Tekoäly automatisoituun kliinisen tiedon tutkimiseen sähköisistä sairausrekistereistä (CardioMining-AI)
Tekoälyn käyttökelpoisuus kliinisten tietojen automaattiseen poimimiseen ja käsittelyyn sähköisistä potilaskertomuksista (CardioMining-AI)
Tutkimuksen yleiskatsaus
Tila
Yksityiskohtainen kuvaus
Huolimatta lääketieteen ja tietojenkäsittelytieteen viime vuosien nopeasta kehityksestä, lääketieteen hoito nykyaikaisessa kliinisessä käytännössä on usein empiiristä ja perustuu retrospektiiviseen tietoon. Potilaiden määrän kasvaessa ja heidän keskittymisensä suuriin korkea-asteen keskuksiin tulee houkuttelevaksi kerätä systemaattisesti kliinistä tietoa ja soveltaa niitä riskikerrostumismalleihin. Tietomäärän kasvaessa manuaalisesta tiedonkeruusta ja käsittelystä tulee kuitenkin haaste, koska tämä lähestymistapa on aikaa vievä ja kallista terveydenhuoltojärjestelmille. Lisäksi jäsentämätön tieto, kuten kliiniset muistiinpanot, kirjoitetaan hyvin usein vapaana tekstinä, joka ei sovellu suoraan analysoitavaksi. Tekoälyn käyttö on erittäin lupaavaa ja muuttaa lähivuosina nopeasti lääketieteen tulevaisuutta. Sen tarjoamien automatisoitujen prosessien ansiosta on mahdollista poimia tiedot nopeasti ja luotettavasti jatkokäsittelyä varten. Sen käytön tuloksia voidaan helposti laajentaa erilaisiin terveydenhuoltojärjestelmiin, mikä vahvistaa tuotettua tietoa ja parantaa diagnostista ja terapeuttista tarkkuutta ja vaikuttaa viime kädessä positiivisesti terveyspalveluihin. Valtavan tietomäärän kerääminen eri lähteistä potilaiden henkilötietoja vaarantamatta on nykytieteen suuri haaste.
Jälkikäteen kerätään sähköisesti rekisteröidyt kliiniset muistiinpanot korkea-asteen sairaaloiden kardiologian osastolla sairaalahoidossa olevista potilaista sekä lisätiedostoja, kuten kuhunkin sairaalahoitoon liittyvät laboratorio- ja kuvantamistutkimukset. Ottaen huomioon osallistuvien klinikoiden koon ja vuosien, jolloin sähköisten sairaalatietojen kirjaamista sähköiseen muotoon sovellettiin, potilaskertomusten otoksen arvioidaan olevan noin 60 000. Näistä sähköisistä tiedostoista poistetaan kaikki tiedot, joita voidaan mahdollisesti käyttää henkilön tunnistamiseen, kuten nimi, henkilötunnus, postinumero, asuinpaikka, ammatti. Vain ikä kirjataan, ei jokaisen potilaan tarkkaa syntymäaikaa. Vain sairaalassaolopäivät kirjataan, ei tarkkaa sairaalaan tulo- ja kotiutuspäivämäärää. Näin ollen tietoja ei voida osoittaa tietylle kohteelle, koska tutkittavista ei kerätä lisätietoja tai tunnisteita. Kun tiedostot on anonymisoitu, kunkin potilaan kliininen muistiinpano linkitetään tiettyyn avaimeen ("tunniste"). Sähköinen tiedosto, joka sisältää "tunnisteen" korrelaation potilaan kliinisen huomautuksen kanssa, tallennetaan turvalliseen sairaalan sähköiseen sijaintiin. Täysin anonymisoidut tiedostot analysoidaan aluksi manuaalisesti tietojen poimimiseksi tietokantaan, joka sisältää kaikki potilaiden kliiniset tiedot, kuten kotiutusdiagnoosit, lääkkeet, hoitoprotokollat, laboratorio- ja diagnostiset testit. Samanaikaisesti analysoidaan näyte (1/3) kliinisistä muistiinpanoista, jotta voidaan tunnistaa kuhunkin diagnoosiin liittyvät avainsanat tai lauseet (esimerkiksi eteisvärinädiagnoosi tallennetaan todennäköisesti nimellä "eteisvärinä", " AF " , jne.). Käyttämällä tätä luotua avainsanasanakirjaa ja integroimalla tekoälymenetelmiä ja tekstinlouhintaa, kuten luonnollisen kielen käsittelyä (NLP), yritetään automaattista tietojen ja diagnoosien poimimista näistä sähköisistä lääketieteellisistä muistiinpanoista. Laskentamenetelmien luotettavuus ja tarkkuus arvioidaan sisäisesti vertaamalla automaattisesti poimittuja tietoja manuaalisesti tallennettuihin tietoihin. Lisäksi näiden laskennallisten menetelmien luotettavuus ja tarkkuus arvioidaan ulkoisesti soveltaen näitä menetelmiä 2/3 kliinisistä muistiinpanoista, joissa avainsanojen ja tiettyjen diagnoosien välistä yhteyttä ei yritetty.
Kreikan osalta tämän tutkimuksen tavoitteena on olla ensimmäinen, joka analysoi tekoälyn hyödyllisyyttä potilaiden lääketieteellisistä kliinisistä muistiinpanoista strukturoimattoman kliinisen tiedon automaattisessa poimimisessa ja käsittelyssä. Tämän tutkimuksen tuloksilla on myönteinen vaikutus:
- laajamittaisten tietojen analysointi- ja käsittelymenettelyjen automatisointi
- kliinisen tiedon nopea epidemiologinen kirjaaminen ja hyödyntäminen
- sairauksien varhainen diagnosointi
- fenotyyppisten potilasprofiilien kehittäminen, jotka voisivat hyötyä kohdistetuista hoidoista
- kliinisten päätösten tukijärjestelmien kehittäminen, jotka antavat tietoa potilaiden mahdollisesta kliinisestä kulusta sairaalasta kotiutumisen jälkeen ja auttavat lääketieteellisiä päätöksiä
- suurten sydän- ja verisuonitautien ennustemallien kehittäminen ja validointi
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: George Giannakoulas, MD, PhD
- Puhelinnumero: +30 2310994830
- Sähköposti: ggiannakoulas@auth.gr
Tutki yhteystietojen varmuuskopiointi
- Nimi: Athanasios Samaras, MD
- Puhelinnumero: +30 2310994830
- Sähköposti: ath.samaras.as@gmail.com
Opiskelupaikat
-
-
-
Alexandroupoli, Kreikka
- Ei vielä rekrytointia
- University Cardiology Clinic, Democritus University of Thrace
-
Ottaa yhteyttä:
- George Chalikias, MD, PhD
- Sähköposti: gchaliki@med.duth.gr
-
Ottaa yhteyttä:
- Dimitrios Tziakas, MD, PhD
-
Athens, Kreikka
- Rekrytointi
- 1st Department of Cardiology, Hippokration General Hospital
-
Ottaa yhteyttä:
- George Lazaros, MD, PhD
- Sähköposti: glaz35@hotmail.com
-
Ottaa yhteyttä:
- Konstantinos Tsioufis, MD, PhD
-
Heraklion, Kreikka
- Ei vielä rekrytointia
- Department of Cardiology, Heraklion University Hospital
-
Ottaa yhteyttä:
- Alexandros Patrianakos, MD, PhD
- Sähköposti: apatrianakos@yahoo.gr
-
Ottaa yhteyttä:
- Alexandros Patrianakos, MD, PhD
-
Larissa, Kreikka
- Rekrytointi
- University General Hospital of Larissa, University of Thessaly
-
Ottaa yhteyttä:
- Gregory Giamouzis, MD, PhD
- Sähköposti: grgiamouzis@gmail.com
-
Ottaa yhteyttä:
- Gregory Giamouzis, MD, PhD
-
Patras, Kreikka
- Rekrytointi
- Department of Cardiology, University of Patras Medical School
-
Ottaa yhteyttä:
- Periklis Davlouros, MD, PhD
- Sähköposti: pdav@upatras.gr
-
Ottaa yhteyttä:
- Periklis Davlouros, MD, PhD
-
Thessaloniki, Kreikka
- Ei vielä rekrytointia
- 3rd Cardiology Department, Hippokration Hospital
-
Ottaa yhteyttä:
- Vassilios Vassilikos, MD, PhD
- Sähköposti: vvassil@auth.gr
-
Ottaa yhteyttä:
- Vassilios Vassilikos, MD, PhD
-
Thessaloniki, Kreikka
- Rekrytointi
- Cardiology Department, George Papanikolaou General Hospital
-
Ottaa yhteyttä:
- John Zarifis, MD, PhD
- Sähköposti: zarifis.john@gmail.com
-
Ottaa yhteyttä:
- John Zarifis, MD, PhD
-
Thessaloníki, Kreikka, 54636
- Rekrytointi
- 1st Cardiology Department, AHEPA University Hospital
-
Ottaa yhteyttä:
- Athanasios Samaras, MD, PhD
- Sähköposti: ath.samaras.as@gmail.com
-
Ottaa yhteyttä:
- George Giannakoulas, MD, PhD
-
Thessaloníki, Kreikka
- Rekrytointi
- Laboratory of Medical Physics, Aristotle University of Thessaloniki
-
Ottaa yhteyttä:
- Panagiotis Bamidis, Prof
- Sähköposti: pdbamidis@gmail.com
-
Ottaa yhteyttä:
- Panagiotis Bamidis, Prof
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Sairaalapotilaat kardiologian osastoilla Kreikassa
- Potilaat, joiden sairaustiedot on tallennettu sähköisesti kunkin sairaalan tietokoneisiin/tietojärjestelmiin
Poissulkemiskriteerit:
- Potilaat, jotka kuolivat sairaalahoidon aikana, joten kotiutuskirjettä ei lähetetty
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Havaintomallit: Kohortti
- Aikanäkymät: Takautuva
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tekoälyn tarkkuus poimimaan automaattisesti kliiniset tiedot potilaiden potilaskertomuksista verrattuna perinteisiin manuaalisiin tiedonpoimintamenetelmiin
Aikaikkuna: 1 vuosi
|
Kliinisen tiedon (sairaushistoria, kotiutusdiagnoosit, lääkitys jne.) tarkka poimiminen strukturoimattomista kliinisistä muistiinpanoista käyttämällä automatisoituja tekoälymenetelmiä verrattuna perinteisiin manuaalisen tiedon poiminnan menetelmiin
|
1 vuosi
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kaiken aiheuttaman kuolleisuuden aika
Aikaikkuna: enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
Aika (kuukautta) kuolemaan mistä tahansa syystä seurantajakson aikana
|
enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
|
Aika sattua vakaviin sydän- ja verisuonisairauksiin
Aikaikkuna: enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
Aika (kk) sydämen vajaatoiminnan, diabeteksen tai sepelvaltimotaudin kehittymiseen seurantajakson aikana
|
enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
|
Aika uudelleensairaalaan kardiovaskulaarisista syistä
Aikaikkuna: enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
Aika (kuukautta) kardiovaskulaarisista syistä johtuvaan uudelleen sairaalahoitoon seurantajakson aikana
|
enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
|
Aika aivohalvaukseen tai systeemiseen emboliaan
Aikaikkuna: enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
Aika (kuukautta) aivohalvaukseen tai systeemiseen emboliaan seurantajakson aikana
|
enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
|
Aika akuuttiin sepelvaltimotautiin
Aikaikkuna: enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
Aika (kk) akuuttiin sepelvaltimotautiin seurantajakson aikana
|
enintään 8 vuotta (sairaalasta kotiuttamisesta opintojen ensisijaiseen päättymispäivään)
|
Yhteistyökumppanit ja tutkijat
Sponsori
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Madani A, Arnaout R, Mofrad M, Arnaout R. Fast and accurate view classification of echocardiograms using deep learning. NPJ Digit Med. 2018;1:6. doi: 10.1038/s41746-017-0013-1. Epub 2018 Mar 21.
- Johnson KW, Torres Soto J, Glicksberg BS, Shameer K, Miotto R, Ali M, Ashley E, Dudley JT. Artificial Intelligence in Cardiology. J Am Coll Cardiol. 2018 Jun 12;71(23):2668-2679. doi: 10.1016/j.jacc.2018.03.521.
- Krittanawong C, Zhang H, Wang Z, Aydar M, Kitai T. Artificial Intelligence in Precision Cardiovascular Medicine. J Am Coll Cardiol. 2017 May 30;69(21):2657-2664. doi: 10.1016/j.jacc.2017.03.571.
- Boag W, Doss D, Naumann T, Szolovits P. What's in a Note? Unpacking Predictive Value in Clinical Note Representations. AMIA Jt Summits Transl Sci Proc. 2018 May 18;2017:26-34. eCollection 2018.
- Hashir M, Sawhney R. Towards unstructured mortality prediction with free-text clinical notes. J Biomed Inform. 2020 Aug;108:103489. doi: 10.1016/j.jbi.2020.103489. Epub 2020 Jun 25.
- Diller GP, Kempny A, Babu-Narayan SV, Henrichs M, Brida M, Uebing A, Lammers AE, Baumgartner H, Li W, Wort SJ, Dimopoulos K, Gatzoulis MA. Machine learning algorithms estimating prognosis and guiding therapy in adult congenital heart disease: data from a single tertiary centre including 10 019 patients. Eur Heart J. 2019 Apr 1;40(13):1069-1077. doi: 10.1093/eurheartj/ehy915.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- 545/19.11.2021
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
IPD-jakamista tukeva tietotyyppi
- STUDY_PROTOCOL
- MAHLA
- ANALYTIC_CODE
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Yhdysvalloissa valmistettu ja sieltä viety tuote
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 .