- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06525025
Perinteisen kiinalaisen lääketieteen kliinisen diagnoosi- ja hoitotietokannan rakentaminen
Perinteisen kiinalaisen lääketieteen kliinisen diagnoosi- ja hoitotietokannan rakentaminen: tuleva monikeskustutkimus
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Suurten kielimallien tekniset periaatteet ovat linjassa perinteisen kiinalaisen lääketieteen (TCM) empiiristen lääketieteellisten periaatteiden kanssa, ja suurten mallien teknologian nousu voi edistää suuresti TCM:n etenemistä. Tällä hetkellä on kuitenkin puute kliinisistä diagnoosi- ja hoitotietokannoista, joissa on TCM-ominaisuuksia TCM-tekoälyn (AI) suurten mallien kouluttamiseen.
Tällä hetkellä ei ole vielä perustettu laajamittaista kielen kuvatietokantaa yleisten TCM-kielten esiintymisen mallintamiseksi, mikä varmistaa TCM-diagnoosin tarkkuuden ja johdonmukaisuuden ja edistää TCM-diagnostiikan kehityksen objektiivista standardointia.
Ottaen huomioon kliinisen työn koehenkilöiltä saaman palautteen siitä, että TCM-konstituutiokyselylomakkeen volyymi on suuri, kestää kauan ja sisältää tiettyjä subjektiivisia kysymyksiä, aiomme toteuttaa laajan kliinisen havainnointitutkimuksen TCM:n muodostumisprosessin optimoimiseksi. henkilöllisyystodistus.
Perinteisen kiinalaisen lääketieteen (TCM) lääkärin ja potilaan vuoropuhelut ja sairauskertomusten kirjoittaminen ovat olennaisia kokonaisuuksia, jotka syntyvät TCM-diagnoosin ja -hoidon aikana. Lääkärin ja potilaan väliseen dialogiin perustuvalla konsultaatiolla, potilaskertomusten luomisessa ja hoitosuunnitelmasuosituksissa on merkittävä kliininen ja tutkimusarvo. Siksi aiomme kerätä suuren määrän lääkärin ja potilaan välisiä dialogeja ja avohoitoon liittyviä potilastietoja luodaksemme lääkärin ja potilaan välisen dialogin tietokannan ja valmistautuaksemme etukäteen interaktiivisten laajamittaisten TCM-mallien optimointiin.
Yhteenvetona voidaan todeta, että TCM-kliinisen diagnoosi- ja hoitotietokannan rakentamisen tutkimuksella on tärkeä kliininen ja tieteellinen tutkimusarvo. Tämä auttaa parantamaan TCM-diagnoosin ja -hoidon standardointia ja normalisointia sekä tukee TCM:n modernisointia ja kansainvälistymistä. Big data-analyysiä ja tekoälyteknologiaa soveltamalla on mahdollista syventää TCM-diagnoosi- ja hoitotietoa ja tarjota monipuolisempia ja tarkempia tietoresursseja kliiniseen päätöksentekoon ja tieteelliseen tutkimustutkimukseen TCM:ssä.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Yulong Zhang, Doctor
- Puhelinnumero: 18810550602
- Sähköposti: zhongxiyi1101@163.com
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Ihmiset, jotka tulevat sairaalaan fyysistä tarkastusta ja lääketieteellistä hoitoa varten;
- Osallistujat osallistuvat tutkimukseen vapaaehtoisesti.
Poissulkemiskriteerit:
- Kohteet, joilla on vaikeuksia kielen ojentamisessa, kommunikaatiossa jne., jotka eivät voi tehdä yhteistyötä tiedonkeruun kanssa;
- Tutkijat päättelivät, että oli muita tekijöitä, jotka saattoivat pakottaa koehenkilöt lopettamaan tutkimuksen.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Perinteinen kiinalainen lääketiede Tongue Image Group
Sisäisesti satunnaisallokaatiolla, jaettu koulutusryhmään ja validointiryhmään
|
Havainnointitutkimus, ei interventio
|
|
Perinteisen kiinalaisen lääketieteen perustuslakiryhmä
Sisäisesti satunnaisallokaatiolla, jaettu koulutusryhmään ja validointiryhmään
|
Havainnointitutkimus, ei interventio
|
|
Perinteisen kiinalaisen lääketieteen lääkärin potilasvuoropuhelun tietoryhmä
Tiedot, joita käytetään perinteisen kiinalaisen lääketieteen mallien hienosäätöön
|
Havainnointitutkimus, ei interventio
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kielen kuvapohjaisen koneoppimistyökalun kehittäminen
Aikaikkuna: 20 kuukautta
|
|
20 kuukautta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
TCM Constitution Multimodaalinen malli
Aikaikkuna: 20 kuukautta
|
|
20 kuukautta
|
Muut tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Perinteisen kiinalaisen lääketieteen (TCM) lääkäri-potilasvuoropuhelutietokanta
Aikaikkuna: 20 kuukautta
|
|
20 kuukautta
|
Yhteistyökumppanit ja tutkijat
Tutkijat
- Päätutkija: Qi Zeng, Doctor, Fifth Affiliated Hospital, Sun Yat-Sen University
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Yuan L, Yang L, Zhang S, Xu Z, Qin J, Shi Y, Yu P, Wang Y, Bao Z, Xia Y, Sun J, He W, Chen T, Chen X, Hu C, Zhang Y, Dong C, Zhao P, Wang Y, Jiang N, Lv B, Xue Y, Jiao B, Gao H, Chai K, Li J, Wang H, Wang X, Guan X, Liu X, Zhao G, Zheng Z, Yan J, Yu H, Chen L, Ye Z, You H, Bao Y, Cheng X, Zhao P, Wang L, Zeng W, Tian Y, Chen M, You Y, Yuan G, Ruan H, Gao X, Xu J, Xu H, Du L, Zhang S, Fu H, Cheng X. Development of a tongue image-based machine learning tool for the diagnosis of gastric cancer: a prospective multicentre clinical cohort study. EClinicalMedicine. 2023 Feb 6;57:101834. doi: 10.1016/j.eclinm.2023.101834. eCollection 2023 Mar.
- Tian F, Liu D, Wei N, Fu Q, Sun L, Liu W, Sui X, Tian K, Nemeth G, Feng J, Xu J, Xiao L, Han J, Fu J, Shi Y, Yang Y, Liu J, Hu C, Feng B, Sun Y, Wang Y, Yu G, Kong D, Wang M, Li W, Chen K, Li X. Prediction of tumor origin in cancers of unknown primary origin with cytology-based deep learning. Nat Med. 2024 May;30(5):1309-1319. doi: 10.1038/s41591-024-02915-w. Epub 2024 Apr 16.
- Tan Y, Zhang Z, Li M, Pan F, Duan H, Huang Z, Deng H, Yu Z, Yang C, Shen G, Qi P, Yue C, Liu Y, Hong L, Yu H, Fan G, Tang Y. MedChatZH: A tuning LLM for traditional Chinese medicine consultations. Comput Biol Med. 2024 Apr;172:108290. doi: 10.1016/j.compbiomed.2024.108290. Epub 2024 Mar 13.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
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
Muut tutkimustunnusnumerot
- ZDWY.ZYZLK.009
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .