Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Evaluering af store AI-modeller til diagnose og behandling i virkelige tilfælde: Multicenter retrospektiv undersøgelse

26. januar 2026 opdateret af: First Affiliated Hospital of Fujian Medical University

Evaluering af store AI-modeller til diagnose og behandling i virkelige tilfælde: Multicenter retrospektivt studie

Denne multikenter retrospektive undersøgelse har til formål at evaluere den diagnostiske og terapeutiske præstation af tre store sprogmodeller - ChatGPT, Gemini og Deepseek - ved brug af 800 arkiverede indlæggelsesjournaler fra urologiafdelingen på fire tertiære hospitaler. Undersøgelsen vil fokusere på nøjagtigheden og anvendeligheden af disse modeller inden for sygdomsgenkendelse, foreløbig diagnose og generering af behandlingsanbefalinger for at udforske deres potentielle værdi og begrænsninger i at støtte klinisk beslutningstagning i virkelige omgivelser.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Anslået)

800

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Studiesteder

  • Kina
      • Fuzhou, Kina
        • Rekruttering
        • The First Affiliated Hospital of Fujian Medical University

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Studiepopulationen blev rekrutteret fra følgende institutioner: Det Første Tilknyttede Hospital til Fujian Medical University, Det Andet Tilknyttede Hospital til Fujian Medical University, Shishi City Hospital og Shaowu City Hospital

Beskrivelse

Inklusionskriterier:

  • Case-dataene stammer fra de fire hospitaler, der er involveret i studiet, med komplette og autentiske diagnose- og behandlingsjournaler.
  • Patienter skal være 18 år eller ældre, uden kønsbegrænsninger.
  • Komplette patientjournaler, inklusive følgende kerneoplysninger: patientens grundlæggende oplysninger, nuværende sygdomsforløb, tidligere medicinsk historie, fysisk undersøgelse og hjælpeundersøgelser (inklusive laboratorie- og billeddiagnostiske prøver).
  • En klar udskrivningsdiagnose og behandlingsplan (inklusive terapeutiske foranstaltninger og opfølgningsarrangementer).
  • Patientjournaler er arkiveret, med objektive og præcise oplysninger, der ikke er blevet ændret.
  • Patienten eller deres juridiske repræsentant har givet informeret samtykke og accepteret anvendelsen af deres anonymiserede medicinske data til forskningsanalyse.

Eksklusionskriterier:

  • Patientjournaler med væsentlig manglende information, såsom nøglekliniske detaljer (nuværende sygdomsforløb, diagnose- eller behandlingsjournaler osv.).
  • Tilfælde, hvor diagnosen eller behandlingsplanen er uklar, eller hvor behandlingen ikke er fuldstændigt afsluttet for en indledende diagnose.
  • Tilfælde, hvor hoveddiagnosen ikke er urologisk.
  • Tilfælde med større fejl eller uoverensstemmelser i journalerne, der kan påvirke yderligere vurdering.
  • Patientjournaler i specielle formater eller billeder, der ikke kan læses (f.eks. håndskrevne notater, ikke-standard dokumentation).
  • Patienter, der ikke har underskrevet informeret samtykkeformularen eller som nægter at tillade, at deres medicinske data anvendes til forskning.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk nøjagtighed: Vurderet ved Top-1 nøjagtighed
Tidsramme: Gennem hele forsøget, i gennemsnit 3 måneder
Top-1: Andel af tilfælde, hvor modellens første diagnose matcher den sande primære diagnose.
Gennem hele forsøget, i gennemsnit 3 måneder
Diagnostisk nøjagtighed: Vurderet ved Top-3 nøjagtighed
Tidsramme: Gennem studiefærdiggørelse, i gennemsnit 3 måneder
Top-3: Andelen af tilfælde, hvor den sande diagnose optræder blandt modellens top 3.
Gennem studiefærdiggørelse, i gennemsnit 3 måneder
Diagnostisk fuldstændighed
Tidsramme: Gennem studiefærdiggørelse, i gennemsnit 3 måneder
Andelen af modellens diagnoser, der overlapper med alle diagnoser (primære og sekundære) i sagen.
Gennem studiefærdiggørelse, i gennemsnit 3 måneder
Differentiel Diagnosekvalitet
Tidsramme: Gennem studiet, i gennemsnit 3 måneder
Evalueret af eksperter ved brug af en Likert 5-punkts skala, med hensyn til faktorer som dækning af almindelige sygdomme, logisk klarhed og specificitet
Gennem studiet, i gennemsnit 3 måneder
Behandlingsplanens Kvalitet
Tidsramme: Gennem studiefærdiggørelse, i gennemsnit 3 måneder
Vurderer, om modellens behandlingsforslag stemmer overens med kliniske retningslinjer, bedømt af eksperter på fuldstændighed, relevans og sikkerhed.
Gennem studiefærdiggørelse, i gennemsnit 3 måneder
Analysetid
Tidsramme: Gennem hele forsøget, i gennemsnit 3 måneder
5. Tid, det tager AI-modellen at give diagnoser og behandlingsforslag (i sekunder), hvilket afspejler realtidskapacitet.
Gennem hele forsøget, i gennemsnit 3 måneder

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

First Affiliated Hospital of Fujian Medical University

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Anslået)

1. januar 2026

Primær færdiggørelse (Anslået)

1. april 2026

Studieafslutning (Anslået)

1. juni 2026

Datoer for studieregistrering

Først indsendt

9. december 2025

Først indsendt, der opfyldte QC-kriterier

26. januar 2026

Først opslået (Faktiske)

30. januar 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

30. januar 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

26. januar 2026

Sidst verificeret

1. januar 2026

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • MRCTA,ECFAH of FMU[2025]902

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 .

Kliniske forsøg med Stor Sprogmodelvurdering (ChatGPT, Gemini, DeepSeek)

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Nigeria

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner