Kollaborative Intelligenz zwischen Mensch und KI zur Verbesserung des fetalen Flussmanagements
Kollaborative Intelligenz zwischen Mensch und KI zur Verbesserung des fetalen Flussmanagements: Eine randomisierte Studie
Diese randomisierte kontrollierte Studie bewertet die Wirksamkeit erklärbarer KI (XAI) bei der Verbesserung der Interpretation von Doppler-Ultraschallbildern (UA und MCA) durch Ärzte in der Geburtshilfe. Daran sind 92 Kliniker beteiligt, die randomisiert in Interventions- und Kontrollgruppen eingeteilt werden. Die Interventionsgruppe erhält XAI-Feedback mit dem Ziel, die Genauigkeit bei der Ultraschallinterpretation und medizinischen Entscheidungsfindung zu verbessern.
Ziele:
- Entwicklung eines interpretierbaren Modells für häufig verwendete Doppler-Ströme, insbesondere des Pulsatilitätsindex (PI) der Nabelarterie (UA) und der mittleren Hirnarterie (MCA), mit dem Ziel, qualitativ hochwertiges Feedback zu Doppler-Spektrum-Bildern zu liefern und mögliche Gate-Platzierungen vorzuschlagen.
- Um die Auswirkungen der Bereitstellung von erklärbarem KI-Feedback (XAI) für Kliniker im Vergleich zu keinem Feedback auf deren Genauigkeit bei der Ultraschallinterpretation und -verwaltung zu testen.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Derzeit dient die Doppler-Ultraschallgeschwindigkeitsmessung als entscheidendes Instrument in der geburtshilflichen Praxis, insbesondere zur Beurteilung der Nabelarterie (UA) und der mittleren Hirnarterie (MCA) im uteroplazentar-fetalen Kreislauf. Während Doppler-Ultraschall für die Erkennung von Erkrankungen wie fetaler Anämie und Plazentainsuffizienz wertvoll ist, hängt seine Genauigkeit von der Fachkenntnis des Bedieners ab. Künstliche Intelligenz (KI) bietet potenzielle Verbesserungen, insbesondere bei Risikoschwangerschaften. Allerdings mangelt es bestehenden KI-Anwendungen im fetalen Ultraschall häufig an Transparenz, was zu Misstrauen bei den Benutzern führt. Diese Studie zielt darauf ab, diese Einschränkungen zu beseitigen, indem ein erklärbares KI-Modell entwickelt wird, das Klinikern bei der Interpretation von Doppler-Ultraschallbildern von UA und MCA hilft, um das Management von Hochrisikoschwangerschaften zu verbessern.
Die Ziele der Studie sind:
- Entwicklung eines interpretierbaren Modells für häufig verwendete Doppler-Ströme, insbesondere des Pulsatilitätsindex (PI) der Nabelarterie (UA) und der mittleren Hirnarterie (MCA), mit dem Ziel, qualitativ hochwertiges Feedback zu Doppler-Spektrum-Bildern zu liefern und mögliche Gate-Platzierungen vorzuschlagen.
- Um die Auswirkungen der Bereitstellung von erklärbarem KI-Feedback (XAI) für Kliniker im Vergleich zu keinem Feedback auf deren Genauigkeit bei der Ultraschallinterpretation und -verwaltung zu testen.
Alle Teilnehmer werden angewiesen, die Gate-Platzierung für Flussbilder der Nabelarterie und des MCA bereitzustellen und die Qualität der resultierenden Flusskurven zu bewerten. Jeder Teilnehmer muss insgesamt 40 einzigartige Bilder auswerten (10 Strömungsbilder für UA und MCA, 10 Spektral-Doppler-Bilder für UA und MCA). Aus den vier Gruppen (UA-Fluss, UA-Spektrum, MCA-Fluss und MCA-Spektrum) stellen die Forscher passende Sätze von 40 Bildern bereit, die den Teilnehmern zur Verfügung gestellt werden, die nach ihrem Erfahrungsniveau in jedem Krankenhaus (PGY 1) abgeglichen werden -2; PGY 3-5; staatlich geprüfte Geburtshelfer). Für Strömungsbilder werden die Teilnehmer angewiesen, die am besten geeignete Gate-Platzierung zu ermitteln. Für die spektralen Flusskurven werden die Teilnehmer gebeten zu bewerten, ob die Flusskurven von ausreichender Qualität waren, um medizinische Managemententscheidungen zu treffen.
Die Einschlusskriterien für MCA- und UA-Bilder sind Bilder aus dem dritten Trimester (>= Woche 28).
Studiendesign: Randomisierte kontrollierte Studie
Datenquelle: 1840 einzigartige Ultraschalluntersuchungen, einschließlich Messungen der Nabelarterie (UA) und der mittleren Hirnarterie (MCA). Die 1840 einzigartigen Bilder umfassen: 460 Bilder von UA-Strömungsbildern, 460 UA-Spektrumsbilder, 460 MCA-Strömungsbilder und 460 MCA-Spektrumsbilder.
Teilnehmer: 92 Kliniker mit unterschiedlichem Kompetenzniveau aus vier verschiedenen Universitätskliniken.
Intervention: XAI-Feedback zu MCA/UA-Doppler-Spektralkurven und Vorschläge zur Gate-Platzierung.
Kontrollgruppe: Kein XAI-Feedback.
Verfahren: Kliniker werden in zwei Gruppen zu je 46 Personen eingeteilt, die nach Erfahrungsniveau in den Krankenhäusern aufeinander abgestimmt sind. Die Kontrollgruppe wird ein Gate auf MCA/UA-Bildern platzieren und das Doppler-Spektrum ohne KI-Feedback auswerten, während die Interventionsgruppe die gleichen Aufgaben mit Zugriff auf KI-Feedback ausführen wird.
Ergebnismaße: Die Antworten der Teilnehmer in den beiden Gruppen werden von zwei Sonographen für fetale Medizin überprüft, die die Antworten der Teilnehmer unabhängig voneinander bewerten. Bei Meinungsverschiedenheiten kommen die beiden Sonographen nach einer Diskussion zu einem Konsens.
Studientyp
Einschreibung (Geschätzt)
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
- Name: Zahra Bashir, MD
- Telefonnummer: 71871407
- E-Mail: zahra.bashir@regionh.dk
Studienorte
-
-
Capital Region Of Denmark
-
Copenhagen, Capital Region Of Denmark, Dänemark, 2100
- Rekrutierung
- Rigshospitalet
-
Kontakt:
- Zahra Bashir, MD
-
Hauptermittler:
- Zahra Bashir, MD
-
-
Region Zealand
-
Slagelse, Region Zealand, Dänemark, 4200
- Rekrutierung
- Slagelse Hospital
-
Kontakt:
- Zahra Bashir, MD
-
Hauptermittler:
- Zahra Bashir, MD
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Einschlusskriterium ist die Verwendung von transabdominalem geburtshilflichem Ultraschall mindestens einmal pro Woche
Ausschlusskriterien:
- Das Ausschlusskriterium ist das Fehlen von Erfahrung in der transabdominalen geburtshilflichen Ultraschalluntersuchung.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Versorgungsforschung
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Doppelt
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Experimental: „XAI-Feedback zu MCA/UA-Doppler-Spektralkurven und Vorschlägen zur Gate-Platzierung“
Die XAI-Feedback-Gruppe wird ein Gate auf MCA/UA-Bildern platzieren und das Doppler-Spektrum mit AI-Feedback auswerten. N = 46 Kliniker (Kliniker werden in zwei Gruppen (XAI-Feedback- und keine |
Diese Studie umfasst 1840 Ultraschallbilder, aufgeteilt in UA- und MCA-Fluss- und Spektrumbilder, jeweils dupliziert für insgesamt 3680 Bilder, um erklärbares KI-Feedback (XAI) mit keinem Feedback zu vergleichen. Die Ermittler stellen den Teilnehmern abgestimmte Sätze mit 40 Bildern (eines für die XAI-Gruppe und eines für die Nicht-XAI-Gruppe) zur Verfügung. Die Teilnehmer werden auf der Grundlage ihrer Erfahrung in den einzelnen Krankenhäusern zugeteilt ( niedergelassene Ärzte, Geburtshelfer und Gynäkologen mit Erfahrung in der geburtshilflichen Ultraschalluntersuchung). Alle Teilnehmer werden angewiesen, Gates auf den Flussbildern der Nabelarterie und der mittleren Hirnarterie zu platzieren und die Qualität der resultierenden Flusskurven zu beurteilen. Insbesondere bei Strömungsbildern müssen die Teilnehmer die am besten geeignete Gate-Platzierung ermitteln. Bei spektralen Flusskurven müssen sie entscheiden, ob die Kurven von ausreichender Qualität sind, um medizinische Managemententscheidungen zu leiten. |
|
Kein Eingriff: „Kein XAI-Feedback“
Die Kontrollgruppe wird ein Gate auf MCA/UA-Bildern platzieren und das Doppler-Spektrum ohne KI-Feedback auswerten. N = 46 Kliniker (Kliniker werden in zwei Gruppen (XAI-Feedback- und keine |
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Die Antworten werden unabhängig voneinander von zwei Sonographen für fetale Medizin überprüft. Im Falle einer Meinungsverschiedenheit zwischen den beiden Experten wird ein Konsens erzielt.
Zeitfenster: 1 Monat
|
Die Genauigkeit in jeder Gruppe (Gruppe mit KI-Feedback und Gruppe ohne KI-Feedback) wurde als prozentualer Unterschied in der Anzahl korrekt verwalteter Flussbilder zwischen den beiden Gruppen definiert, bewertet von zwei Sonographen für fetale Medizin. Korrektes Management wurde definiert als: Korrekte Gate-Platzierung (mehrere Standorte möglich) UND Korrekte Identifizierung von Flusskurven, die von ausreichender Qualität waren, um medizinische Entscheidungen zu ermöglichen. |
1 Monat
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit des Flow-Image-Managements zwischen Kompetenzgruppen
Zeitfenster: 1 Monat
|
Das sekundäre Ergebnis besteht darin, die Teilnehmer in Kompetenzgruppen (Auszubildende, Geburtshelfer und Gynäkologen mit geburtshilflicher Erfahrung) zu kategorisieren und dann den prozentualen Unterschied in der Genauigkeit des Flussbildmanagements zwischen diesen Kompetenzgruppen sowohl innerhalb der KI-Feedback- als auch der Nicht-KI-Kompetenzgruppe zu untersuchen. Feedback-Gruppen.
|
1 Monat
|
Mitarbeiter und Ermittler
Sponsor
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
Andere Studien-ID-Nummern
- 3-3031-2915/1
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 .