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

AI-unterstützte medizinische Entscheidungsfindung

27. Februar 2025 aktualisiert von: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Eine Kohortenstudie zur Bewertung eines Modells für künstliche Intelligenz zur Unterstützung der medizinischen Entscheidungsfindung mithilfe von Echtzeit-Daten in Echtzeit, die elektronische Gesundheitsdaten in Echtzeit haben

Diese Studie baut und wendet ein KI -Modell an, um Ärzten bei der Vorhersage von Patientendiagnosen und Ergebnissen wie Überleben oder Krankenhausaufenthalt zu helfen. Wir werden Echtzeit-, multimodale Daten (Labors, Vitalfunktionen, Geschichte, Bildgebung) aus Krankenhausakten verwenden. Die Patienten werden verfolgt, um die Leistung der KI mit der Standardversorgung zu vergleichen. Ziel ist es, die Diagnose und Behandlungsgenauigkeit in einer prospektiven Studie in der realen Welt zu verbessern.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Diese Studie zielt darauf ab, ein Modell für künstliche Intelligenz (KI) aufzubauen und anzuwenden, um Ärzte bei der Vorhersage von Patientendiagnosen und Ergebnissen wie Überleben oder Krankenhausaufenthaltsdauer zu unterstützen. Wir werden Patienten im gesamten Krankenhaus einschreiben und in Echtzeit, multimodale Gesundheitsdaten, die Laborergebnisse, Vitalfunktionen, Krankengeschichte und bildgebende elektronische Gesundheitsakten verwenden. Die Studie wird den Teilnehmern folgen, um die Leistung des KI -Modells gegen Standardpraxis zu bewerten. Unser Ziel ist es, die Genauigkeit und Geschwindigkeit von Diagnosen und Behandlungen zu verbessern und die Patientenversorgung zu verbessern. Diese prospektive Studie testet das Modell in realen Krankenhauseinstellungen.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

50000000

Kontakte und Standorte

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

Studienkontakt

Studienorte

  • China
    • Zhejiang
      • Wenzhou, Zhejiang, China
        • Rekrutierung
        • First Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, China
        • Rekrutierung
        • Second Affiliated Hospital of Wenzhou Medical University
        • Kontakt:

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

Diese Studie umfasst alle Patienten, die in eine Krankenhausabteilung aufgenommen wurden, mit elektronischen Gesundheitsdaten in Echtzeit (z. B. Labors, Vitalfunktionen, Geschichte, Bildgebung). Die Teilnehmer müssen der Datenerfassung zustimmen.

Beschreibung

Einschlusskriterien:

  1. Die Patienten haben während des Untersuchungszeitraums in eine Abteilung des Krankenhauses (z. B. Intensivstationen, allgemeine Stationen, Notfälle, ambulante Dienstleistungen) aufgenommen.
  2. Patienten mit verfügbaren Daten in Echtzeit elektronischer Gesundheitsakten (EHR), einschließlich mindestens zwei der folgenden: Laborergebnisse, Vitalfunktionen, Krankengeschichte und Bildgebungsdaten.

Ausschlusskriterien:

Patienten, die derzeit in eine andere klinische Studie eingeschlossen sind, die die Datenerfassung oder die Ergebnisse dieser Studie beeinträchtigen könnten.

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
Krankenhausweite Patientenkohorte
Sonstiges: AI-assoziierte Strategie
Die Intervention in dieser Studie umfasst ein KI-System, das die multimodale Datenfusion nutzt, um die klinische Entscheidungsfindung und Bewertung von Krankheiten zu unterstützen. Patienten in dieser Kohorte werden Standarduntersuchungen unterzogen, wobei klinische Entscheidungen von den vom AI -System erzeugten Empfehlungen geleitet werden.

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
Allgemeine Verbesserung der Krankenhausressourcenauslastung
Zeitfenster: 1 Jahr
Die prozentuale Reduzierung der gesamten Krankenhausressourcenverwendung (z. B. Betttage, Aufnahme in der Intensivstation, diagnostische Tests), die auf AI-unterstützte Entscheidungen zurückzuführen sind, die als Prozentsatz ausgedrückt werden.
1 Jahr
Verbesserung der diagnostischen Genauigkeit auf Bevölkerungsebene
Zeitfenster: 1 Jahr
Die allgemeine Verbesserung der diagnostischen Genauigkeit bei allen Krankenhauspatienten (z. B. Prozentsatz der korrekten Diagnosen oder Verringerung der Fehldiagnosen), die durch das KI -Modell erleichtert werden und als Prozentsatz oder Verhältnis ausgedrückt werden.
1 Jahr
Systemweite Reduzierung der unerwünschten Ereignisraten
Zeitfenster: 1 Jahr
Die prozentuale Verringerung der wichtigsten unerwünschten Ereignisse (z. B. Mortalität, schwerwiegende Komplikationen oder längere Aufenthalte) bei allen Krankenhauspatienten aufgrund von AI-unterstützten Entscheidungen, die als Prozentsatz ausgedrückt werden.
1 Jahr

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Gesamtverbesserung bei den Ergebnissen des Krankenhauspatienten
Zeitfenster: 1 Jahr
Die Gesamtverbesserung der wichtigsten Patientenergebnisse (z. B. Mortalität, Morbidität, Erholungsraten) in der gesamten Krankenhausbevölkerung aufgrund von AI-unterstützten Entscheidungen, die als zusammengesetzter Wert oder Prozentsatz ausgedrückt werden.
1 Jahr
Verbesserung der Effizienz des Gesundheitssystems
Zeitfenster: 1 Jahr
Die allgemeine Verbesserung der Betriebswirkungsgrad des Krankenhauses (z. B. reduzierte Wartezeiten, optimierte Ressourcenzuweisung, verringerter Arbeitsbelastung), die dem KI -Modell zugeschrieben wird, das als prozentualer oder qualitativer Bewertung ausgedrückt wird.
1 Jahr
Bevölkerungsgesundheit Impact Score
Zeitfenster: 1 Jahr
Ein zusammengesetzter Wert, der den Effekt des KI -Modells auf die Bevölkerungsgesundheit im Einzugsgebiet des Krankenhauses widerspiegelt (z. B. verringerte Krankheitslast, verbesserte chronische Krankheitsmanagement), ausgedrückt als standardisierter Index oder prozentualer Veränderung.
1 Jahr
Langzeitindex für öffentliche Gesundheit.
Zeitfenster: 1 Jahr
Ein zusammengesetzter Index, der den langfristigen Beitrag des KI-Modells zur öffentlichen Gesundheit (z. B. verringerte Krankheitsprävalenz, verbesserte Lebenserwartung) misst, ausgedrückt als standardisierter Score oder prozentualer Verbesserung.
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)

24. Februar 2025

Primärer Abschluss (Geschätzt)

1. Juni 2026

Studienabschluss (Geschätzt)

1. Juni 2026

Studienanmeldedaten

Zuerst eingereicht

24. Februar 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

24. Februar 2025

Zuerst gepostet (Tatsächlich)

25. März 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. März 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

27. Februar 2025

Zuletzt verifiziert

1. Februar 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • AI Prediction

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