Prospektive Benutzerstudie und multizentrische Validierung multimodaler medizinischer Bildgebungsmodelle
Prospektive Anwenderstudie und multizentrische Validierung multimodaler medizinischer Bildgebungs-Großmodelle zur Diagnose häufiger systemischer Erkrankungen
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Hintergrund: Multimodale große Sprachmodelle haben ein signifikantes Potenzial in der medizinischen Bildgebung gezeigt. Ihre Leistung und Auswirkungen auf klinische Arbeitsabläufe über mehrere Zentren hinweg erfordern jedoch eine rigorose Validierung.
Zielsetzung: Bewertung der diagnostischen Leistung eines multimodalen großen Modells und Untersuchung, ob KI-Assistenz die diagnostische Genauigkeit und Effizienz von Radiologen mit unterschiedlicher Erfahrung verbessern kann.
Methodik: Diese Forschung ist als multizentrische, retrospektive Vergleichsstudie konzipiert. Ein großer, vielfältiger Datensatz medizinischer Bilder (einschließlich CT und MRT) wird von den teilnehmenden Einrichtungen kuratiert. Eine Gruppe von lizenzierten Radiologen führt diagnostische Aufgaben in zwei getrennten Sitzungen durch: einer eigenständigen Sitzung (ohne KI-Assistenz) und einer KI-gestützten Sitzung, mit einem geeigneten Auswaschzeitraum zwischen den Sitzungen.
Datenanalyse: Der klinische "Goldstandard" wird durch Expertenkonsens oder histologische Ergebnisse festgelegt. Die Studie vergleicht die Fläche unter der Receiver-Operating-Characteristic-Kurve (AUC), Sensitivität und Spezifität zwischen der eigenständigen und der KI-gestützten Modalität. Zusätzlich wird die Lesezeit pro Fall erfasst, um die diagnostische Effizienz zu bewerten.
Ethik: Diese Studie verwendet retrospektive, anonymisierte Daten und ändert nicht das klinische Management oder die Behandlung von Patienten.
Das multimodale große Modell wurde unter Verwendung eines riesigen Datensatzes von etwa 1.000.000 medizinischen Bildgebungsfällen entwickelt und vortrainiert. Diese Studie konzentriert sich auf die multizentrische klinische Validierung mit einer unabhängigen Testkohorte von 1.000 Fällen.
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Tao Li, MD
- Telefonnummer: +86-15527360835
- E-Mail: lt12420131@163.com
Studienorte
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510630
- The Third Affiliated Hospital of Southern Medical University
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
Patienten, die an teilnehmenden Zentren systemischen medizinischen Bildgebungsuntersuchungen (z. B. CT oder MRT) unterzogen wurden, aufgrund häufiger systemischer Erkrankungen.
Bildgebungsdaten müssen über einen bestätigten klinischen Referenzstandard, Expertenkonsens oder eine pathologische Diagnose verfügen.
Verfügbarkeit von vollständigen DICOM-Bildern mit standardisierten Aufnahmeprotokollen.
Ausschlusskriterien:
Schlechte Bildqualität (z. B. schwere Bewegungs- oder Metallartefakte), die eine definitive Diagnose ausschließt.
Fälle mit unvollständigen klinischen oder pathologischen Referenzstandards. Beschädigte Bilddateien oder doppelte Fälle.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Validation Cohort
Prospective Observational Validation Cohorts CT data are prospectively collected at two centers after model locking and used for observational model validation.
A subset is included in the randomized crossover reader study.
|
Radiologen interpretieren die medizinischen Bilder eigenständig ohne Unterstützung durch das KI-Modell, um eine Basisleistung zu ermitteln.
Radiologen interpretieren denselben Satz medizinischer Bilder mit Unterstützung des multimodalen medizinischen Bildgebungs-Großmodells, um die Verbesserung der diagnostischen Leistung zu bewerten.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Case-level Diagnostic Accuracy and Area Under the ROC Curve (AUC)
Zeitfenster: Up to 1 week per evaluation period
|
Evaluation of case-level diagnostic accuracy (defined as the proportion of diagnostic decisions matching the clinical ground-truth label) and discrimination performance (measured by AUC) to compare unaided radiologist performance versus AI-assisted performance.
|
Up to 1 week per evaluation period
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Diagnostic Efficiency (Reading and Reporting Time)
Zeitfenster: Up to 1 week per evaluation period
|
Measurement of diagnostic efficiency recorded as the time (in seconds) taken by radiologists to complete the case review and generate findings, with and without AI assistance.
|
Up to 1 week per evaluation period
|
|
Inter-rater Agreement (Fleiss' Kappa)
Zeitfenster: Up to 1 week per evaluation period
|
Assessment of diagnostic consensus and inter-rater consistency among participating radiologists measured using Fleiss' kappa (κ).
|
Up to 1 week per evaluation period
|
|
Clinical Report Quality and Semantic Accuracy Score
Zeitfenster: Up to 1 week per evaluation period
|
Assessment of AI-generated draft report quality evaluated by senior experts on a 5-point Likert scale (focusing on semantic accuracy and clinical relevance) and automated metrics (GREEN and ROUGE-L).
|
Up to 1 week per evaluation period
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Yinghua Zhao, PhD, The Third Affiliated Hospital of Southern Medical University
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
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
Schlüsselwörter
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 2025-ER-141
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 .