Evaluierung eines KI-gestützten klinischen Assistenten zur Unterstützung des Schilddrüsenkrebsmanagements
17. Juli 2026 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)
76
Phase
- Unzutreffend
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
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.
|
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 |
|---|---|---|
|
Efficiency
Zeitfenster: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The time required to complete reviewing one set of clinical notes is compared between intervention and non-intervention groups
|
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Accuracy of Cancer Staging and Risk Stratification by Participants Compared with Ground Truth across Intervention and Non-intervention Groups
Zeitfenster: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The study will compare the accuracy of cancer staging and risk category assessed by the participants across the intervention group with AI assitance and non-intervention group without AI asssitance. The participants will review the clinical notes and assess the cancer staging and risk category for each thyroid cancer patient with or without the AI assistant. Participant provided assessments will be compared against the ground truth established by the clinical investigators of the study to guage the accuracy which is quantified as the percentage of correctly graded cancer staging and risk stratification. The accuracy will be compared between the intervention group and non-intervention groups using t-tests to evaluate the clinical impact of the AI assistant. |
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
|
Participants' Confidence in Cancer Staging and Risk Stratification as Assessed by a 0-10 Scale Questionnaire
Zeitfenster: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The study will compare the participants' confidence in grading cancer staging and risk category between the intervention group with AI assistance and non-intervention group without AI-assistance. After evaluating each thyroid cancer case for providing cancer staging and risk category, participants will complete a short questionnaire rating their confidence in providing their assessments on a scale from 0 (lowest) to 10 (hightest). Meanw confidence score will be compared between the intervention group and non-intervention group to evaluate the clinical impact of the AI assitant. |
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Mitarbeiter
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.
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 2027
Studienabschluss (Geschätzt)
30. April 2027
Studienanmeldedaten
Zuerst eingereicht
29. September 2025
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
16. November 2025
Zuerst gepostet (Tatsächlich)
18. November 2025
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
21. Juli 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
17. Juli 2026
Zuletzt verifiziert
1. Juli 2026
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 .