Toma de decisiones médicas asistidas por AI-AI
27 de febrero de 2025 actualizado por: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Un estudio de cohorte para evaluar un modelo de inteligencia artificial para ayudar a la toma de decisiones médicas utilizando datos de registros de salud electrónicos en tiempo real en tiempo real
Este estudio construye y aplica un modelo de IA para ayudar a los médicos a predecir diagnósticos y resultados de los pacientes, como la supervivencia o la estadía en el hospital.
Usaremos datos multimodales en tiempo real (laboratorios, signos vitales, historia, imágenes) de los registros del hospital.
Los pacientes serán rastreados para comparar el rendimiento de la IA con la atención estándar.
El objetivo es mejorar el diagnóstico y la precisión del tratamiento en un estudio prospectivo en un mundo real.
Descripción general del estudio
Estado
Reclutamiento
Condiciones
Intervención / Tratamiento
Descripción detallada
Este estudio tiene como objetivo construir y aplicar un modelo de inteligencia artificial (IA) para ayudar a los médicos a predecir diagnósticos y resultados de los pacientes, como la supervivencia o la duración del hospital.
Inscribiremos a los pacientes en todo el hospital y utilizaremos los resultados de laboratorio de datos de salud multimodales en tiempo real, incluidos los resultados de laboratorio, los signos vitales, el historial médico y las imágenes de los registros de salud electrónicos.
El estudio seguirá a los participantes para evaluar el rendimiento del modelo de IA contra la práctica estándar.
Nuestro objetivo es mejorar la precisión y la velocidad de los diagnósticos y tratamientos, mejorando la atención al paciente.
Este estudio prospectivo prueba el modelo en entornos hospitalarios del mundo real.
Tipo de estudio
De observación
Inscripción (Estimado)
50000000
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Estudio Contacto
- Nombre: Fei Liu, MD
- Número de teléfono: +86 13810512704
- Correo electrónico: liufei_2359@163.com
Ubicaciones de estudio
-
-
Zhejiang
-
Wenzhou, Zhejiang, Porcelana
- Reclutamiento
- First Affiliated Hospital of Wenzhou Medical University
-
Contacto:
- Cheng Tang
- Número de teléfono: +86-0577-88002888
- Correo electrónico: c249325687@163.com
-
Wenzhou, Zhejiang, Porcelana
- Reclutamiento
- Second Affiliated Hospital of Wenzhou Medical University
-
Contacto:
- Linfeng Liu
- Correo electrónico: llfwfe@163.com
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Sí
Método de muestreo
Muestra no probabilística
Población de estudio
Este estudio incluye a todos los pacientes ingresados en cualquier departamento de hospital, con datos de registros de salud electrónicos en tiempo real (por ejemplo, laboratorios, signos vitales, historial, imágenes).
Los participantes deben consentir para la recopilación de datos.
Descripción
Criterios de inclusión:
- Los pacientes ingresados en cualquier departamento del hospital (por ejemplo, UCI, salas generales, emergencia, servicios ambulatorios) durante el período de estudio.
- Los pacientes con datos de registro de salud electrónico (EHR) en tiempo real disponible, incluidos al menos dos de los siguientes: resultados de laboratorio, signos vitales, historial médico y datos de imágenes.
Criterios de exclusión:
Los pacientes actualmente se inscribieron en otro ensayo clínico que podría interferir con la recopilación de datos o los resultados de este estudio.
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Cohorte de pacientes en todo el hospital
|
La intervención en este estudio involucra un sistema de IA que aprovecha la fusión de datos multimodales para respaldar la toma de decisiones clínicas y la evaluación de las enfermedades.
Los pacientes en esta cohorte se someterán a exámenes estándar, con decisiones clínicas guiadas por las recomendaciones generadas por el sistema de IA.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Área debajo de la curva (AUC)
Periodo de tiempo: 1 año
|
AUC de la curva ROC, utilizada para cuantificar la precisión del diagnóstico.
No hay unidad (una relación o porcentaje, típicamente expresada como un número entre 0 y 1).
|
1 año
|
|
Mejora general de la utilización de recursos hospitalarios
Periodo de tiempo: 1 año
|
La reducción porcentual en el uso general de los recursos hospitalarios (por ejemplo, días de cama, admisiones de la UCI, pruebas de diagnóstico) atribuida a la toma de decisiones asistidas por AI-AI, expresada como un porcentaje.
|
1 año
|
|
Mejora del diagnóstico a nivel de población
Periodo de tiempo: 1 año
|
La mejora general en la precisión del diagnóstico en todos los pacientes hospitalarios (por ejemplo, porcentaje de diagnósticos correctos o reducción en diagnósticos erróneos) facilitados por el modelo de IA, expresado como un porcentaje o relación.
|
1 año
|
|
Reducción de todo el sistema en las tasas de eventos adversos
Periodo de tiempo: 1 año
|
El porcentaje de reducción en eventos adversos importantes (por ejemplo, mortalidad, complicaciones graves o estadías prolongadas) en todos los pacientes del hospital debido a la toma de decisiones asistidas por AI-AI, expresado como un porcentaje.
|
1 año
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Mejora general en los resultados del paciente del hospital
Periodo de tiempo: 1 año
|
La mejora agregada en los resultados clave del paciente (por ejemplo, mortalidad, morbilidad, tasas de recuperación) en toda la población hospitalaria debido a la toma de decisiones asistida por AI-AI, expresada como una puntuación o porcentaje compuesto.
|
1 año
|
|
Mejora de la eficiencia del sistema de salud
Periodo de tiempo: 1 año
|
La mejora general en la eficiencia operativa hospitalaria (por ejemplo, tiempos de espera reducidos, asignación optimizada de recursos, disminución de la carga de trabajo del personal) atribuida al modelo AI, expresado como un porcentaje o calificación cualitativa.
|
1 año
|
|
Puntuación de impacto para la salud de la población
Periodo de tiempo: 1 año
|
Una puntuación compuesta que refleja el efecto del modelo de IA en la salud de la población dentro del área de captación del hospital (por ejemplo, una carga reducida de enfermedades, un mayor manejo de enfermedades crónicas), expresado como un índice estandarizado o un cambio porcentual.
|
1 año
|
|
Índice de beneficios de salud pública a largo plazo
Periodo de tiempo: 1 año
|
Un índice compuesto que mide la contribución a largo plazo del modelo AI a la salud pública (por ejemplo, una prevalencia de enfermedad reducida, una mejor esperanza de vida), expresada como una puntuación estandarizada o una mejora porcentual.
|
1 año
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
24 de febrero de 2025
Finalización primaria (Estimado)
1 de junio de 2026
Finalización del estudio (Estimado)
1 de junio de 2026
Fechas de registro del estudio
Enviado por primera vez
24 de febrero de 2025
Primero enviado que cumplió con los criterios de control de calidad
24 de febrero de 2025
Publicado por primera vez (Actual)
25 de marzo de 2025
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
25 de marzo de 2025
Última actualización enviada que cumplió con los criterios de control de calidad
27 de febrero de 2025
Última verificación
1 de febrero de 2025
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- AI Prediction
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
producto fabricado y exportado desde los EE. UU.
No
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. .