Integrating an AI-Driven Hydronephrosis Decision-Making Tool
6. Mai 2026 aktualisiert von: Mandy Rickard, The Hospital for Sick Children
Integration of a Hydronephrosis AI-Driven Decision-Making Tool Into Clinical Practice: A Clinical Trial
Hydronephrosis is a common congenital kidney anomaly.
While most cases resolve on their own, some require surgery.
Clinicians rely on repeated ultrasounds and sometimes invasive tests to decide if surgery is needed, but predicting outcomes is difficult.
Researchers at SickKids developed an AI model that analyzes ultrasound images to assist in diagnosing and managing hydronephrosis.
This study tests how well the AI integrates into real-world care.
Clinicians will first make care decisions without AI and then review the AI's prediction before deciding whether to change their plan.
A separate expert, unaware of whether AI influenced the first clinician's plan, will make the final decision to ensure care remains unchanged.
The study will assess whether AI improves decision-making, reduces unnecessary tests, and fits into clinical workflows.
If successful, the AI model could serve as a complementary tool to make diagnoses more efficient and precise while minimizing invasive procedures.
Studienübersicht
Status
Noch keine Rekrutierung
Bedingungen
Intervention / Behandlung
Studientyp
Interventionell
Einschreibung (Geschätzt)
322
Phase
- Unzutreffend
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
Akzeptiert gesunde Freiwillige
Nein
Beschreibung
Inclusion Criteria:
- Seen for HN in-person in the Pediatric Urology clinic with ultrasound scans taken at SickKids
- New and follow-up patients 0-24 months.
Exclusion Criteria:
- Older than 24m
- Concurrent urinary tract anomalies (duplex configurations; PUV etc.)
- History of renal surgical intervention (post-op patients)
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Sonstiges
- Zuteilung: N / A
- Interventionsmodell: Einzelgruppenzuweisung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Experimental: AI Model Intervention Arm
When children with HN are seen in clinic, their ultrasound imaging and history will be provided to an initial clinician who will first formulate a plan of care without access to the AI model as per the standard of care.
After the initial plan is documented and before discussion with the primary provider, the initial clinician will then be granted access to the AI model, where they can input the ultrasound images and receive the model's prediction.
The clinician can choose to modify or maintain their drafted plan based on the model's output.
The clinician's final drafted plan will subsequently be discussed with the blinded final clinical expert (primary provider) who will make the final decision to maintain the standard of care for each patient.
The final clinical expert will be blinded to whether the initial clinician changed their plan or not given the AI model
|
The AI intervention is a deep learning algorithm used to predict obstructive hydronephrosis.
It was developed at SickKids and has recently completed the silent trial phase.
This clinical trial aims to validate the model's clinical integration by assessing its impact on clinician decision-making and care plan recommendations.
To uphold standard care, a blinded clinician will make final decisions.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Change in Clinician Management Decisions Following Exposure to the AI Model
Zeitfenster: Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
The proportion of clinician management decisions revised immediately after exposure to the AI model output.
Management decisions include: (1) discharge, (2) monitor with ultrasound, (3) additional invasive testing, or (4) referral for surgery.
|
Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Agreement Between Clinician Decisions and Expert Reference Decisions Using Cohen's Kappa
Zeitfenster: Immediately after clinician review and AI model exposure during each case review session, through study completion (average of 6 months)
|
Agreement between clinician management decisions and the expert reference decision will be assessed before and after AI exposure using Cohen's kappa statistic.
Higher kappa values indicate greater agreement.
|
Immediately after clinician review and AI model exposure during each case review session, through study completion (average of 6 months)
|
|
Proportion of Management Decision Changes Stratified by Clinician Experience Level
Zeitfenster: Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
The proportion of clinician management decisions revised after AI model exposure will be compared across clinician subgroups, including training level and years of experience.
|
Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
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 (Geschätzt)
1. August 2026
Primärer Abschluss (Geschätzt)
31. Januar 2027
Studienabschluss (Geschätzt)
31. Januar 2027
Studienanmeldedaten
Zuerst eingereicht
16. April 2026
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
6. Mai 2026
Zuerst gepostet (Tatsächlich)
12. Mai 2026
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
12. Mai 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
6. Mai 2026
Zuletzt verifiziert
1. Mai 2026
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 3474
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 .