Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Vapaan tekstin ennustusalgoritmi umpilisäkkeen tulehdukselle

tiistai 2. maaliskuuta 2021 päivittänyt: National University Hospital, Singapore

Tulevaisuuden tutkimus umpilisäkkeen vapaan tekstin diagnoosin ennustusalgoritmista päivystysosastolla

Tietokoneavusteisia diagnostiikkaohjelmistoja on käytetty lääkäreiden apuna monin eri tavoin. Tekstipohjaisia ​​ennustusalgoritmeja on koulutettu aiempien potilastietojen perusteella tiedon louhinnan ja ominaisuusanalyysin avulla. Tällä hetkellä kaikki tekstipohjaiset koneoppimisen ennustusongelmamallit on rakennettu erotetulle datalle, eikä vapaaseen tekstiin perustuvia ennustusalgoritmeja ole tutkittu. Tämän tutkimuksen tavoitteena on selvittää vapaan tekstin ennustusalgoritmin tarkkuus umpilisäkkeen tulehduksen todennäköisyyden ennustamisessa potilailla, jotka hakeutuvat päivystykseen vatsakipujen ja maha-suolikanavan oireiden vuoksi.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Sellaisten koneoppimismallien kehittäminen, joilla on vahva ennustevoima umpilisäkkeen tulehduksen diagnosoinnissa lääkärin syöttämän vapaan tekstin avulla, voi parantaa lääkäreiden diagnostista tarkkuutta. Se tarjoaa myös mahdollisuuden käyttää ennustusalgoritmeja parantamaan rutiinihoitoa. Tulevaisuudessa useita koneoppimismalleja voidaan yhdistää ennustetarkkuuden lisäämiseksi ja ennustealgoritmeja voidaan laajentaa muihin diagnooseihin.

18 000 ensiapuosaston esittelytapausta 10 vuoden aikana käytettiin koulutus- ja validointitietoaineistona. Umpilisäkkeen tulehduksen ennustemallin kehittämiseen käytettiin syväoppivia hermoverkkoja, joissa oli räätälöity lääketieteellinen ontologia. Mallin diagnostinen tarkkuus ilmaistaan ​​herkkyydellä (recall), spesifisyydellä ja F1-pisteellä (harmoninen keskiarvo). Kehitetty diagnoosin ennustava malli osoittaa korkeaa herkkyyttä (86,3 %), spesifisyyttä (91,9 %) ja F1-pistemäärää (88,8) vatsakipuja kärsivien potilaiden umpilisäkkeen tulehduksen diagnosoinnissa.

Ennustava mallialgoritmi korostaa myös vapaassa tekstissä (hoitavan lääkärin syöttämät) sanat, joille se antaa suuremman todennäköisyyden tuloksen ennustamiselle. Lääkäreitä neuvotaan antamaan umpilisäkkeen tulehduksen prosenttiosuus kliinisen esityksen ja käytettävissä olevien laboratoriotutkimusten perusteella. Sitten lääkärille näytetään algoritmin ennuste sekä korostetut sanat syötetylle potilaalle. Hänen on sitten annettava toinen ennuste umpilisäkkeen tulehduksen todennäköisyydestä nähtyään algoritmin luoman ennusteen.

Tavoitteena on arvioida algoritmin suorituskykyä ja arvioida, voiko algoritmin käyttö auttaa päivystyslääkäreitä parantamaan umpilisäkkeentulehduksen diagnoosiaan. Ennustetulokset taulukoidaan algoritmin tarkkuuden arvioimiseksi, lääkärit ennen algoritmin syöttämistä ja lääkärit algoritmin syöttämisen jälkeen. Tarkkuus ilmaistaan ​​herkkyydellä, spesifisyydellä, tarkkuudella, positiivisella ennustearvolla, F1-pisteellä ja F0,5-pisteellä.

Noin 100 ensiapulääkäriä rekrytoidaan vuoden aikana tutkimukseen osallistujiksi. Lääkärit jaetaan satunnaisesti kahteen ryhmään - algoritmihaaraan ja ei-algoritmia käsittävään ryhmään. Satunnaistaminen tapahtuu ajan mukaan (viikoittain) käyttämällä muuttuvan lohkon satunnaistamista 4 ja 6. Potilaita seurataan lopullisia kotiutusdiagnooseja varten.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

689

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

      • Singapore, Singapore, 119074
        • National University Hospital

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

21 vuotta - 99 vuotta (AIKUINEN, OLDER_ADULT)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Hoitavia lääkäreitä rekrytoidaan tutkimukseen osallistujiksi ja satunnaistetaan viikoittain "algoritmin käyttöön" verrattuna "ei algoritmin käyttöä".

Potilaiden, jotka täyttivät yllä olevat kelpoisuusehdot, tiedot kerätään ja syötetään ennakoivaan algoritmiin.

Kuvaus

Lääkäreiden kelpoisuusehdot - Sisällytämiskriteerit: Päivystyspoliklinikalla työskentelevät nuoret lääkärit Poissulkemiskriteerit: suostumuksen epääminen

Potilaiden kelpoisuuskriteerit -

Sisällyttämiskriteerit:

  • Vatsakipujen esiintyminen, TAI
  • Ruoansulatuskanavan oireet, kuten pahoinvointi, oksentelu tai ripuli, TAI
  • Kuume ja anoreksia

Poissulkemiskriteerit:

  • Aiempi umpilisäkkeen poistohistoria
  • Suostumuksen epääminen

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Algoritmin käytöllä
Vapaan tekstin ennustusohjelmisto, joka ennustaa akuutin umpilisäkkeen tulehduksen todennäköisyyden
Ei algoritmin käyttöä

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Akuutin umpilisäkkeen ennustusalgoritmin tarkkuus
Aikaikkuna: 30 päivää
Ennustavan algoritmin tarkkuus ja algoritmin syöttämien lääkäreiden tarkkuus akuutin umpilisäkkeen tulehduksen diagnosoinnissa
30 päivää

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Kee Yuan Ngiam, Dr, National University Hospital, Singapore

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (TODELLINEN)

Maanantai 4. joulukuuta 2017

Ensisijainen valmistuminen (TODELLINEN)

Maanantai 1. heinäkuuta 2019

Opintojen valmistuminen (TODELLINEN)

Keskiviikko 1. heinäkuuta 2020

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 23. tammikuuta 2018

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 23. tammikuuta 2018

Ensimmäinen Lähetetty (TODELLINEN)

Tiistai 30. tammikuuta 2018

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (TODELLINEN)

Keskiviikko 3. maaliskuuta 2021

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 2. maaliskuuta 2021

Viimeksi vahvistettu

Maanantai 1. maaliskuuta 2021

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

IPD-suunnitelman kuvaus

Yksittäisten osallistujien tietoja ei luovuteta muiden tutkijoiden käyttöön.

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Kliiniset tutkimukset Vatsakipu

Tilaa