AI Clinician XP2 – Eine Studie über den KI-Kliniker, der in Echtzeit auf der Intensivstation läuft
AI Clinician XP2 – Eine Pilotstudie des AI Clinician, der in Echtzeit auf der Intensivstation läuft
Der Eckpfeiler der Sepsis-Wiederbelebung ist die Verabreichung von intravenösen Flüssigkeiten (IVF) und/oder Vasopressoren (Medikamente, die die Blutgefäße zusammendrücken, um den Blutdruck zu erhöhen), um den Blutfluss aufrechtzuerhalten und Organversagen zu verhindern. Es besteht jedoch große Unsicherheit hinsichtlich der individuellen Dosierung dieser Medikamente bei einem einzelnen Patienten, teilweise aufgrund der hohen Sepsis-Heterogenität. Die aktuellen Leitlinien geben Empfehlungen auf Bevölkerungsebene, individualisieren die Entscheidungen jedoch nicht. Falsche Entscheidungen führen zu schlechteren Behandlungsergebnissen und einem erhöhten Ressourcenverbrauch auf der Intensivstation. Ein Instrument zur Personalisierung dieser Medikamente könnte das Überleben der Patienten verbessern.
Die Forscher haben eine neue Methode zur automatischen und kontinuierlichen Überprüfung und Empfehlung der korrekten Dosis dieser Medikamente für Ärzte entwickelt, die mithilfe von Techniken der künstlichen Intelligenz (KI) erstellt wurde, die auf große medizinische Datenbanken angewendet wurden. Die verwendete Methode heißt Reinforcement Learning, und wir nennen die Technologie „AI Clinician“.
Beim AI Clinician XP1 testeten die Ermittler die Sicherheit des AI Clinician im „Schattenmodus“, d. h. in pseudonymisierten Stapeln von Patientendaten, die nicht diensthabenden Intensivmedizinern präsentiert wurden. Dies ermöglichte den Ermittlern, 1) Methoden und Software zu entwickeln, um eine Verbindung zu elektronischen Patientenakten (EHR) in Echtzeit herzustellen; 2) Überprüfen Sie die Sicherheit des Algorithmus, wenn er in einer britischen ICU-Patientenkohorte verwendet wird.
In XP2 wird der AI Clinician in Echtzeit auf dedizierten Computern am Bett von tatsächlichen Patienten in 4 Intensivstationen in 2 NHS Trusts (drei Intensivstationen bei ICHT und eine Intensivstation bei UCLH) ausgeführt.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Sepsis ist eine lebensbedrohliche Organfunktionsstörung aufgrund einer schweren Infektion und betrifft jährlich 250.000 Patienten im Vereinigten Königreich (vor COVID-19), von denen 48.000 sterben. Darüber hinaus hatten praktisch alle COVID-19-Todesfälle auf der Intensivstation (ICU) eine Sepsis. Es ist eine der häufigsten Todesursachen und die teuerste Erkrankung, die in Krankenhäusern behandelt wird. Es wurde von der James Lind Alliance, einer Partnerschaft von Patienten und Klinikern, als oberste Forschungspriorität anerkannt, um die dringendsten unbeantworteten Fragen, denen sich der NHS gegenübersieht, zu priorisieren.
Der Eckpfeiler der Sepsis-Wiederbelebung ist die Verabreichung von intravenösen Flüssigkeiten (IVF) und/oder Vasopressoren (Medikamente, die die Blutgefäße zusammendrücken, um den Blutdruck zu erhöhen), um den Blutfluss aufrechtzuerhalten und Organversagen zu verhindern. Es besteht jedoch große Unsicherheit hinsichtlich der individuellen Dosierung dieser Medikamente bei einem einzelnen Patienten, teilweise aufgrund der hohen Sepsis-Heterogenität. Die aktuellen Leitlinien geben Empfehlungen auf Bevölkerungsebene, individualisieren die Entscheidungen jedoch nicht. Falsche Entscheidungen führen zu schlechteren Behandlungsergebnissen und einem erhöhten Ressourcenverbrauch auf der Intensivstation. Ein Instrument zur Personalisierung dieser Medikamente könnte das Überleben der Patienten verbessern.
Die Forscher haben eine neue Methode zur automatischen und kontinuierlichen Überprüfung und Empfehlung der korrekten Dosis dieser Medikamente für Ärzte entwickelt, die mithilfe von Techniken der künstlichen Intelligenz (KI) erstellt wurde, die auf große medizinische Datenbanken angewendet wurden. Die verwendete Methode heißt Reinforcement Learning, und wir nennen die Technologie „AI Clinician“.
Beim AI Clinician XP1 testeten die Ermittler die Sicherheit des AI Clinician im „Schattenmodus“, d. h. in pseudonymisierten Stapeln von Patientendaten, die nicht diensthabenden Intensivmedizinern präsentiert wurden. Dies ermöglichte den Ermittlern, 1) Methoden und Software zu entwickeln, um eine Verbindung zu elektronischen Patientenakten (EHR) in Echtzeit herzustellen; 2) Überprüfen Sie die Sicherheit des Algorithmus, wenn er in einer britischen ICU-Patientenkohorte verwendet wird.
In XP2 wird der AI Clinician in Echtzeit auf dedizierten Computern am Bett von tatsächlichen Patienten in 4 Intensivstationen in 2 NHS Trusts (drei Intensivstationen bei ICHT und eine Intensivstation bei UCLH) ausgeführt.
Dieses vorliegende Experiment wird die Machbarkeit des Echtzeitbetriebs des AI Clinician auf betriebsbereiten Intensivstationen testen, um eine zukünftige groß angelegte multizentrische randomisierte Studie vorzubereiten, die eine Verbesserung der klinisch relevanten Ergebnisse testen wird. In diesem Stadium und im Interesse, uns zuerst auf die verschreibenden Ärzte zu konzentrieren, werden wir nur die Verwendung des Systems durch Ärzte auf der Intensivstation testen. Zukünftig werden Studien mit Pflegekräften durchgeführt.
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
-
London, Vereinigtes Königreich, W2 1PG
- Imperial College Hospitals NHS Trust
-
London, Vereinigtes Königreich, NW1 2PG
- Univeristy College London Hospitals NHS Foundation Trust
-
Hauptermittler:
- David Brealey
-
Kontakt:
- TBC TBC
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
Für Patienten:
- Erwachsener > 18 Jahre
- Aufnahme auf einer Intensivstation in einem teilnehmenden Zentrum
- Mit früher (innerhalb von 24 Jahren nach Beginn) Sepsis (wie in der Sepsis-3-Definition definiert)
- Bei voller Eskalation (keine Betreuungsobergrenze, z. Patient "nicht für Vasopressoren")
- Voraussichtlich mehr als 24 Stunden überleben
- Hat sich nicht gegen die Verwendung seiner Daten für Forschungszwecke entschieden (Website von NHS und NHS-X)
Für klinische Teilnehmer:
- Ärzte auf der Intensivstation auf der Ebene des leitenden Registrars, der Intensivstation oder des Beraters
Ausschlusskriterien:
Für Patienten:
- Nicht für volle aktive Pflege, z.B. nicht für Vasopressoren
- Es wird nicht erwartet, dass es länger als 24 Stunden überlebt
- Elektive chirurgische Aufnahme (diese Patienten erhalten regelmäßig Antibiotika, die jedoch als Prophylaxe verabreicht werden, ohne Sepsis)
- Opt-out für die Verwendung ihrer Daten für Forschungszwecke (NHS- und NHS-X-Website)
Für klinische Teilnehmer:
- Teilnahme abgelehnt
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Intensivmediziner
Ärzte auf der Intensivstation auf der Ebene des leitenden Registrars, des Intensivmediziners oder des Beraters werden das AI Clinician-System evaluieren.
|
N/A – Die Studie ist eine Beobachtungsstudie, die die Machbarkeit der Ausführung des AI Clinician in Echtzeit testet.
|
|
Septische Patienten
Septische Patienten, die die Einschlusskriterien erfüllen, werden in das System aufgenommen.
|
N/A – Die Studie ist eine Beobachtungsstudie, die die Machbarkeit der Ausführung des AI Clinician in Echtzeit testet.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Patientenidentifikation
Zeitfenster: 6 Monate
|
Anzahl der Probanden, die jede Woche in jedem Zentrum identifiziert und einem Arzt am Krankenbett vorgestellt wurden Anzahl der Verwendungen des Systems für jeden Patienten |
6 Monate
|
|
Systemdaten
Zeitfenster: 6 Monate
|
Systemverfügbarkeit: Erfolg/Fehler beim Generieren einer Antwort. Verzögerung bei der Generierung einer Antwort, wenn das System ausgelöst wird. Anzahl und Art technischer Probleme (Aussetzer, Einfrieren). Ein unabhängiges Online-Formular (Umfragetyp) wird erstellt, um alle technischen Probleme zu protokollieren, auf die die Benutzer stoßen können (z. B. System nicht verfügbar, Anmeldeprobleme usw.). Diese Umfrage wird auf demselben Forschungs-Laptop gespeichert, jedoch getrennt von der AI Clinician-Anwendung, sodass sie beispielsweise nicht durch Serverausfälle beeinträchtigt werden kann. Serverstatus, Ausfallzeiten, geplante und ungeplante Ausfälle. Diese Ereignisse können aus der Ferne überwacht und vom ICT-Team protokolliert werden. |
6 Monate
|
|
Usability-Daten
Zeitfenster: 6 Monate
|
Datum und Uhrzeit jeder Systemnutzung (jedes Mal, wenn es von Ärzten verwendet wird).
|
6 Monate
|
|
Usability-Daten
Zeitfenster: 6 Monate
|
Datenverfügbarkeit: Wie viel Prozent der wesentlichen und optionalen Datenfelder sind rund um die Uhr verfügbar?
|
6 Monate
|
|
Anonymisierte Patientendaten
Zeitfenster: 6 Monate
|
Patientendaten (Alter in Jahren, Geschlecht, Hauptdiagnose)
|
6 Monate
|
|
Anonymisierte Patientendaten
Zeitfenster: 6 Monate
|
Ergebnisse: Organfunktion (stündliche SOFA für bis zu 48 Stunden nach dem Entscheidungszeitpunkt), Sterblichkeit auf der Intensivstation und im Krankenhaus.
|
6 Monate
|
|
Anonymisierte Patientendaten
Zeitfenster: 6 Monate
|
Vitalfunktionen und Laborwerte einschließlich arterieller Blutgase.
|
6 Monate
|
|
Anonymisierte Patientendaten
Zeitfenster: 6 Monate
|
Erhaltene Dosen von intravenösen Flüssigkeiten und Vasopressoren, Urinausscheidung und Flüssigkeitshaushalt, Vorhandensein von Sedierung, mechanischer Beatmung, Dialyse (binär)
|
6 Monate
|
|
Daten der Gutachter
Zeitfenster: 6 Monate
|
Geschlecht, Dienstgrad und Dienstalter der Kliniker Bei jeder Bewertung der KI erfasst und zeichnet die Datenbank Folgendes auf: Übereinstimmung mit AI-Dosisempfehlung: Erscheint sie angemessen, zu hoch oder zu niedrig? Werden Sie Ihr Rezept basierend auf dem KI-Vorschlag ändern? (ja/nein) Würden Sie eingreifen, wenn die AI-Dosis automatisch verabreicht werden sollte? (ja Nein). |
6 Monate
|
|
Klinikinterviews
Zeitfenster: 6 Monate
|
Am Ende der Studie werden 2 Teilnehmer qualitativ befragt (mit Audioaufzeichnung, zur Transkription +/- thematische Analyse)
|
6 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Voraussichtlich)
Studienbeginn
Primärer Abschluss (Voraussichtlich)
Primärer Abschluss
Studienabschluss (Voraussichtlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Schätzen)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Schätzen)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 22CX8050
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .