- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT04186104
Inteligencia Artificial en Clínica Infantil
Aplicación de Inteligencia Artificial en Clínica Infantil
En China, la cantidad de servicios médicos para niños todavía está muy por debajo de la creciente demanda de atención médica para niños. El fenómeno de los padres de los niños haciendo cola durante la noche para registrarse ya no sorprende. Esto se debe al aumento en el número de niños y la escasez de talentos pediátricos. En el departamento de pediatría, el número de pacientes aumenta año tras año, pero el pediatra escasea de principio a fin. Además del servicio ambulatorio, los pediatras de los grandes hospitales también realizan operaciones, investigaciones científicas y otras tareas. Como resultado, muchos médicos tienen que renunciar a sus vacaciones, lo que los hace sentir miserables y reduce su entusiasmo por el trabajo. El largo tiempo de espera también redujo la satisfacción de los pacientes, lo que resultó en la intensificación del conflicto entre médicos pediátricos y pacientes.
Este proyecto de investigación tiene como objetivo crear un sistema integrado humano-computadora y desarrollar un nuevo proceso de diagnóstico integrado con inteligencia artificial (IA). La función del sistema AI incluye principalmente 3 aspectos. (1) El paciente utiliza una aplicación de teléfono móvil integrada con IA que le permite hacerse un chequeo antes de ver a un médico. El programa le hará una serie de preguntas al paciente. Luego, según las respuestas del paciente, AI recomendará una serie de exámenes, todos los cuales serán revisados por el médico de antemano. Después de que el paciente lo pague, podría ir directamente a hacer el examen. Entonces, luego podría ir al médico con el informe del examen, lo que le ahorra al paciente la molestia de hacer cola. (2) Al mismo tiempo, el sistema de IA también podría automatizar el historial médico. El paciente completaría la recopilación del historial de autoayuda en el tiempo libre. El sistema de inteligencia artificial recopila el historial médico y lo importa automáticamente a la computadora del médico. El trabajo principal de los médicos es modificar el historial médico generado por la IA. Hasta cierto punto, aligera la carga de los médicos. (3) Durante la visita, el sistema de IA captura automáticamente la información de la historia clínica electrónica del paciente y genera el posible diagnóstico. Este proceso es de gran ayuda para los médicos jóvenes y puede servir como una pista.
En resumen, este estudio es útil para reducir de manera efectiva el tiempo de espera de los pacientes y aumentar en gran medida su experiencia médica. Mientras se reduce la intensidad del trabajo de los médicos, el procedimiento ambulatorio de nuestro hospital se ha optimizado de manera efectiva para aliviar en cierta medida la escasez de pediatras.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Apoyándose en la aplicación móvil y el software informático, lograría:
- Orientación inteligente y a juego con el departamento;
- Recopilación inteligente de antecedentes médicos y generación de registros médicos con IA;
- Recomendar automáticamente elementos de examen;
- Asistir en el diagnóstico clínico y hacer una sugerencia de diagnóstico inteligente.
Tipo de estudio
Inscripción (Actual)
Fase
- No aplica
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Shanghai, Porcelana
- Shanghai Children's Medical Center
-
-
Shanghai
-
Shanghai, Shanghai, Porcelana, 200127
- Shanghai Children's Medical Center, Shanghai Jiao Tong University School of Medicine
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Descripción
Criterios de inclusión:
Los pacientes de 2 meses a 18 años irán al centro médico infantil de Shanghái para recibir tratamiento.
Criterio de exclusión:
- Personas que no estén de acuerdo en participar.
- Personas que no pueden cooperar.
- Personas que son difíciles de seguir.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Investigación de servicios de salud
- Asignación: Aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Ninguno (etiqueta abierta)
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
---|---|
Experimental: Pacientes con proceso de atención ambulatoria de rutina
Después del registro, el paciente espera en la fila en la puerta de la oficina del médico.
Su médico utiliza métodos tradicionales para ingresar registros médicos a mano y hacer diagnósticos de forma independiente.
Luego, el paciente espera en la fila para pagar la factura y hace cola para ser examinado.
Finalmente, el paciente devolvería el informe del examen al médico.
|
Los pacientes siguen los procedimientos de registro, espera, asistencia, espera, examen, espera, asistencia.
|
Experimental: Pacientes con proceso de atención ambulatoria asistida por IA
Después del registro, el paciente vincula su información a la aplicación del teléfono móvil a través del número de consulta externa.
Primero, el sistema de IA le haría al paciente una serie de preguntas.
Luego haría un juicio basado en la respuesta del paciente.
El sistema transmite los elementos del examen a la computadora del médico y, con la aprobación del médico, envía los elementos al paciente.
Entonces, el paciente podría ir directamente a hacer el examen.
Mientras espera su turno, el paciente ingresa nuevamente al programa telefónico y el sistema de inteligencia artificial recopila su historial médico.
La información se envía de vuelta al médico.
Cuando el paciente va al consultorio médico con el informe del examen, la computadora del médico ya tiene su historial médico.
El médico solo necesita ajustar el historial de acuerdo con la situación real.
Después de escribir el historial médico, el sistema de IA podría hacer automáticamente el diagnóstico.
El doctor usa los resultados de la IA y su propio juicio para hacer un diagnóstico completo.
|
Los pacientes siguen los procedimientos de registro, elementos de examen recomendados por AI, recopilación de historial médico de autoservicio, examen, espera, asistencia asistida por AI.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Evaluar la eficiencia de los dos procesos.
Periodo de tiempo: hasta 1 mes
|
Compare el tiempo de espera promedio para un solo paciente y el tiempo promedio de visita para un solo paciente.
|
hasta 1 mes
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Evaluar el índice de satisfacción de los pacientes con los procesos médicos
Periodo de tiempo: hasta 1 mes
|
El cuestionario de satisfacción se utilizaría para comparar el índice de satisfacción entre los dos procesos.
|
hasta 1 mes
|
Medidas económicas
Periodo de tiempo: hasta 1 mes
|
Gastar dinero de pacientes ambulatorios, gastar dinero de examen et al.
|
hasta 1 mes
|
Eficiencia laboral de los médicos.
Periodo de tiempo: hasta 1 mes
|
Uso de datos históricos para comparaciones de antes y después, para comparar la influencia de la recopilación inteligente del historial médico en el tiempo de visita de cada paciente.
|
hasta 1 mes
|
Colaboradores e Investigadores
Patrocinador
Publicaciones y enlaces útiles
Publicaciones Generales
- Keel S, Lee PY, Scheetz J, Li Z, Kotowicz MA, MacIsaac RJ, He M. Feasibility and patient acceptability of a novel artificial intelligence-based screening model for diabetic retinopathy at endocrinology outpatient services: a pilot study. Sci Rep. 2018 Mar 12;8(1):4330. doi: 10.1038/s41598-018-22612-2.
- Shen TL, Fu XL. [Application and prospect of artificial intelligence in cancer diagnosis and treatment]. Zhonghua Zhong Liu Za Zhi. 2018 Dec 23;40(12):881-884. doi: 10.3760/cma.j.issn.0253-3766.2018.12.001. Chinese.
- Kantarjian H, Yu PP. Artificial Intelligence, Big Data, and Cancer. JAMA Oncol. 2015 Aug;1(5):573-4. doi: 10.1001/jamaoncol.2015.1203. No abstract available.
- Hamet P, Tremblay J. Artificial intelligence in medicine. Metabolism. 2017 Apr;69S:S36-S40. doi: 10.1016/j.metabol.2017.01.011. Epub 2017 Jan 11.
- Szolovits P, Patil RS, Schwartz WB. Artificial intelligence in medical diagnosis. Ann Intern Med. 1988 Jan;108(1):80-7. doi: 10.7326/0003-4819-108-1-80.
- Kreps GL, Neuhauser L. Artificial intelligence and immediacy: designing health communication to personally engage consumers and providers. Patient Educ Couns. 2013 Aug;92(2):205-10. doi: 10.1016/j.pec.2013.04.014. Epub 2013 May 15.
- Das N, Topalovic M, Janssens W. Artificial intelligence in diagnosis of obstructive lung disease: current status and future potential. Curr Opin Pulm Med. 2018 Mar;24(2):117-123. doi: 10.1097/MCP.0000000000000459.
- Kapoor R, Walters SP, Al-Aswad LA. The current state of artificial intelligence in ophthalmology. Surv Ophthalmol. 2019 Mar-Apr;64(2):233-240. doi: 10.1016/j.survophthal.2018.09.002. Epub 2018 Sep 22.
- Goldhahn J, Rampton V, Spinas GA. Could artificial intelligence make doctors obsolete? BMJ. 2018 Nov 7;363:k4563. doi: 10.1136/bmj.k4563. No abstract available.
- Dilsizian SE, Siegel EL. Artificial intelligence in medicine and cardiac imaging: harnessing big data and advanced computing to provide personalized medical diagnosis and treatment. Curr Cardiol Rep. 2014 Jan;16(1):441. doi: 10.1007/s11886-013-0441-8.
- Singh G, Al'Aref SJ, Van Assen M, Kim TS, van Rosendael A, Kolli KK, Dwivedi A, Maliakal G, Pandey M, Wang J, Do V, Gummalla M, De Cecco CN, Min JK. Machine learning in cardiac CT: Basic concepts and contemporary data. J Cardiovasc Comput Tomogr. 2018 May-Jun;12(3):192-201. doi: 10.1016/j.jcct.2018.04.010. Epub 2018 Apr 30.
- Huang Q, Zhang F, Li X. Machine Learning in Ultrasound Computer-Aided Diagnostic Systems: A Survey. Biomed Res Int. 2018 Mar 4;2018:5137904. doi: 10.1155/2018/5137904. eCollection 2018.
- Huang S, Yang J, Fong S, Zhao Q. Artificial intelligence in cancer diagnosis and prognosis: Opportunities and challenges. Cancer Lett. 2020 Feb 28;471:61-71. doi: 10.1016/j.canlet.2019.12.007. Epub 2019 Dec 10.
- Wall J, Krummel T. The digital surgeon: How big data, automation, and artificial intelligence will change surgical practice. J Pediatr Surg. 2020 Jan;55S:47-50. doi: 10.1016/j.jpedsurg.2019.09.008. Epub 2019 Nov 16.
- Adamson AS, Welch HG. Machine Learning and the Cancer-Diagnosis Problem - No Gold Standard. N Engl J Med. 2019 Dec 12;381(24):2285-2287. doi: 10.1056/NEJMp1907407. No abstract available.
- Wulsin DF, Gupta JR, Mani R, Blanco JA, Litt B. Modeling electroencephalography waveforms with semi-supervised deep belief nets: fast classification and anomaly measurement. J Neural Eng. 2011 Jun;8(3):036015. doi: 10.1088/1741-2560/8/3/036015. Epub 2011 Apr 28.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- SCMCIRB-K2019020-2
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .
Ensayos clínicos sobre Inteligencia artificial
-
Medtronic Cardiac Rhythm and Heart FailureTerminadoMarcapasos cardíaco artificial | Marcapasos Cardíaco, ArtificialCanadá, Estados Unidos, Israel, Italia, Katar, Porcelana
-
Sanatorio Anchorena San MartinJavier Hernán Dorado; Joaquin PerezReclutamiento
-
Cairo UniversityReclutamiento
-
First Affiliated Hospital, Sun Yat-Sen UniversityReclutamiento
-
Istituto Clinico HumanitasTerminado
-
Istituto Clinico HumanitasTerminadoInteligencia artificialItalia
-
Respinor ASEuropean CommissionTerminadoRespiración ArtificialNoruega
-
Centre Hospitalier Universitaire, AmiensDesconocido
-
Lawson Health Research InstituteTerminado
-
Children's Hospital of PhiladelphiaLaerdal MedicalTerminado
Ensayos clínicos sobre Proceso de diagnóstico de rutina
-
Jiangsu HengRui Medicine Co., Ltd.Activo, no reclutando
-
University Hospital TuebingenReclutamientoPredisposición genética a la enfermedad | Enfermedades rarasAlemania
-
Cedars-Sinai Medical CenterInscripción por invitaciónEnfermedad de Parkinson IdiopáticaEstados Unidos
-
Universitätsklinikum Hamburg-EppendorfGerman Research FoundationTerminado
-
McGill University Health Centre/Research Institute...AbbVie; Prometheus LaboratoriesTerminadoEnfermedad de Crohn | EspondiloartropatíaCanadá
-
Universitätsklinikum Hamburg-EppendorfGerman Research Foundation; University Hospital TuebingenTerminadoInfarto cerebralAlemania
-
Institut de Recherche en Sciences de la Sante,...ReclutamientoResistencia antimicrobianaBurkina Faso