460 billeder af UA-flow-billeder, 460 UA-spektrumbilleder, 460 MCA-flow-billeder og 460 MCA-spektrumbilleder.
Deltagere: 92 klinikere med varierende kompetenceniveauer på tværs af fire forskellige universitetshospitaler.
Intervention: XAI-feedback på MCA/UA Doppler-spektralkurver og forslag til gateplacering.
Kontrolgruppe: Ingen XAI-feedback.
Fremgangsmåde: Klinikere vil blive opdelt i to grupper på 46 hver, matchet for erfaringsniveauer på tværs af hospitaler. Kontrolgruppen vil placere en gate på MCA/UA-billeder og evaluere Doppler-spektret uden AI-feedback, mens interventionsgruppen udfører de samme opgaver med adgang til AI-feedback.
Resultatmål: Deltagernes svar i de to grupper gennemgås af to føtalmedicinske sonografer, som vurderer deltagernes svar uafhængigt af hinanden. I en uenighed når de to sonografer til enighed efter diskussion.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
- Navn: Zahra Bashir, MD
- Telefonnummer: 71871407
- E-mail: zahra.bashir@regionh.dk
Studiesteder
-
-
Capital Region Of Denmark
-
Copenhagen, Capital Region Of Denmark, Danmark, 2100
- Rekruttering
- Rigshospitalet
-
Kontakt:
- Zahra Bashir, MD
-
Ledende efterforsker:
- Zahra Bashir, MD
-
-
Region Zealand
-
Slagelse, Region Zealand, Danmark, 4200
- Rekruttering
- Slagelse Hospital
-
Kontakt:
- Zahra Bashir, MD
-
Ledende efterforsker:
- Zahra Bashir, MD
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Inklusionskriteriet er brugen af transabdominal obstetrisk ultralyd mindst én gang om ugen
Ekskluderingskriterier:
- Eksklusionskriteriet er fraværet af erfaring med transabdominal obstetrisk ultralydsscanning.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Sundhedstjenesteforskning
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Dobbelt
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: "XAI-feedback om MCA/UA Doppler-spektralkurver og forslag til gateplacering"
XAI-feedbackgruppen vil placere en gate på MCA/UA-billeder og evaluere Doppler-spektret med AI-feedback. N=46 klinikere (klinikere vil blive opdelt i to grupper (XAI-feedback & Ingen XAI-feedback-grupper) på 46 hver, matchet for erfaringsniveauer på tværs af hospitaler) |
Denne undersøgelse omfatter 1840 ultralydsbilleder, opdelt i UA- og MCA-flow- og spektrumbilleder, hver duplikeret til i alt 3680 billeder for at sammenligne forklarlig AI (XAI)-feedback vs. ingen feedback. Efterforskerne vil levere matchede sæt af 40 billeder (et for XAI-gruppen og et for ikke-XAI-gruppen) til deltagerne. Deltagerne matches baseret på deres erfaringsniveau inden for hvert hospital (beboende læger, fødselslæger og gynækologer med obstetrisk ultralydserfaring). Alle deltagere instrueres i at placere gates på flowbillederne af navlepulsåren og den midterste cerebrale arterie og vurdere kvaliteten af de resulterende flowkurver. Specifikt for flowbilleder skal deltagerne identificere den mest passende portplacering. For spektrale flowkurver skal de afgøre, om kurverne er af tilstrækkelig kvalitet til at vejlede medicinske ledelsesbeslutninger. |
|
Ingen indgriben: "Ingen XAI-feedback"
Kontrolgruppen vil placere en gate på MCA/UA-billeder og evaluere Doppler-spektret uden AI-feedback. N=46 klinikere (klinikere vil blive opdelt i to grupper (XAI-feedback & Ingen XAI-feedback-grupper) på 46 hver, matchet for erfaringsniveauer på tværs af hospitaler) |
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Svarene vil blive gennemgået uafhængigt af to føtalmedicinske sonografer, og i tilfælde af uenighed mellem de to eksperter vil der blive opnået konsensus.
Tidsramme: 1 måned
|
Nøjagtigheden i hver gruppe (AI-feedback og uden AI-feedback-gruppe) blev defineret som den procentvise forskel i antallet af korrekt styrede flowbilleder mellem de to grupper, vurderet af to føtalmedicinske sonografer. Korrekt styring blev defineret som: Korrekt portplacering (multiple sites mulig) OG Korrekt identifikation af flowkurver, der var af tilstrækkelig kvalitet til at muliggøre medicinsk beslutningstagning. |
1 måned
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed af flow billedstyring blandt kompetencegrupper
Tidsramme: 1 måned
|
Det sekundære resultat er at kategorisere deltagerne i kompetencegrupper (elever, fødselslæger og gynækologer med obstetrisk erfaring) og derefter undersøge den procentvise forskel i nøjagtigheden af flow-billedstyring blandt disse kompetencegrupper inden for både AI-feedback og ikke-AI- feedback grupper.
|
1 måned
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Andre undersøgelses-id-numre
- 3-3031-2915/1
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 .