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

KI-gesteuerte Genotypvorhersage mithilfe von EHR und multimodalen Daten

16. April 2025 aktualisiert von: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Vorhersage von Patientengenotypen mithilfe elektronischer Gesundheitsakten und multimodaler Daten durch KI-basierte Modelle

Ziel dieser klinischen Studie ist es, das Potenzial der Verwendung elektronischer Gesundheitsakten (EHR) und multimodaler Daten (wie Bildgebung, Laborergebnisse und klinischer Anamnese) zu untersuchen, um den Genotyp eines Patienten vorherzusagen. Die Studie wird bewerten, ob Vorhersagemodelle auf der Grundlage dieser nicht genetischen Daten genetische Informationen genau abschließen können, was traditionell direkte Gentests erfordert.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Diese multizentrische, retrospektive klinische Studie zielt darauf ab, den Einsatz elektronischer Gesundheitsakten (EHR) und multimodaler Daten (wie klinische Laborergebnisse, Bilddaten und Krankengeschichte) bei der Vorhersage des Genotyps eines Patienten zu bewerten. Das Hauptziel der Studie besteht darin, ein KI-basiertes Vorhersagemodell zu entwickeln, das durch die Analyse verfügbarer Gesundheitsdaten auf genetische Informationen schließen kann, wodurch direkte Gentests überflüssig werden. Das KI-Modell wird für die Verarbeitung und Integration großer Datensätze, einschließlich EHR, trainiert. Laborergebnisse und Bilddaten wie Röntgen-, MRT- und Ultraschalluntersuchungen, um genotypische Informationen vorherzusagen. Die Studie vergleicht die KI-basierten Vorhersagen mit tatsächlichen Gentestergebnissen, um die Genauigkeit des Modells zu bewerten. Im Erfolgsfall könnte diese Methode ein nicht-invasives, kostengünstiges Werkzeug zur Genotypvorhersage darstellen, das in der personalisierten Medizin, der frühen Krankheitsdiagnose und der Risikostratifizierung eingesetzt werden könnte. Die Teilnehmer werden im Rahmen der Studie keinen Gentests unterzogen. Stattdessen werden ihre historischen medizinischen Daten vom KI-System analysiert, um genetische Informationen und damit verbundene Krankheitsrisiken vorherzusagen. Die Studie wird die Fähigkeit des Modells bewerten, genetische Veranlagungen für verschiedene Gesundheitszustände auf der Grundlage der verfügbaren Gesundheitsdaten vorherzusagen. Ziel der Studie ist es, den Einsatz von KI in der klinischen Entscheidungsfindung und genetischen Diagnostik voranzutreiben.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

100000

Kontakte und Standorte

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

Studienkontakt

Studienorte

  • China
    • Guangdong
      • Guangzhou, Guangdong, China
        • Rekrutierung
        • Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
        • Kontakt:
      • Guangzhou, Guangdong, China
        • Rekrutierung
        • Sun Yat-sen University Cancer Hospital
        • Kontakt:
    • Zhejiang
      • Wenzhou, Zhejiang, China
        • Rekrutierung
        • Second Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, China
        • Abgeschlossen
        • First Affiliated Hospital of Wenzhou Medical University

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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Die Studienpopulation wird aus mehreren Gesundheitszentren ausgewählt, die umfassende elektronische Gesundheitsakten (EHR) führen und Zugang zu multimodalen klinischen Daten haben, einschließlich Laborergebnissen, medizinischer Bildgebung (z. B. Röntgenaufnahmen, MRTs, CT-Scans) und Krankengeschichte. Bei den Teilnehmern handelt es sich um Personen mit unterschiedlichen Gesundheitszuständen, für die Informationen zum Genotyp relevant sind. Für die Auswahl werden jedoch keine spezifischen genetischen Merkmale herangezogen. Der Schwerpunkt liegt auf der Nutzung der verfügbaren Gesundheitsdaten zur Vorhersage genetischer Informationen durch das KI-Modell. Ziel der Studie ist es, die Genauigkeit und Nützlichkeit der Verwendung nicht-genetischer Daten wie EHR und multimodaler Bildgebung zur Vorhersage von Patientengenotypen zu bewerten, was möglicherweise einen alternativen Ansatz zu herkömmlichen Gentestmethoden darstellt.

Beschreibung

Einschlusskriterien:

  1. Die Teilnehmer müssen über umfassende elektronische Gesundheitsakten (EHR) verfügen, einschließlich Krankengeschichte, Laborergebnissen und relevanten Bilddaten (z. B. Röntgenaufnahmen, MRTs, CT-Scans).
  2. Den Teilnehmern müssen ggf. vorhandene Gentestdaten zum Vergleich zur Verfügung stehen.
  3. Die Teilnehmer müssen bereit sein, der Verwendung ihrer Gesundheitsdaten in der Studie zuzustimmen.
  4. Die Teilnehmer dürfen während des Untersuchungszeitraums keine aktive Intervention im Zusammenhang mit Gentests oder Vorhersage haben.
  5. Die Teilnehmer sollten über vollständige und überprüfbare Gesundheitsdaten verfügen, um eine genaue Vorhersage durch das KI -Modell zu ermöglichen.

Ausschlusskriterien:

  1. Teilnehmer ohne verfügbare EHR-, Laborergebnisse oder Bilddaten.
  2. Teilnehmer mit mehrdeutigen, ungenauen oder nicht überprüfbaren Gentesterngebnissen, die für den Vergleich nicht verwendet werden können.
  3. Patienten mit erheblichen Abweichungen oder fehlenden Daten, die das KI-Modell daran hindern würden, genaue Vorhersagen zu treffen.

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
KI-basierte Genotypvorhersage mithilfe von EHR und multimodalen Daten
Diese Kohorte besteht aus Patienten, deren historische Gesundheitsdaten, einschließlich elektronischer Gesundheitsakten (EHR), klinischen Laborergebnisse und multimodalen Bildgebungsdaten (wie Röntgenstrahlen, MRIS und CT-Scans), durch ein AI-basierter Prädituremodell analysiert werden ihren Genotyp vorherzusagen. In dieser Kohorte gibt es keine aktiven Interventionen, da die Studie darauf abzielt, nicht genetische Gesundheitsdaten zu verwenden, um genetische Informationen zu schließen. Die Teilnehmer werden keine Gentests unterzogen, sondern ihre Gesundheitsdaten für die Analyse durch das KI -System bereitstellen. Ziel dieser Gruppe ist es, die Genauigkeit des KI -Modells bei der Vorhersage von Genotypen und der Identifizierung genetischer Veranlagungen für verschiedene Krankheiten zu bewerten, die auf verfügbaren Gesundheitsdaten basieren.
Sonstiges: KI-Vorhersagemodell
Die Intervention in dieser Studie umfasst ein AI-basierter Vorhersagemodell, das zur Analyse und Integration von elektronischen Gesundheitsakten (EHR), klinischen Laborergebnissen und multimodalen Bildgebungsdaten (z. B. Röntgenstrahlen, MRIS, CT Scans) entwickelt wurde. Das KI-Modell ist geschult, um den Genotyp eines Patienten basierend auf diesen nicht genetischen Datenquellen vorherzusagen. Dieses Modell verwendet Algorithmen für maschinelles Lernen, um Muster zu erkennen und genetische Informationen zu schließen, die traditionell direkte Gentests erfordern würden. Es gibt keine aktiven Behandlungen oder Gentests, die an dieser Intervention beteiligt sind. Das KI-System dient vielmehr als Instrument zur Vorhersage genetischer Informationen aus verfügbaren klinischen Daten und bietet eine nicht-invasive und potenziell zugängliche Alternative zu Gentests.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Bereich unter der Kurve (AUC)
Zeitfenster: 1 Jahr
AUC der ROC-Kurve, wird zur Quantifizierung der diagnostischen Genauigkeit verwendet. Keine Einheit (ein Verhältnis oder Prozentsatz, normalerweise ausgedrückt als Zahl zwischen 0 und 1).
1 Jahr
F1 -Punktzahl
Zeitfenster: 1 Jahr
Der F1 -Score ist der harmonische Mittelwert von Präzision und Empfindlichkeit (Rückruf). Es ist ein gutes Maß für die Fähigkeit des Modells, sowohl echte positive Positive zu identifizieren als auch falsch positive Ergebnisse zu minimieren, insbesondere in Fällen, in denen die Klassen unausgeglichen sind (z. B. wenn die Anzahl der gesunden Fälle viel höher ist als Krankheitsfälle). Der F1 -Score reicht von 0 bis 1, wobei 1 perfekte Präzision und Rückruf anzeigt.
1 Jahr

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Sensitivität (True-Positive-Rate)
Zeitfenster: 1 Jahr
Sensitivität misst, wie gut das KI -Modell echte positive Fälle identifiziert, wie z.
1 Jahr
Spezifität (True Negative Rate)
Zeitfenster: 1 Jahr
Die Spezifität misst die Fähigkeit des KI-Modells, Fälle ohne Krankheiten korrekt zu identifizieren und sicherzustellen, dass gesunde Mütter und Säuglinge korrekt als negativ identifiziert werden.
1 Jahr

Mitarbeiter und Ermittler

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

Sponsor

The Eye Hospital of Wenzhou Medical University

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)

1. Juli 2023

Primärer Abschluss (Geschätzt)

1. Juni 2025

Studienabschluss (Geschätzt)

1. Juni 2025

Studienanmeldedaten

Zuerst eingereicht

19. Januar 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

19. Januar 2025

Zuerst gepostet (Tatsächlich)

24. Januar 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

17. April 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

16. April 2025

Zuletzt verifiziert

1. April 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • Genotype

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

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 .

Abonnieren