- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT04648449
Künstliche Intelligenz (KI) Unterstützung bei Schlaganfall-Notrufen (AISMEC)
Künstliche Intelligenz (KI) Unterstützung bei Schlaganfall-Notrufen - "Die AISIS-Studie" -Kann künstliche Intelligenz die Präzision bei der Erkennung eines akuten Schlaganfalls im medizinischen Notruf verbessern?
Studienübersicht
Status
Intervention / Behandlung
Detaillierte Beschreibung
In diesem Projekt werden die Ermittler Daten von allen Schlaganfallpatienten sammeln, die 2019 aus Helse Bergen entlassen wurden (ca. 1000 Patienten) über das Norwegische Schlaganfallregister (NSR). Für diese Patienten werden strukturierte Krankenhausdaten von Helse Bergen abgerufen, und auf der Grundlage dieser und des gesprochenen Inhalts ihres Notrufs zum Schlaganfall berechnen die Ermittler mithilfe von maschinellem Lernen das Schlaganfallrisiko. Die Verknüpfung historischer Krankenhausdaten mit den gesprochenen Worten im Notruf erweitert die Analyse von Notrufen auf neuartige Weise im Vergleich zur reinen Tonanalyse.
Nach dem Abrufen und Verbinden von Schlaganfallpatientendaten trainieren die Ermittler das Deep Network mit Daten aus dem Jahr 2019. Dementsprechend werden die Tests auf der Grundlage von Patienten aus dem ersten Halbjahr 2020 durchgeführt. Eine Trennung der Daten in Training, Test und Validierung stellt sicher, dass unser trainiertes Netzwerk nicht zu sehr auf die Trainingsdaten passt und ähnliche Ergebnisse bei zuvor nicht gesehenen Patienten reproduzieren kann. Schließlich werden die Ermittler die Leistung der KI mit dem aktuellen System durch statistische Analysen von Daten aus einem Zeitraum von etwa einem Jahr Live-Nutzung der KI im AMK Bergen vergleichen. Dadurch können wir bewerten, inwieweit sich das System im Entscheidungsprozess der EMCC-Betreiber in Bezug auf Sensitivität und Spezifität verbessern kann.
Zusammenfassend besteht das Hauptziel darin, einen robusten, funktionierenden Prototyp eines KI-Systems zu bauen, das in der Lage ist, einen akuten Schlaganfall in Echtzeit zu erkennen, um die Bewertung bei medizinischen Notrufen zu verbessern.
Unsere sekundären Ziele sind:
- Implementierung eines KI-Systems, das in der Lage ist, basierend auf dem Ton des Notrufs und verfügbaren Datenquellen in den Krankenhausakten schnell vorherzusagen, ob ein Patient an einem akuten Schlaganfall leidet oder nicht
- Nachweis, dass KI-Systeme zur Unterstützung und Verbesserung des Triage-Entscheidungsverfahrens des EMCC-Betreibers eingesetzt werden können.
Das erwartete Ergebnis ist eine schnelle Lieferung (d. h. Sekunden) Vorhersagewerte, um den EMCC-Bediener bei der Erkennung akuter Schlaganfallpatienten zu unterstützen, was im Vergleich zur rein manuellen Bewertung eine verbesserte Sensitivität und Spezifität bietet.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienorte
-
-
-
Bergen, Norwegen, 5021
- Haukeland Universitetssykehus, Kirurgisk serviceklinikk, Nasjonalt kompetansesenter for helsetjenestens kommunikasjonsberedskap
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Alle Anrufer des medizinischen Notrufs 113 in Bergen
Ausschlusskriterien:
- Alter <18
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Nur Fall
- Zeitperspektiven: Interessent
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Schlaganfallerkennung bei medizinischen Notrufen
Zeitfenster: 22. September - 23. September
|
Untersuchen Sie die Fähigkeit der KI, einen Schlaganfall zu erkennen, im Vergleich zum aktuellen System
|
22. September - 23. September
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Ermittler
- Studienleiter: Guttorm Brattebo, Professor II, Haukeland University Hospital
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 108573
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 .