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

Multimodaalisen suuren kielimallin soveltaminen HFpEF:ssä (MeG-HFpEF)

torstai 27. kesäkuuta 2024 päivittänyt: Tang Yida, Peking University Third Hospital

Multimodaalisen suuren kielen mallin käyttö sydämen vajaatoiminnan diagnosoinnissa säilyneen ejektiofraktion avulla

Tämä tutkimus vahvistaa multimodaalisen suuren kielimallin tehokkuuden seuloa sydämen vajaatoimintaa säilöttyllä ejektiofraktiolla (HFpEF) vertaamalla sitä perinteiseen kliiniseen standardoituun arviointiprosessiin.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Sydämen vajaatoiminta on monien sydänsairauksien merkittävä komplikaatio ja johtava sydän- ja verisuoniperäisten kuolemien syy maailmanlaajuisesti. Vasemman kammion ejektiofraktion (LVEF) perusteella sydämen vajaatoiminta voidaan jakaa sydämen vajaatoimintaan, jossa on pienentynyt ejektiofraktio (HFrEF), sydämen vajaatoimintaan, jossa on säilynyt ejektiofraktio (HFpEF) ja sydämen vajaatoimintaan, jossa on lievästi alentunut ejektiofraktio (HFmrEF). Sydämen vajaatoiminnan uudelleenhospitaatioiden ja sairaalan sisäisten komplikaatioiden määrä ei eronnut HFrEF:n ja HFpEF:n välillä. Kahden viime vuosikymmenen aikana HFrEF:n eloonjäämisaste on kuitenkin parantunut merkittävästi, kun taas HFpEF on pysynyt paikallaan. Yksi suurimmista syistä tähän on se, että HFpEF:n diagnostinen prosessi on monimutkainen, ja klinikalla on helppo aiheuttaa diagnoosin puuttuminen, mikä johtaa hoidon viivästymiseen.

Multimodaaliset suuret kielimallit pystyvät integroimaan ja analysoimaan lääketieteellistä dataa eri lähteistä, mukaan lukien tekstidata (esim. potilastiedot, lääketieteellinen kirjallisuus), kuvadata (esim. EKG, CT-skannauskuvat) ja äänidata (esim. potilaat). Tämä multimodaalinen tietojen integrointikyky on ratkaisevan tärkeä monimutkaisten lääketieteellisten skenaarioiden ymmärtämisessä, koska se tarjoaa kattavamman kuvan tilasta kuin yksittäinen tietolähde.

HFpEF:n diagnosointi on monien haasteiden edessä ja vaatii kliinikoilta arviota moniulotteisista tiedoista, mikä voi helposti johtaa taudin ali- ja väärään diagnoosiin. Generatiivisena tekoälyn työkaluna suuri kielimalli pystyy integroimaan ja analysoimaan eri lähteistä peräisin olevaa dataa ja sillä on kyky oppia ja kehittyä olemassa olevista kliinisistä todisteista. Tämän perusteella tässä tutkimuksessa on tarkoitus arvioida multimodaalisen suuren kielen mallin tehokkuutta sydämen vajaatoiminnan seulonnassa säilytetyllä ejektiofraktiolla (HFpEF) vertaamalla sitä perinteiseen kliinisen standardin arviointiprosessiin.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

80

Yhteystiedot ja paikat

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

Opiskeluyhteys

Opiskelupaikat

    • Beijing
      • Beijing, Beijing, Kiina
        • Rekrytointi
        • Peking UniversityThird 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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Koehenkilöt rekrytoidaan kardiologian osastolla rutiininomaisesti sairaalahoidossa olevista potilaista, jotka täyttivät myös tämän tutkimuksen tarpeet ja joita ei rekrytoida erikseen.

Kuvaus

Sisällyttämiskriteerit:

  1. Ikä 18-80 vuotta, mies tai nainen;
  2. Kardiologiapotilaat, joilla epäillään sydämen vajaatoimintaa ja säilynyt ejektiofraktio (sydämen ultraääni, joka viittaa LVEF:ään ≥50 % ja vähintään 1 seuraavista: 1, vasemman kammion hypertrofia ja/tai vasemman eteisen laajentuminen; ja 2, poikkeava sydämen diastolinen toiminta);
  3. Nykyinen tai aikaisempi ainakin yksi sydämen vajaatoiminnan oire, mukaan lukien hengenahdistus (mukaan lukien rasituksen aiheuttama hengenahdistus, yöllinen kohtauksellinen hengenahdistus ja telangiektasia), huonovointisuus, pahoinvointi ja molemminpuolinen alaraajojen turvotus;
  4. Vapaaehtoinen osallistuminen ja allekirjoitettu tietoinen suostumus.

Poissulkemiskriteerit:

  1. Akuutti sydämen vajaatoiminta tai kroonisen sydämen vajaatoiminnan akuutti paheneminen;
  2. Vaikea sepelvaltimon ahtauma (≥75 % ahtauma) ilman revaskularisaatiota;
  3. Potilaat, jotka eivät pysty suorittamaan rasitusstressikardiografiaa tai joilla on vasta-aiheita testille;
  4. osallistuvat muihin kliinisiin tutkimuksiin;
  5. Ne, joilla on maksan, munuaisten tai hematologisen järjestelmän vakavia orgaanisia patologioita tai joilla on kroonisia sairauksia;
  6. Ne, jotka eivät pysty noudattamaan oikeudenkäyntimenettelyjä;
  7. Ne, jotka kieltäytyvät allekirjoittamasta tietoista suostumusta.

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
yksittäinen ryhmä

Ensin suoritettiin rutiinikonsultaatioprosessi: Kiinan asiantuntijakonsensuksen vuoden 2023 painoksen suositellusta sydämen vajaatoiminnan diagnosoinnista ja hoidosta säilytetyllä ejektiofraktiolla hoitava kardiologi suoritti tutkittavan kliinisten kriteerien arvioinnin ja suoritti HFpEF-diagnoosin ( kyllä ​​ei).

Hoitavan lääkärin tarkastuskäynnin aikana multimodaalinen laajakielinen malliseulontajärjestelmä (MedGuide-72B) keräsi rutiinikäyntitietoja, tallensi asiaankuuluvat tiedot ja indikaattorit potilaan yhteydenpidosta MedGuide-72B:n kanssa ja teki diagnoosin.

Sydämen vajaatoiminnan diagnoosi säilytetyllä ejektiofraktiolla (HFpEF) käyttämällä multimodaalista suurkielimallia MedGuide-72B.
Rutiininomainen diagnostinen ja terapeuttinen toimenpide

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
diagnostinen spesifisyys
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
Dianostinen spesifisyyden vertailu rutiinidiagnoosin ja terapian ja laajan kielimallin diagnoosin välillä
opintojen päätyttyä keskimäärin 8 kuukautta
dignostinen herkkyys
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
Dianostisen herkkyyden vertailu rutiinidiagnoosin ja terapian ja laajan kielimallin diagnoosin välillä
opintojen päätyttyä keskimäärin 8 kuukautta

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
johdonmukaisuusaste
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
rutiinidiagnoosin ja terapian sekä laajan kielimallin diagnoosin välinen johdonmukaisuusaste
opintojen päätyttyä keskimäärin 8 kuukautta
diagnoosiin käytetty aika
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
diagnoosiin käytetyn ajan vertailu rutiinidiagnoosin ja terapian ja laajan kielimallin diagnoosin välillä
opintojen päätyttyä keskimäärin 8 kuukautta
potilastyytyväisyys
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
potilastyytyväisyyden vertailu rutiinidiagnoosin ja hoidon ja laajan kielimallin diagnoosin välillä kyselylomakkeella
opintojen päätyttyä keskimäärin 8 kuukautta
taloudellinen kustannusanalyysi
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
rutiinidiagnoosin ja hoidon sekä laajan kielimallin diagnoosin taloudellisten kustannusten vertailu hoidon kokonaiskustannuksilla
opintojen päätyttyä keskimäärin 8 kuukautta
väärien löytöjen määrä
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
rutiinidiagnoosin ja hoidon sekä laajan kielimallin diagnoosin väärien löydösten määrän vertailu
opintojen päätyttyä keskimäärin 8 kuukautta
lääkärin työmäärän arviointi
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
lääkärin työtaakan vertailu rutiinidiagnoosin ja terapian ja laajan kielimallin diagnoosin välillä hoitoon liittyvien osallistujien lukumäärän mukaan
opintojen päätyttyä keskimäärin 8 kuukautta
diagnoosin tehokkuutta
Aikaikkuna: opintojen päätyttyä keskimäärin 8 kuukautta
Tarkkuuden todennäköisyys verrattuna potilaan käynnin lopulliseen diagnoosiin
opintojen päätyttyä keskimäärin 8 kuukautta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

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)

Keskiviikko 20. joulukuuta 2023

Ensisijainen valmistuminen (Arvioitu)

Perjantai 20. joulukuuta 2024

Opintojen valmistuminen (Arvioitu)

Perjantai 20. joulukuuta 2024

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 22. joulukuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 27. kesäkuuta 2024

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 3. heinäkuuta 2024

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 3. heinäkuuta 2024

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Torstai 27. kesäkuuta 2024

Viimeksi vahvistettu

Lauantai 1. kesäkuuta 2024

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

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