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

Evaluering af et kunstig intelligens-værktøj til at hjælpe praktiserende læger med at diagnosticere hudlidelser. (LegitHealth PH)

18. februar 2026 opdateret af: AI Labs Group S.L

En Multi-Reader Multi-Case (MRMC)-undersøgelse, der vurderer virkningen af Legit.Health Plus på den diagnostiske nøjagtighed og henvisningsbeslutninger hos praktiserende læger ved hudlæsioner.

Dette studie har til formål at afgøre, om en medicinsk enhed med kunstig intelligens (AI) kan hjælpe praktiserende læger med mere præcist at identificere og håndtere forskellige hudlidelser. Hudproblemer er en hyppig årsag til lægebesøg, men forskelle i ekspertise mellem praktiserende læger og specialister kan undertiden føre til fejldiagnoser eller unødvendige henvisninger.

Forskerne formodede, at de oplysninger, som AI-enheden leverer, ville øge den sande diagnostiske nøjagtighed hos praktiserende læger for flere dermatologiske tilstande. For at teste dette fulgte studiet et prospektivt, selvkontrolleret design, hvor hver deltagende læge fungerede som deres egen sammenligning.

Under studiet evaluerede 9 praktiserende læger 30 kliniske billeder, der repræsenterede en række hudpatologier. For hvert billede fulgte lægerne en totrinsproces:

  • Først gav de en diagnose udelukkende baseret på billedet og patientens medicinske historie.
  • Derefter fik de vist AI'ens analyse – inklusive de 5 bedste foreslåede diagnoser og tillidsniveauer – og blev bedt om at give en endelig diagnose.

Studiet undersøgte også, om AI kunne hjælpe læger med at afgøre, om en patient virkelig har brug for en henvisning til en specialist, eller om tilstanden kunne håndteres fjernbetjent via teledermatologi. Det primære spørgsmål var, om brugen af denne AI-støtte ville øge antallet af korrekte diagnoser stillet af praktiserende læger signifikant og føre til mere effektiv patientpleje.

Studieoversigt

Detaljeret beskrivelse

Denne detaljerede beskrivelse skitserer den kliniske metodologi, tekniske ramme og dataintegritetsprotokoller, der anvendes i undersøgelsen af Legit Health Plus-medicinsk udstyr til hudpatologier i primær pleje.

Studiedesign og teknisk metodologi Undersøgelsen blev udført som en prospektiv observations- og tværsnitsbaseret selvkontrolleret undersøgelse. Den anvendte en Multi-Reader Multi-Case (MRMC)-ramme for at måle effekten af computerassisteret diagnose (CAD) på klinikerens præstation.

  • Selvkontrolramme: Hver læge i primær pleje fungerede som deres egen sammenligning, hvor de først stillede diagnoser uden og derefter med enhedsstøtte.
  • Sekventiel evalueringsarbejdsgang: Deltagerne fik adgang til en sikker webbaseret platform for at gennemgå 30 kliniske tilfælde. For hvert tilfælde gav lægerne en indledende diagnose baseret på et billede og en medicinsk historie, efterfulgt af en endelig diagnose efter at have gennemgået AI's top 5 foreslåede ICD-11-kategorier og konfidensniveauer.
  • Klinisk beslutningsstøtte: Undersøgelsen evaluerede også lægers beslutninger om dermatologiske henvisninger og muligheden for fjernstyring (teledermatologi) baseret på AI-leverede data, såsom malignitetsindeks.
  • Tilfældesfordeling: De 30 kliniske billeder repræsenterede ni forskellige tilstande, herunder Melanom, Basalcellecarcinom, Psoriasis og Hidradenitis Suppurativa, som alle tidligere var bekræftet af dermatologer og anatomisk patologi.

Kvalitetssikring og datastyring

For at sikre den videnskabelige integritet af den kliniske undersøgelse blev følgende kvalitets- og overvågningsprotokoller implementeret:

  • Centraliserede tilfældesrapporteringsformularer (CRF): Alle data blev indsamlet via en sikker webbaseret platform, hvor indtastninger blev tidsstemplet og gemt i en central database.
  • Datavalidering og -kontroller: Valideringsregler blev anvendt ved hjælp af computerfiltre for automatisk at identificere manglende værdier eller logiske uoverensstemmelser. Dette blev suppleret med manuel redigering og eksploratoriske statistiske teknikker for at opdage fejl.
  • Overvågningsplan: En uafhængig klinisk monitor overvågede undersøgelsen. Overvågningen inkluderede fjernvideomøder eller telefonmøder hver tredje måned for at sikre overholdelse af den kliniske undersøgelsesplan (CIP) og ISO 14155:2020.
  • Bias-minimering: Tilfældig udvælgelse af læger hjalp med at sikre, at resultaterne ikke blev påvirket af eksisterende gruppekarakteristika. Standardiserede protokoller sikrede, at alle deltagere blev evalueret under identiske forhold.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

9

Kontakter og lokationer

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

Studiesteder

    • Basque Country
      • Bilbao, Basque Country, Spanien, 48001
        • AI Labs Group S.L.

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 består af speciallæger inden for klinisk medicin, der er rekrutteret fra almen medicins kliniske områder. Deltagergruppen omfatter:

  • Almen praksislæger: Almen praksislæger, der ofte fungerer som det første kontaktpunkt for patienter med dermatologiske symptomer.
  • Erfaringsniveau: Kohorten omfatter praktiserende læger med mindst 5 års klinisk erfaring inden for deres respektive specialer.

Deltagerne blev rekrutteret til at deltage i et fjernbaseret, webbaseret evalueringsmiljø i stedet for at blive udvalgt fra et enkelt fysisk hospital eller by. De kliniske billeder, der blev evalueret som en del af studiet "cases", blev hentet fra internationale offentlige dermatologi-atlasser og eksisterende forskningsdatabaser fra sponsor, hvilket repræsenterer en mangfoldig global patientpopulation.

Beskrivelse

Inklusionskriterier:

  • Speciallæger i almen medicin uanset deres erhvervserfaring.
  • Højkvalitetsbilleder af patienter med forskellige hudtilstande.

Eksklusionskriterier:

  • Lavkvalitetsbilleder af patienter, der ikke kan analyseres ordentligt.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Almen praksis læger

Denne gruppe består af specialcertificerede sundhedsprofessionelle (HCP'er), der fungerer som "læsere" i denne multi-reader multi-case (MRMC) undersøgelse. Kohorten er unikt karakteriseret ved sin interne sammenligning: hver deltager fungerer som deres egen kontrol.

  • Gruppen inkluderer 9 almen praksis-læger (PCP'er), hvilket muliggør en sammenligning af PCP'ernes diagnostiske basispræstation.
  • Interventionsudsættelse: Alle deltagere evalueres under to forskellige betingelser: først ved at give en diagnose udelukkende baseret på kliniske billeder og patienthistorie; anden gang ved at give en diagnose assisteret af den AI-baserede medicinske enheds top 5 forslag og konfidensniveauer.
  • Klinisk ekspertise: Hvert medlem af kohorten har mindst 5 års klinisk erfaring inden for deres respektive felt.
Interventionen består af et Computer-Aided Diagnosis (CAD) software-only medicinsk udstyr, der anvender computervisionalgoritmer til at analysere digitale billeder af hudstrukturer. Under undersøgelsen bruger sundhedspersonale værktøjet som et diagnostisk støttesystem til at assistere i evalueringen af komplekse dermatologiske tilstande.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk nøjagtighed for flere dermatologiske tilstande med og uden kunstig intelligens-støtte.
Tidsramme: Dag 1
Denne måling evaluerer "Top-1" diagnostisk nøjagtighed hos almen praksis-læger (PCP'er). Nøjagtigheden bestemmes ved at sammenligne lægens identificerede diagnose - både før og efter modtagelse af AI's top 5 forslag - med en bekræftet referencestandard (bekræftet af dermatologer eller anatomisk patologi).
Dag 1

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Ændring i dermatologisk henvisningsrate assisteret af kunstig intelligens.
Tidsramme: Dag 1
Dette resultat bekræfter den procentdel af tilfælde, som praktiserende læger vurderer bør henvises til en hudlægespecialist efter gennemgang af den AI-leverede information, herunder malignitetsindeks og værktøjsanbefalinger. Målet er at evaluere, om enheden hjælper med at optimere ressourceallokering ved at reducere unødvendige henvisninger
Dag 1
Procentdel af sager vurderet håndterbare via fjernkonsultation.
Tidsramme: Dag 1
Denne måling vurderer behandlernes evaluering af, om en sag kan bekræftes og behandles fjernbetjent via teledermatologi baseret på AI-analysen. En Pearsons chi-i-anden-test bruges til at analysere sammenhængen mellem henvisningsnødvendighed og fjernkonsultationsmuligheder.
Dag 1

Samarbejdspartnere og efterforskere

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

Efterforskere

  • Ledende efterforsker: Antonio Martorell, PhD, Hospital Universitari de Manises

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 (Faktiske)

4. juni 2024

Primær færdiggørelse (Faktiske)

13. september 2024

Studieafslutning (Faktiske)

13. september 2024

Datoer for studieregistrering

Først indsendt

18. februar 2026

Først indsendt, der opfyldte QC-kriterier

18. februar 2026

Først opslået (Faktiske)

24. februar 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

24. februar 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

18. februar 2026

Sidst verificeret

1. februar 2026

Mere information

Begreber relateret til denne undersøgelse

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 Plaque Psoriasis

Abonner