Opbygning af en database for klinisk diagnose og behandling af traditionel kinesisk medicin
Opbygning af en database for klinisk diagnose og behandling af traditionel kinesisk medicin: en prospektiv multicenter tværsnitsundersøgelse
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
De teknologiske principper for store sprogmodeller stemmer overens med de empiriske medicinske principper i Traditionel Kinesisk Medicin (TCM), og fremkomsten af stormodelteknologi kan i høj grad fremme udviklingen af TCM. Der er dog i øjeblikket mangel på kliniske diagnose- og behandlingsdatabaser med TCM-karakteristika til træning af TCM kunstig intelligens (AI) store modeller.
På nuværende tidspunkt er der endnu ikke etableret en storstilet tungebilleddatabase til modellering af almindelige TCM-tungeudseende, hvilket sikrer nøjagtigheden og konsistensen af TCM-diagnose og fremmer den objektive standardisering af TCM-diagnostisk udvikling.
I betragtning af feedbacken fra forsøgspersonerne i det kliniske arbejde om, at spørgeskemaet til TCM-konstitutionsundersøgelsen har et stort omfang, tager lang tid og har visse subjektive problemer, planlægger vi at udføre en storstilet klinisk observationsundersøgelse for at optimere processen med TCM-konstitution. identifikation.
Traditionel kinesisk medicin (TCM) læge-patient-dialoger og journalskrivning er væsentlige enheder, der genereres under TCM-diagnose- og behandlingsprocessen. Assistering i konsultation, journalgenerering og behandlingsplananbefalinger baseret på læge-patient-dialoger har betydelig klinisk og forskningsmæssig værdi. Derfor planlægger vi at indsamle et stort antal læge-patient-dialoger og ambulante journaler for at opbygge en læge-patient-dialogdatabase, der på forhånd forbereder optimering af interaktive TCM-modeller i stor skala.
Sammenfattende har forskningen i at konstruere en TCM-database for klinisk diagnose og behandling vigtig klinisk og videnskabelig forskningsværdi. Dette vil bidrage til at forbedre standardiseringen og normaliseringen af TCM-diagnose og behandling, og også understøtte moderniseringen og internationaliseringen af TCM. Ved at anvende big data-analyse og kunstig intelligens-teknologi er det muligt at dykke dybere ned i TCM-diagnose og behandlingsinformation, hvilket giver rigere og mere nøjagtige dataressourcer til klinisk beslutningstagning og videnskabelig forskning i TCM.
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Yulong Zhang, Doctor
- Telefonnummer: 18810550602
- E-mail: zhongxiyi1101@163.com
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Folk, der kommer til hospitalet til fysisk undersøgelse og medicinsk behandling;
- Deltagerne deltager frivilligt i undersøgelsen.
Ekskluderingskriterier:
- Forsøgspersoner med vanskeligheder i tungeforlængelse, kommunikation osv., som ikke kan samarbejde med dataindsamling;
- Forskerne fastslog, at der var andre faktorer, der kan have tvunget forsøgspersonerne til at afslutte undersøgelsen.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
Traditionel kinesisk medicin tunge billedgruppe
Internt ved hjælp af tilfældig tildeling, opdelt i træningsgruppe og valideringsgruppe
|
Observationsstudie, ikke-intervention
|
|
Traditionel kinesisk medicin forfatningsdatagruppe
Internt ved hjælp af tilfældig tildeling, opdelt i træningsgruppe og valideringsgruppe
|
Observationsstudie, ikke-intervention
|
|
Traditionel kinesisk medicin læge patientdialog datagruppe
Data brugt til at finjustere traditionelle kinesiske medicinmodeller
|
Observationsstudie, ikke-intervention
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Udvikling af et tungebillede-baseret maskinlæringsværktøj
Tidsramme: 20 måneder
|
|
20 måneder
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
TCM Constitution Multimodal Model
Tidsramme: 20 måneder
|
|
20 måneder
|
Andre resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Traditionel kinesisk medicin (TCM) Læge-patient dialogdatabase
Tidsramme: 20 måneder
|
|
20 måneder
|
Samarbejdspartnere og efterforskere
Efterforskere
- Ledende efterforsker: Qi Zeng, Doctor, Fifth Affiliated Hospital, Sun Yat-Sen University
Publikationer og nyttige links
Generelle publikationer
- Yuan L, Yang L, Zhang S, Xu Z, Qin J, Shi Y, Yu P, Wang Y, Bao Z, Xia Y, Sun J, He W, Chen T, Chen X, Hu C, Zhang Y, Dong C, Zhao P, Wang Y, Jiang N, Lv B, Xue Y, Jiao B, Gao H, Chai K, Li J, Wang H, Wang X, Guan X, Liu X, Zhao G, Zheng Z, Yan J, Yu H, Chen L, Ye Z, You H, Bao Y, Cheng X, Zhao P, Wang L, Zeng W, Tian Y, Chen M, You Y, Yuan G, Ruan H, Gao X, Xu J, Xu H, Du L, Zhang S, Fu H, Cheng X. Development of a tongue image-based machine learning tool for the diagnosis of gastric cancer: a prospective multicentre clinical cohort study. EClinicalMedicine. 2023 Feb 6;57:101834. doi: 10.1016/j.eclinm.2023.101834. eCollection 2023 Mar.
- Tian F, Liu D, Wei N, Fu Q, Sun L, Liu W, Sui X, Tian K, Nemeth G, Feng J, Xu J, Xiao L, Han J, Fu J, Shi Y, Yang Y, Liu J, Hu C, Feng B, Sun Y, Wang Y, Yu G, Kong D, Wang M, Li W, Chen K, Li X. Prediction of tumor origin in cancers of unknown primary origin with cytology-based deep learning. Nat Med. 2024 May;30(5):1309-1319. doi: 10.1038/s41591-024-02915-w. Epub 2024 Apr 16.
- Tan Y, Zhang Z, Li M, Pan F, Duan H, Huang Z, Deng H, Yu Z, Yang C, Shen G, Qi P, Yue C, Liu Y, Hong L, Yu H, Fan G, Tang Y. MedChatZH: A tuning LLM for traditional Chinese medicine consultations. Comput Biol Med. 2024 Apr;172:108290. doi: 10.1016/j.compbiomed.2024.108290. Epub 2024 Mar 13.
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
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
- ZDWY.ZYZLK.009
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
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 .