Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Verarbeitung natürlicher Sprache für die Kopfschmerzmedizin

14. Mai 2024 aktualisiert von: University Hospital, Ghent
Kopfschmerzerkrankungen werden durch Anamneseerhebung und Anwendung der Kriterien der Internationalen Klassifikation von Kopfschmerzerkrankungen, 3. Auflage (ICHD-3) diagnostiziert. Um Patienten und Ärzten dabei zu helfen, die richtige Diagnose zu stellen, können digitale Technologien, die auf Ansätzen zur Verarbeitung natürlicher Sprache (NLP) basieren, dazu beitragen, Kopfschmerzerkrankungen in der natürlichen Sprache des Patienten zu erkennen. Die Forschung zielt darauf ab, statistische Modelle durch maschinell lernende NLP-Anwendungen für die genaue und präzise Klassifizierung von Kopfschmerzerkrankungen zu entwickeln, wobei die ICHD-3-Diagnose des Kopfschmerzexperten als Goldstandard gilt. Darüber hinaus zielt die Forschung auch darauf ab, statistische Modelle durch maschinell lernende NLP-Anwendungen für die Schätzung von Impact-Scores zu entwickeln, die aus validierten Kopfschmerzfragebögen abgeleitet werden, indem Texte als Input verwendet werden. Patienten aus der Klinik für tertiäre Kopfschmerzen werden rekrutiert, um mündliche, narrative Textbeschreibungen ihrer Kopfschmerzattackenmerkmale und der Krankheitslast im Zusammenhang mit ihren Kopfschmerzerkrankungen bereitzustellen. Das Ziel der Forschung ist die Entwicklung zugänglicher, evidenzbasierter digitaler medizinischer Werkzeuge als Anwendungen mit geringem Aufwand für die korrekte Diagnose von Kopfschmerzerkrankungen und die Einschätzung der Krankheitslast durch Kopfschmerzerkrankungen.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Detaillierte Beschreibung

Kopfschmerzen gehören zu den am weitesten verbreiteten und behindernden Erkrankungen weltweit. Die Studie „Global Burden of Disease“ aus dem Jahr 2016 stellte fest, dass Migräne weltweit die zweithäufigste Ursache für Behinderungen ist. In der Gruppe der 18- bis 49-Jährigen ist Migräne die häufigste Ursache für Behinderungen. Dennoch erhalten viele Patienten keine angemessene Diagnose oder geeignete kopfschmerzspezifische Behandlungen.

Ärzte, die Kopfschmerzmedizin anwenden, müssen über eine genaue und vollständige Kopfschmerzanamnese verfügen, um eine korrekte Diagnose und einen korrekten Therapieplan erstellen zu können. Die Diagnose muss idealerweise anhand der Internationalen Klassifikation von Kopfschmerzerkrankungen, dritte Ausgabe (ICHD-3) gestellt werden. Dieser Prozess ist unerlässlich, um die richtige Diagnose innerhalb einer angemessenen Zeitspanne zu stellen. Die Anamneseerhebung bei Kopfschmerzpatienten steht jedoch vor vielen Herausforderungen. Es stützt sich stark auf die mündliche oder schriftliche Kommunikation zwischen ihnen und den Patienten. Es ist eine mühsame und zeitaufwändige Praxis, hauptsächlich für unerfahrene Ärzte. Fehlinterpretationen durch Patienten oder Ärzte im Dialog können vorkommen und zu Missverständnissen, Fehldiagnosen und Misshandlungen führen. Patienten haben oft Schwierigkeiten, alle Merkmale bei einem einzigen Arztbesuch auszudrücken, wodurch eine Fülle nützlicher Informationen für den Arzt ungenutzt bleibt. Schließlich ist die Messung der Krankheitslast bei Kopfschmerzerkrankungen schwierig und erfolgt meist durch validierte, aber starre Fragebögen. Es kann die oft komplexen, aber natürlichen Auswirkungen von Kopfschmerzerkrankungen auf alle Dimensionen des menschlichen Lebens vernachlässigen.

Mit der bemerkenswerten Ausnahme von E-Tagebüchern sind digitale Tools für den Kopfschmerzarzt derzeit nicht verfügbar. Die digitale Technologie kann viele Lösungen für die oben genannten Herausforderungen bieten. Weltweit schreitet die Digitalisierung schneller voran als je zuvor. In den Industrieländern hat heute fast jeder Mensch Zugang zu digitalen Hilfsmitteln wie Computern, Smartphones oder Tablets. Schätzungen zufolge hatten im Jahr 2015 mehr als 3,5 Milliarden Menschen auf der ganzen Welt Zugang zum Internet. Künstliche Intelligenz (KI) und maschinelles Lernen (ML) dringen schnell in unsere digitale Welt ein, wobei bereits mehrere Anwendungsfälle in der Medizin implementiert werden. Algorithmen auf dem Gebiet der bildgebenden Analyse, der Sprachanalyse und des elektronischen Durchsuchens von Patientendatenbanken wurden bereits untersucht, um festzustellen, welche vorteilhaften Wirkungen aus diesen Techniken abgeleitet werden können.

Mit erhöhter Rechengeschwindigkeit, Speicherkapazität und sich entwickelnden Benutzeroberflächen haben neue digitale klinische Anwendungen das Potenzial, Patienten und Ärzten beim Umgang mit Kopfschmerzerkrankungen zu helfen. Ein solches Gebiet innerhalb der digitalen Wissenschaften ist die Verarbeitung natürlicher Sprache (NLP). Es verwendet Text als Eingabe, um mathematische Modelle zu generieren, die das Potenzial haben, numerische Konten auf der Grundlage von Grammatik, lexikalischem Inhalt, sentimentalem Wert von Wörtern und Worteinbettungen in Sätzen genau zu klassifizieren und zu schätzen.

Die Forscher glauben, dass die korrekte Anwendung von NLP in der Kopfschmerzmedizin letztendlich das Leben vieler Kopfschmerzpatienten verbessern kann, indem rechtzeitig eine korrekte Diagnose gestellt und die Kommunikation zwischen Patient und Arzt über die Krankheitslast erleichtert wird. Dieses Forschungsprojekt zielt darauf ab, NLP-Tools zu entwickeln, die in der Lage sind, von Patienten erstellte Texte über ihre Kopfschmerzprobleme zu analysieren, um Kopfschmerzerkrankungen genau zu diagnostizieren und die Auswirkungen von Kopfschmerzerkrankungen auf das Leben des Patienten abzuschätzen.

Studientyp

Interventionell

Einschreibung (Tatsächlich)

187

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Ghent, Belgien, 9000
        • University Hospital Ghent
    • Belgie
      • Ghent, Belgie, Belgien, 9000
        • Ghent University Hospital

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

  • Patienten, die zum ersten Mal oder zur Nachsorge die Kopfschmerzklinik des Universitätsklinikums Gent besuchen.
  • Patienten älter als 18 Jahre.
  • Die Patienten sollten Niederländisch als Muttersprache haben und ausreichend in der Lage sein, Niederländisch zu lesen, zu schreiben, zu verstehen und zu sprechen.

Ausschlusskriterien:

  • Patienten unter 18 Jahren.
  • Patienten mit einer anderen Sprache als Niederländisch als Muttersprache.
  • Patienten mit Substanzmissbrauch von Alkohol oder illegalen Drogen in der Gegenwart oder Vergangenheit.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Diagnose
  • Zuteilung: N / A
  • Interventionsmodell: Einzelgruppenzuweisung
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: Teilnehmer
Teilnehmer der Studie
Natural Language Processing: Klassifikations- und Regressionsaufgaben.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
F1-Score-Klassifizierung Migräne-Erzählung versus Cluster-Kopfschmerz-Erzählung
Zeitfenster: Grundlinie
Klassifikationsmodelle für maschinelles Lernen, die logistische Regression, Naive-Bayes-Klassifikation und Support-Vector-Maschinen basierend auf den Textelementen der Patientenerzählungen anwenden, um die bereitgestellte Erzählung entweder als Migräne oder als Cluster-Kopfschmerz zu klassifizieren. Höhere F1-Werte deuten auf bessere Klassifikationsergebnisse hin.
Grundlinie

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

28. August 2020

Primärer Abschluss (Tatsächlich)

31. Dezember 2023

Studienabschluss (Tatsächlich)

31. Dezember 2023

Studienanmeldedaten

Zuerst eingereicht

25. April 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

11. Mai 2022

Zuerst gepostet (Tatsächlich)

17. Mai 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

16. Mai 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

14. Mai 2024

Zuletzt verifiziert

1. Mai 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 .

Klinische Studien zur Verarbeitung natürlicher Sprache

Abonnieren