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

IDEAS-AAP-järjestelmä diagnosoi akuutin vatsakivun

torstai 3. marraskuuta 2022 päivittänyt: Renmin Hospital of Wuhan University

Tietokoneavusteinen, näyttöön perustuva järjestelmä paransi valtuutettujen lääkäreiden kliinistä diagnostista tarkkuutta akuutissa vatsakivussa

Tämä on tutkimus, jolla vahvistetaan älykkään diagnostisen näyttöön perustuvan analyyttisen järjestelmän vaikutus akuutin vatsakivun lisääntymiseen. Mukana olevat lääkärit jaettiin satunnaisesti kontrolli- tai AI-avusteiseen ryhmään. Tässä kokeessa jokaisen akuutin vatsakipupotilaan koko sähköinen terveystietue jaettiin kahteen osaan, merkit ja oireet kirjattiin (mukaan lukien päävalitus, nykyinen historia, lääkärintarkastus, aiempi sairaushistoria, traumakirurgiahistoria, henkilökohtainen historia, sukuhistoria, synnytyshistoria, kuukautishistoria, verensiirtohistoria, lääkeallergiahistoria) ja lisätutkimusten tallenne (mukaan lukien laboratoriotutkimus ja radiologian raportti). Jokaisessa tapauksessa kontrolliryhmän lukijat lukevat ensin sähköisen sairauskertomuksen merkit ja oireet ja tekevät kliinisen diagnoosin. Sitten lukijoiden on päätettävä joko tilata lisätutkimusluettelo tai vahvistaa kliininen diagnoosi ilman lisätutkimuksia. Jos lukijat päättävät tilata tutkimukset, vastaavat tutkimustulokset ovat palautetta lukijoille, ja lukijat voivat sitten päättää joko jatkaa apututkimusluettelon tilaamista tai vahvistaa diagnoosin. Tällainen sykli kestää, kunnes lukija tekee vahvistavan diagnoosin. Tekoälyavusteisille lukijoille lääkäreille annettiin lisäksi IDEAS-AAP:n poimima ominaisuus, luettelo IDEAS-AAP:n ennustamista epäilyttävistä diagnooseista ja vastaavat diagnostiset kriteerit ohjeiden mukaisesti. Kun lukijat ovat saaneet tutkimustulokset, IDEAS-AAP uudistaa diagnoosiennusteensa

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Viime vuosina tieteen ja teknologian jatkuvan kehityksen myötä sairauksien ja hoitomenetelmien diagnostisten testien ja biomarkkerien valikoima on kasvanut eksponentiaalisesti, ja lääketieteellinen tieto on muuttunut yhä monimutkaisemmaksi. Tämä edellyttää, että lääkäri arvioi potilaan tilan kokonaisvaltaisesti parhaan tutkimuksen ja hoidon valitsemiseksi. Varsinaisen kliinisen ympäristön monimutkaisille oireille vastaavat sairaudet ovat kuitenkin lukuisia; Monimutkaisen ja raskaan kliinisen työn edessä potilaan sairauksien tärkeiden ominaisuuksien poimiminen nopeammin ja tarkemmin korkealaatuisen ja tarkan diagnoosin ja hoidon saavuttamiseksi on tällä hetkellä keskeinen ratkaistava ongelma. Esimerkiksi ruuansulatuksen alalla vatsakipu on yksi yleisimmistä hoitoon hakevien potilaiden kliinisistä oireista ja osa akuutista vatsakipusta, kuten maha-suolikanavan haavan perforaatio, kuristunut suolitukos, akuutti obstruktiivinen märkivä kolangiitti ja muu kiireellinen puhkeaminen, kapea hoitoaikaikkuna, korkea kuolleisuus. Kliinikoiden on tehtävä nopea diagnoosi ja erotettava ne, jotka vaativat hätäapua, ja ne, jotka eivät sitä tarvitse, jotta potilaat voidaan hoitaa oikea-aikaisesti ja välttää katastrofaaliset tapahtumat. Vatsakivun syitä on kuitenkin monia ja mekanismit ovat monimutkaisia. Lisäksi, koska kipu on subjektiivinen tunne ja siihen vaikuttavat suuresti subjektiiviset tekijät, ei ole olemassa selkeitä objektiivisia indikaattoreita, joiden avulla voitaisiin määrittää, onko kipua vai ei, ja on erittäin haastavaa diagnosoida ja tulkita vatsakipu oikein. Tätä varten kliinikon on otettava yksityiskohtainen historia ja suoritettava perusteellinen fyysinen tutkimus arvioidessaan potilaan vatsakipua. Tekoälyteknologia on viime vuosina kehittynyt nopeasti, erityisesti lääketieteen alalla on ollut laajalti sovellettua tutkimusta, joka näkyy pääasiassa sairauksien diagnosoinnissa ja erotusdiagnoosissa, ennustearvioinnissa ja kliinisen päätösten analysoinnissa. Jotkut tutkimukset ovat osoittaneet, että apupatologian ja kuvantamisdiagnoosin osalta tekoäly on saavuttanut tai jopa ylittänyt vastaavien asiantuntijoiden keskimääräisen diagnostisen tason. Suurin osa näistä tutkimuksista keskittyy kuviin perustuvaan hahmontunnistukseen, ja luonnolliseen kieleen perustuva looginen harkinta potilaskertomustietojen perusteella on vielä alustavassa kehitysvaiheessa. Ei ole olemassa asiaankuuluvia raportteja suurten potilastietojen kattavan tiedon yhdistämisestä ruoansulatuskanavan sairauksien älykkääseen ennustamiseen.

Opintotyyppi

Interventio

Ilmoittautuminen (Todellinen)

151

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

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

Opiskelupaikat

    • Hubei
      • Wuhan, Hubei, Kiina, 430060
        • Renmin Hospital of Wuhan University

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

18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Kuvaus

Sisällyttämiskriteerit:

  1. Miehet tai naiset, jotka ovat yli 18-vuotiaita;
  2. Pätevän lääketieteellisen koulutuksen ja lääkärin todistuksen saatuaan;

Poissulkemiskriteerit:

  1. Lääkärit, joilla ei ole pätevää lääketieteellistä koulutusta ja jotka eivät saaneet lääkärintodistusta;
  2. Tutkija uskoo, että koehenkilöt eivät sovellu osallistumaan kliinisiin kokeisiin.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Diagnostiikka
  • Jako: Satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: Kokeellinen: tekoälyn avustajajärjestelmällä

Lääkäreille toimitettiin lisäksi järjestelmän poimima ominaisuus, luettelo IDEAS-AAP:n ennustamista epäilyttävistä diagnooseista ja vastaavat diagnostiset kriteerit ohjeiden mukaisesti. Kun lukijat ovat saaneet tutkimustulokset, IDEAS-AAP uudistaa diagnoosiennusteensa.

IDEAS-AAP poimi ominaisuuden sähköisestä sairauskertomuksesta, tarjosi luettelon epäilyttävistä diagnooseista ja vastaavat diagnostiset kriteerit ohjeiden mukaisesti. Kun lukijat ovat saaneet tutkimustulokset, IDEAS-AAP uudistaa diagnoosiennusteensa.

AI-avusteinen diagnoosijärjestelmä voi ohjata taudin diagnoosia reaaliajassa ja auttaa lääkäriä tekemään lopullisen diagnoosin
Ei väliintuloa: Ei interventiota: ilman tekoälyn avustajajärjestelmää

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kliinisen diagnoosin tarkkuus.
Aikaikkuna: yksi viikko
Laskentatapa = oikeiden tapausten määrä / tapausten kokonaismäärä 100 %
yksi viikko

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Sairauden ennusteen tarkkuus koko sähköisen sairauskertomuksen perusteella
Aikaikkuna: yksi viikko
Laskentatapa = oikeiden tapausten määrä / tapausten kokonaismäärä 100 %
yksi viikko
Sairauden ennuste perustuu koko sähköiseen sairauskertomukseen ja kriteerien yhteensovittamiseen
Aikaikkuna: yksi viikko
Laskentatapa = oikeiden tapausten määrä / tapausten kokonaismäärä 100 %
yksi viikko
EHR-lukemisen aikakustannukset
Aikaikkuna: yksi viikko
yksi viikko

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Honggang Yu, MD, Renmin Hospital of Wuhan University

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 15. elokuuta 2022

Ensisijainen valmistuminen (Todellinen)

Torstai 1. syyskuuta 2022

Opintojen valmistuminen (Todellinen)

Lauantai 1. lokakuuta 2022

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 9. elokuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 10. elokuuta 2022

Ensimmäinen Lähetetty (Todellinen)

Torstai 11. elokuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 8. marraskuuta 2022

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Torstai 3. marraskuuta 2022

Viimeksi vahvistettu

Maanantai 1. elokuuta 2022

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • 2022K-K146(C01)

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 .

Tilaa