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

Evaluierung eines KI-gestützten klinischen Assistenten zur Unterstützung des Schilddrüsenkrebsmanagements

16. Dezember 2025 aktualisiert von: Dr. Carlos King-Ho Wong, The University of Hong Kong

Eine randomisierte kontrollierte Studie zur Bewertung eines KI-gestützten klinischen Assistenten für das Staging und die Risikostratifizierung von Schilddrüsenkrebs bei Medizinstudenten und Klinikern

Diese Studie zielt darauf ab, die klinische Machbarkeit der Einführung künstlicher Intelligenz (KI)-basierter Modelle zur Verbesserung des klinischen Managements von Schilddrüsenkrebs zu bewerten.

Studienübersicht

Status

Anmeldung auf Einladung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Durch die jüngsten Fortschritte in der Technologie ist KI in klinischen Umgebungen für die visuelle Texterkennung weit verbreitet anwendbar geworden. KI-gestützte Texterkennung erweist sich zunehmend als hocheffizientes, nachhaltiges und kostengünstiges Werkzeug für Entscheidungsfindung und personalisierte Medizin. Zahlreiche Studien haben Algorithmen zur Verarbeitung natürlicher Sprache (NLP), insbesondere große Sprachmodelle (LLMs), eingesetzt, um unstrukturierten Freitext aus klinischen Konsultationsnotizen in elektronischen Gesundheitsakten (EHR) in strukturierte Daten umzuwandeln und so individuelle klinische Profile in den EHR-Datenbanken anzureichern. Im Laufe der Zeit haben diese KI-Modelle ihre Vorhersagegenauigkeit und Leistung durch selbstständiges Lernen (oder unüberwachtes Lernen) kontinuierlich verbessert. Während KI-Modelle in der onkologischen Praxis im Ausland bereits erhebliche Auswirkungen hatten, ist ihr Nutzen für die Texterkennung in der Onkologie in Hongkong nach wie vor begrenzt. Diese vorgeschlagene Studie zielt darauf ab, die klinische Machbarkeit der Einführung KI-basierter Modelle zu bewerten, um das Vertrauen der Endanwender in die diagnostische Genauigkeit und Risikovorhersage durch KI-gestützte Arbeitsabläufe im Management von Schilddrüsenkrebs zu verbessern.

Studientyp

Interventionell

Einschreibung (Geschätzt)

70

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienorte

  • Hongkong
      • Hong Kong, Hongkong
        • School of Public Health, The University of Hong Kong
      • Hong Kong, Hongkong
        • Department of Surgery, School of Clinical Medicine, The University of Hong Kong

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

  • Medizinstudenten
  • Kliniker (einschließlich, aber nicht beschränkt auf Chirurgen, Onkologen, Pathologen)

Ausschlusskriterien:

  • Medizinstudenten und Kliniker, die vor Beginn der klinischen Versuchsstudien die klinischen Notizen geprüft oder an deren Bearbeitung beteiligt waren

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Versorgungsforschung
  • Zuteilung: Zufällig
  • Interventionsmodell: Crossover-Aufgabe
  • Maskierung: Single

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: KI-gestützter klinischer Assistent
Die Teilnehmer werden das Krebsstadium und die Risikokategorie jedes Schilddrüsenkrebspatienten sowie das Vertrauen der Teilnehmer in die oben genannten diagnostischen Bewertungen mit dem KI-gestützten klinischen Assistenten als Intervention angeben. Der KI-Assistent wird von LLMs betrieben und umfasst ein klinisches Dashboard. Das klinische Dashboard zeigt die ursprünglichen klinischen Notizen an und fasst das Krebsstadium und die Risikokategorie jedes Schilddrüsenkrebspatienten zusammen, die aus der Backend-Verarbeitung des klinischen Assistenten generiert wurden. Unterstützende Beweise aus den ursprünglichen klinischen Notizen werden ebenfalls hervorgehoben, um die Überprüfung durch die Teilnehmer zu ermöglichen.
Sonstiges: KI-gestützter klinischer Assistent
Die Teilnehmer werden das Krebsstadium und die Risikokategorie jedes Schilddrüsenkrebs-Patienten sowie das Vertrauen der Teilnehmer in die oben genannten diagnostischen Bewertungen mit dem KI-gestützten klinischen Assistenten als Intervention angeben. Der KI-Assistent wird von LLMs betrieben und umfasst ein klinisches Dashboard. Das klinische Dashboard zeigt die ursprünglichen klinischen Notizen an und fasst das Krebsstadium und die Risikokategorie jedes Schilddrüsenkrebs-Patienten zusammen, die durch die Backend-Verarbeitung des klinischen Assistenten generiert werden. Unterstützende Beweise aus den ursprünglichen klinischen Notizen werden ebenfalls hervorgehoben, um die Überprüfung durch die Teilnehmer zu ermöglichen.
Kein Eingriff: Manuelle Chart-Überprüfung
Die Teilnehmer werden das Krebsstadium und die Risikokategorie jedes Schilddrüsenkrebspatienten sowie das Vertrauen der Teilnehmer in die oben genannten diagnostischen Bewertungen durch manuelle Überprüfung der Patientenakte angeben.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Genauigkeit der Krebsstadienbestimmung und Risikostratifizierung durch Teilnehmer im Vergleich mit der Grundwahrheit über Interventions- und Nicht-Interventionsgruppen hinweg
Zeitfenster: Zwischen Interventionsgruppe und Nicht-Interventionsgruppe. Kreuzung in 3-4 Wochen

Die Studie vergleicht die Genauigkeit des Krebsstadiums und der Risikokategorie, die von den Teilnehmern in der Interventionsgruppe mit KI-Unterstützung und der Nicht-Interventionsgruppe ohne KI-Unterstützung bewertet werden.

Die Teilnehmer werden die klinischen Notizen überprüfen und das Krebsstadium und die Risikokategorie für jeden Schilddrüsenkrebspatienten mit oder ohne KI-Assistenten bewerten. Die von den Teilnehmern bereitgestellten Bewertungen werden mit der von den klinischen Prüfern der Studie festgelegten Grundwahrheit verglichen, um die Genauigkeit zu bestimmen, die als Prozentsatz der korrekt eingestuften Krebsstadien und Risikostratifizierungen quantifiziert wird. Die Genauigkeit wird zwischen der Interventionsgruppe und den Nicht-Interventionsgruppen mit t-Tests verglichen, um die klinische Auswirkung des KI-Assistenten zu bewerten.
Zwischen Interventionsgruppe und Nicht-Interventionsgruppe. Kreuzung in 3-4 Wochen
Das Vertrauen der Teilnehmer in das Krebsstaging und die Risikostratifizierung, bewertet mittels eines 0-10-Fragebogens
Zeitfenster: Zwischen Interventionsgruppe und Nicht-Interventionsgruppe. Kreuzung nach 3-4 Wochen

Die Studie wird das Vertrauen der Teilnehmer in die Einstufung von Krebsstadien und Risikokategorien zwischen der Interventionsgruppe mit KI-Unterstützung und der Nicht-Interventionsgruppe ohne KI-Unterstützung vergleichen.

Nach der Bewertung jedes Schilddrüsenkrebsfalls zur Ermittlung der Krebsstufe und Risikokategorie werden die Teilnehmer einen kurzen Fragebogen ausfüllen, in dem sie ihr Vertrauen in ihre Bewertungen auf einer Skala von 0 (niedrigste) bis 10 (höchste) bewerten. Der durchschnittliche Vertrauensscore wird zwischen der Interventionsgruppe und der Nicht-Interventionsgruppe verglichen, um die klinische Auswirkung des KI-Assistenten zu bewerten.
Zwischen Interventionsgruppe und Nicht-Interventionsgruppe. Kreuzung nach 3-4 Wochen
Effizienz
Zeitfenster: Zwischen Interventionsgruppe und Nicht-Interventionsgruppe. Crossover in 3-4 Wochen
Die für die Überprüfung eines Satzes klinischer Notizen erforderliche Zeit wird zwischen Interventions- und Nicht-Interventionsgruppen verglichen
Zwischen Interventionsgruppe und Nicht-Interventionsgruppe. Crossover in 3-4 Wochen

Mitarbeiter und Ermittler

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

Sponsor

The University of Hong Kong

Mitarbeiter

Innovation and Technology Commission, Hong Kong

Ermittler

  • Hauptermittler: King Ho Carlos Wong, School of Public Health The University of Hong Kong
  • Hauptermittler: Man Him Matrix Fung, Department of Surgery, School of Clinical Medicine, The University of Hong Kong

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.

Allgemeine Veröffentlichungen

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)

2. Oktober 2025

Primärer Abschluss (Geschätzt)

31. März 2026

Studienabschluss (Geschätzt)

30. April 2026

Studienanmeldedaten

Zuerst eingereicht

29. September 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

16. November 2025

Zuerst gepostet (Geschätzt)

18. November 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

17. Dezember 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

16. Dezember 2025

Zuletzt verifiziert

1. November 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • UW24-319-RCT

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

JA

Beschreibung des IPD-Plans

Nur anonymisierte IPD, die in Ergebnisveröffentlichungen verwendet wird, wird geteilt, sodass eine Wiedererkennung von Personen nicht möglich ist.

IPD-Sharing-Zeitrahmen

Die IPD und unterstützenden Informationen werden nach Abschluss der Studie (voraussichtlich am 31. Dezember 2025) mit der Verbreitung oder Veröffentlichung der Ergebnisse verfügbar sein und bleiben unbegrenzt verfügbar, bis eine Entfernung erforderlich ist.

IPD-Sharing-Zugriffskriterien

Die IPD und unterstützenden Informationen werden mit der Verbreitung der Ergebnisse und Veröffentlichung als Dokumenten-Uploads oder Anhängen verfügbar sein. Jeder, der Zugang zu den Artikeln hat, wird Zugriff auf alle Dokumente haben.

Art der unterstützenden IPD-Freigabeinformationen

  • STUDIENPROTOKOLL
  • SAFT
  • ICF
  • ANALYTIC_CODE

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 KI-gestützter klinischer Assistent

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Macedonia

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren