Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Automated Vetting and Protocolling of MRI Examinations (AutoProMpt)

2 de noviembre de 2026 actualizado por: Edozie Iweka

Automated Vetting and Protocoling of MRI Examination Referrals Using Explainable Large Language Models (LLM) With Retrieval Augmented Generation (RAG) (XLLM) Techniques- A Multi-stage Study

Background Vetting and assigning of protocols to MRI scan requests are usually carried out by radiologists and radiographers. This way is both time-consuming and prone to error. Recent improvements in Artificial Intelligence (Al) like Large Language Models (LLMs) are better at processing human language. It could be used to improve tasks like image reporting and assigning protocols in radiology.

Approach Firstly, I will find out about the delays in the way this is currently done. I will use a survey to find out the perceptions of radiologists to both the current process and the proposed Al intervention.

I will then use an LLM to undertake referral and protocol tasks. I will compare its performance to the performance of clinical specialists and established guidelines.

I will present the explanation reports to radiologists and ask them if they can be understood and whether they can be trusted as clinically reliable.

Impact My research could help reduce the workload and time radiologists spend dealing with scan requests. The findings will help design future research to consider application in real clinical settings.

Descripción general del estudio

Estado

Aún no reclutando

Tipo de estudio

De observación

Inscripción (Estimado)

900000

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: Edozie Iweka, MSc (Dist)
  • Número de teléfono: +441225386989
  • Correo electrónico: eoi29@bath.ac.uk

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

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

This study is multi-stage multi-center research involving retrospective MRI referral data of patients and collected across three NHS Foundation Trusts in the United Kingdom.

Descripción

Inclusion Criteria:

  • Patients who have had MRI examinations in the study sites
  • Patients with MRI referrals submitted through electronic referral systems
  • Patients whose MRI referrals were vetted and protocolled prior to examination

Exclusion Criteria:

  • Patients who have had other imaging examination outside the MRI
  • Patients with paper referrals scanned in electronic referral systems
  • Patients for MRI examinations without vetting and protocolling

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

  • Modelos observacionales: COHORT
  • Perspectivas temporales: RETROSPECTIVE

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
Group

Adult Patients undergoing MRI examinations

No Intervention as this is an experiment on retrospective collected referral data

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Accuracy
Periodo de tiempo: Through study completion, an average of 2 years

Accuracy of pretrained LLMs+RAG in automating vetting and protocolling of MRI examination referrals.

Through study completion, an average of 2 years

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Clinical Usefulness
Periodo de tiempo: Through study completion, an average of 2 years

Clinical usefulness of explainability reports on the performance of pretrained LLMs+RAG in automating vetting and protocolling of MRI examination referrals.

Through study completion, an average of 2 years

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Colaboradores

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 (Estimado)

1 de febrero de 2027

Finalización primaria (Estimado)

1 de abril de 2027

Finalización del estudio (Estimado)

28 de septiembre de 2029

Fechas de registro del estudio

Enviado por primera vez

28 de octubre de 2026

Primero enviado que cumplió con los criterios de control de calidad

2 de noviembre de 2026

Publicado por primera vez (Actual)

5 de noviembre de 2026

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

5 de noviembre de 2026

Última actualización enviada que cumplió con los criterios de control de calidad

2 de noviembre de 2026

Última verificación

1 de noviembre de 2026

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

NO

Descripción del plan IPD

No patient identifiable data will be collected from this study. All collected data will be held by the sponsor institution, University of Bath as per local research data policy.

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

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. .

Suscribir