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

Auswirkungen generativer KI auf die Diagnose von Komplikationen bei rheumatoider Arthritis

22. Dezember 2025 aktualisiert von: Quan Jiang, Guang'anmen Hospital of China Academy of Chinese Medical Sciences

Auswirkung generativer künstlicher Intelligenz auf die Diagnose von Komplikationen bei rheumatoider Arthritis

Generative KI (GenAI) auf Basis großer Sprachmodelle (LLMs) wird voraussichtlich die Diagnose und Behandlung von Autoimmunerkrankungen verbessern. Wir untersuchen, wie GenAI die Diagnose verschiedener Komplikationen der rheumatoiden Arthritis (RA) beeinflussen könnte. In einer retrospektiven Studie unter Verwendung der EHR-Daten von RA-Patienten werden wir die Akzeptanz von GenAI-Vorhersagen für RA-Komplikationen und Begleiterkrankungen durch Ärzte quantifizieren. In einer prospektiven Beobachtungsstudie werden wir die Machbarkeit der Nutzung von GenAI-Vorhersagen als zusätzliche klinische Informationen bewerten, um Ärzten bei umfassenderen Diagnosen von RA-Komplikationen und Begleiterkrankungen zu helfen, einschließlich komplexer, ungewöhnlicher oder seltener Erkrankungen.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

100

Kontakte und Standorte

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

Studienkontakt

  • Name: Quan Jiang Guang'anmen Hospital, China Academy of Chinese Medical Science
  • Telefonnummer: 010-88001942
  • E-Mail: doctorjq@126.com

Studienorte

  • China
    • Beijing Municipality
      • Beijing, Beijing Municipality, China, 100053
        • Rekrutierung
        • Guang'anmen Hospital of China Academy of Chinese Medical Sciences
        • Kontakt:
        • Hauptermittler:
          • Quan Jiang, MD

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

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Erwachsene männliche und weibliche RA-Patienten, die in unserer Rheumatologie-Abteilung stationär aufgenommen wurden und die Klassifikations- und Diagnosekriterien der American College of Rheumatology (ACR)/European League Against Rheumatism (EULAR) von 2010 für rheumatoide Arthritis erfüllen.

Beschreibung

Einschlusskriterien:

  • Patienten mit einer Erstdiagnose von rheumatoider Arthritis (RA).
  • Alle RA-Stationärpatienten aus der realen Welt, die in unserer Abteilung aufgenommen wurden.
  • Aufnahme innerhalb des Studienzeitraums der Real-World-Daten.

Ausschlusskriterien:

  • Patienten, bei denen während der Studie bestätigt wurde, dass sie keine RA haben.

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
RA-Patientengruppe, die generative KI-Vorhersageberichte verwendet
Stationäre Patienten, bei denen zwischen dem 1. Oktober 2025 und Juni 2026 in unserer Rheumatologie-Abteilung neu eine rheumatoide Arthritis diagnostiziert wurde, werden für die Studie rekrutiert. Ärzte werden GenAI-Vorhersagen möglicher RA-Komplikationen und Begleiterkrankungen zusammen mit bestätigenden diagnostischen Tests als zusätzliche Eingaben im Differentialdiagnoseprozess verwenden.
Sonstiges: Generative KI-Vorhersagebericht für RA-Komplikationen

Generative KI, die auf mehreren großen Sprachmodellen (LLMs) basiert, wird verwendet, um mögliche Komplikationen und Begleiterkrankungen bei Patienten mit rheumatoider Arthritis mithilfe von bei der Aufnahme verfügbaren EHR-Daten vorherzusagen. Ärzte nutzen diese KI-Vorhersagen als zusätzliche Informationen, um ihre Diagnosepläne während der Differentialdiagnose anzupassen. Die Auswirkungen dieser Intervention auf die endgültigen Diagnosen bei der Entlassung werden gemessen.

Vor der prospektiven Studie wird die Anwendbarkeit der generativen KI-Vorhersageberichte mithilfe von EHR-Aufzeichnungen von retrospektiven RA-Patienten validiert.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Werden Ärzte GenAI-Vorhersagen bei der Diagnose von RA-Komplikationen übernehmen?
Zeitfenster: Unmittelbar nach der Überprüfung des KI-Patientenberichts am Tag der Aufnahme.
Im klinischen Routineablauf werden große Sprachmodelle (LLMs) verwendet, um potenzielle RA-Komplikationen für jeden anonymisierten Patientenfall vorherzusagen und einen KI-Bericht zu erstellen, der mögliche Komplikationen und Begleiterkrankungen auflistet. Zusätzliche diagnostische Tests werden vorgeschlagen, um die vorhergesagten Zustände zu überprüfen. Nach der Durchsicht des KI-Berichts bewerten Ärzte jede Krankheitsvorhersage sofort anhand einer 5-Punkte-Likert-Skala (1 = völlige Ablehnung; 2 = Ablehnung; 3 = neutral; 4 = Zustimmung; 5 = vollständige Zustimmung). Der Mittelwert wird als Maß für die wahrgenommene Vorhersagegenauigkeit berechnet. Ärzte geben auch an, ob jede spezifische Krankheitsvorhersage potenziell übernommen oder zur Unterstützung der Differentialdiagnose verwendet werden könnte (binär: 0 oder 1). Der Prozentsatz positiver Übernahmereaktionen wird als Maß für die potenzielle Übernahmerate oder Übernahmefähigkeit berechnet.
Unmittelbar nach der Überprüfung des KI-Patientenberichts am Tag der Aufnahme.

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Inwieweit werden RA-Komplikationsdiagnosen tatsächlich von GenAI-Vorhersagen beeinflusst?
Zeitfenster: Unmittelbar nach der endgültigen Diagnosestellung bei der Entlassung.
Vor der Entlassung des Patienten stellen die Ärzte endgültige Diagnosen und erfassen, welche diagnostizierten Komplikationen oder Begleiterkrankungen bei jedem Patienten durch die GenAI-Vorhersageinformationen beeinflusst wurden. Der Prozentsatz der Fälle, in denen GenAI-Vorhersagen die endgültige Diagnose beeinflusst haben, wird als Maß für die tatsächliche Auswirkung der KI auf die routinemäßige diagnostische Praxis berechnet.
Unmittelbar nach der endgültigen Diagnosestellung bei der Entlassung.

Mitarbeiter und Ermittler

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

Sponsor

Guang'anmen Hospital of China Academy of Chinese Medical Sciences

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.

Nützliche Links

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. Oktober 2025

Primärer Abschluss (Geschätzt)

1. Februar 2026

Studienabschluss (Geschätzt)

1. Juni 2026

Studienanmeldedaten

Zuerst eingereicht

28. September 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

22. Dezember 2025

Zuerst gepostet (Tatsächlich)

24. Dezember 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

24. Dezember 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

22. Dezember 2025

Zuletzt verifiziert

1. Dezember 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 2025-201-KY

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

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 .

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Uganda

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren