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

Tekoälyn tukeman murtuman havaitsemisen arviointi ensiapuyksiköissä

tiistai 20. tammikuuta 2026 päivittänyt: Martin Breitwieser, Salzburger Landeskliniken

Tekoälyn tukeman murtuman havaitsemisen kustannustehokkuuden ja työnkulun vaikutusten arviointi ortopedisessa ensiapuyksikössä

Lyhyt yhteenveto Tämän tutkimuksen tarkoituksena on selvittää, voiko tekoäly (AI) auttaa lääkäreitä havaitsemaan murtuneet luut nopeammin ja tarkemmin ensiapupoliklinikalla. Tutkimuksessa arvioidaan myös, voiko tekoäly säästää aikaa ja vähentää terveydenhuollon kustannuksia.

Tärkeimmät käsiteltävät kysymykset ovat:

Parantaako tekoäly murtuneiden luiden havaitsemisen tarkkuutta? Voiko tekoäly nopeuttaa murtuneiden luiden diagnosointia? Vähentääkö tekoäly terveydenhuollon kustannuksia tehostamalla?

Näiden kysymysten tutkimiseksi verrataan kahta potilasryhmää. Yksi ryhmä noudattaa perinteistä diagnostista lähestymistapaa, kun taas toinen ryhmä käyttää tekoälyä auttamaan murtuneiden luiden diagnosoinnissa.

Tutkimukseen osallistuvat:

Suorita tavallinen röntgenkuvaus loukkaantuneista käsistä tai jaloista osana rutiinihoitoa.

Anna lääkäreiden tarkastaa röntgenkuvat tekoälyn tuella tai ilman, määrätystä ryhmästä riippuen.

Tutkimukseen osallistuu 18-vuotiaita ja sitä vanhempia aikuisia, jotka saapuvat ensiapuun epäiltynä luunmurtumana. Muita testejä tai hoitoja ei tehdä normaalin hoidon lisäksi.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Tämän kliinisen tutkimuksen tavoitteena on arvioida tekoälyavusteisen murtuman havaitsemisen kustannustehokkuutta ja työnkulkuvaikutuksia ortopedisessa ensiapuyksikössä. Tutkimus on suunniteltu prospektiiviseksi, satunnaistetuksi, kontrolloiduksi tutkimukseksi, jolla arvioidaan, voiko tekoälyteknologian integrointi parantaa diagnostista tarkkuutta, virtaviivaistaa työnkulkua ja vähentää terveydenhuollon kustannuksia verrattuna perinteiseen diagnostiseen lähestymistapaan.

Opintojen tavoitteet

Ensisijaiset tavoitteet:

Arvioida tekoälyavusteisen murtuman havaitsemisen diagnostista tarkkuutta, mitattuna herkkyydellä, spesifisyydellä ja vastaanottimen toimintakäyrän alla olevalla alueella (AUC).

Arvioi tekoälyn vaikutus diagnoosin tekemiseen tarvittavaan aikaan. Määrittää mahdolliset kustannussäästöt, jotka liittyvät tekoälyn käyttöön murtumien havaitsemisessa.

Toissijaiset tavoitteet:

Analysoida tekoälytuen vaikutusta lääkärin luottamusta diagnoosiin. Tutkia tekoälyjärjestelmän suorituskykyä erityyppisissä murtumissa ja anatomisissa paikoissa.

Arvioida potilaan tuloksia ja diagnostiikkaprosessiin liittyvää tyytyväisyyttä.

Opintojen suunnittelu

Tämä on prospektiivinen, satunnaistettu, kontrolloitu tutkimus, joka suoritetaan yhden keskuksen ortopedisessa ensiapuyksikössä. Tutkimus sisältää kaksi rinnakkaista haaraa:

Ohjausryhmä: Vakiodiagnostiikkatoimenpiteet ilman tekoälyn apua. Intervention Group: Tekoälypohjaiset diagnostiset työkalut auttavat tulkitsemaan radiologisia kuvia murtumien havaitsemiseksi.

Molemmat ryhmät noudattavat samaa diagnostista kuvantamisprotokollaa, mukaan lukien tavallinen röntgenkuvaus kahdessa tasossa. Tekoälyohjelmisto, joka on valmiiksi validoitu murtumien havaitsemiseen, integroidaan sairaalan Picture Archiving and Communication System (PACS) -järjestelmään.

Intervention tiedot

Tekoälyjärjestelmä (Aidoc) on suunniteltu tunnistamaan murtumakuviot röntgensäteillä ja tuomaan esiin alueita, jotka voivat aiheuttaa huolta lääkärin arvioinnissa. Ohjelmisto toimii reaaliajassa ja tarjoaa merkittyjä kuvia lääkäreille. Tekoälytuloste toimii diagnostisena apuvälineenä, ja lopullisen diagnoosin tekee hoitava lääkäri.

Populaatio ja otanta

Väestö: Vähintään 18-vuotiaat aikuiset, jotka hakeutuvat ensiapuun, joilla epäillään yksittäisiä raajamurtumia.

Otoskoko: Noin 1 400 osallistujaa (700 per ryhmä), jotta varmistetaan riittävä tilastollinen teho ensisijaisille tuloksille.

Satunnaistaminen: Osallistujat jaetaan satunnaisesti kontrolli- tai interventioryhmään käyttämällä jakosuhdetta 1:1. Satunnaistaminen ositetaan hoitavan lääkärin kokemustason mukaan diagnostisen tarkkuuden vaihtelun hallitsemiseksi.

Tulostoimenpiteet

Ensisijaiset tulostoimenpiteet:

Diagnostinen tarkkuus: AI-avusteisen diagnoosin herkkyys, spesifisyys ja AUC verrattuna perinteiseen diagnoosiin.

Aika diagnoosiin: Kokonaisaika potilastutkimuksesta lopulliseen diagnoosiin.

Toissijaiset tulostoimenpiteet:

Kustannusanalyysi: Yksityiskohtainen kustannusvertailu diagnostiikkaprosessista molemmissa ryhmissä.

Diagnostinen luottamus: Arvioitu Likert-asteikolla, jonka lääkärit täyttävät jokaisen tapauksen tarkastelun jälkeen.

Potilastyytyväisyys: Arvioidaan tutkimuksilla, joissa keskitytään diagnostiseen prosessiin ja tuloksiin kuluvaan aikaan.

Tutkimusmenettelyt

Perustietojen kerääminen: Väestötiedot, kliininen historia ja oireet kirjataan ilmoittautumisen yhteydessä. Kaikille osallistujille tehdään vakioradiologinen kuvantaminen.

Tekoälyintegraatio (interventioryhmä): Radiologiset kuvat käsitellään tekoälyohjelmistolla, joka tarjoaa huomautuksilla varustettuja kuvia lääkäreille. AI-avusteisia diagnostisia työnkulkuja verrataan vakiotyönkulkuihin.

Tuloksen arviointi: Asiantuntijapaneeli, johon kuuluu kokenut radiologi ja ortopedi, arvioi kaikki diagnoosit itsenäisesti vertailustandardin luomiseksi.

Eettiset näkökohdat

Tutkimus noudattaa Helsingin julistuksen periaatteita ja on saanut paikallisen eettisen toimikunnan hyväksynnän. Kaikilta osallistujilta hankitaan kirjallinen tietoinen suostumus ennen ilmoittautumista. Luottamuksellisuuden säilyttämiseksi tiedot pseudonymisoidaan.

Odotettu vaikutus

Tämän tutkimuksen tavoitteena on tarjota vankkaa näyttöä tekoälyn tehokkuudesta diagnostisten työnkulkujen parantamisessa ensiaputilanteissa. Löydökset voivat auttaa tulevaisuudessa integroimaan tekoälytyökalut kliiniseen käytäntöön, parantamaan potilastuloksia ja optimoimaan resurssien käyttöä suuren volyymin ensiapuympäristöissä.

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

4800

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

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

Opiskeluyhteys

  • Nimi: Martin Breitwieser, MD, MBA, BSc
  • Puhelinnumero: 54705 +43 5 7255
  • Sähköposti: m.breitwieser@salk.at

Opiskelupaikat

  • Itävalta
      • Hallein, Itävalta, 5400
        • Ei vielä rekrytointia
        • Landesklinik Hallein, Salzburger Landeskliniken
        • Ottaa yhteyttä:
          • Sebastian Filipp, MD
          • Puhelinnumero: +43 57 25544 55354
          • Sähköposti: s.filipp@salk.at
      • Salzburg, Itävalta, 5020
        • Rekrytointi
        • University Hospital Salzburg, Salzburger Landeskliniken
        • Ottaa yhteyttä:
  • Saksa
      • Nuremberg, Saksa, 90471
        • Rekrytointi
        • University Hosptial Nuremberg, Klinikum Nürnberg
        • Ottaa yhteyttä:

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

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Kuvaus

Sisällön kriteerit:

  • Esiintyminen päivystykseen epäiltynä yksittäisenä murtumana
  • Potilaat, jotka pystyvät ja haluavat antaa tietoisen suostumuksen.

Poissulkemiskriteerit:

  • Polytraumapotilaat, joilla on useita kehon alueita koskevista vammoista
  • Potilaat, joilla on aiemmin kuvattu sairastunutta raajoa viimeisten 6 kuukauden aikana
  • Röntgenkuvauksen vasta-aiheet (esim. raskaus tai vakava epävakaus)
  • Potilaat, joilla on muita meneillään olevia tutkimuksia, jotka voivat häiritä tätä tutkimusta
  • Potilaat, jotka eivät voi antaa suostumusta kognitiivisen heikentymisen tai kielimuurien vuoksi ilman edustajaa.

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
Active Comparator: Diagnostiikka ilman tekoälyä
Vakiodiagnostiikkamenetelmä, jossa lääkärit tulkitsevat röntgenkuvia ilman tekoälyn apua.
Diagnostinen testi: Tavallinen lääkärin tulkitsema murtuman tunnistus
Lääkärit tulkitsevat röntgenkuvia käyttämällä tavallisia diagnostisia käytäntöjään ilman tekoälyn apua. Tämä edustaa perinteistä lähestymistapaa murtumien diagnosointiin.
Kokeellinen: Diagnostiikka tekoälyllä
Diagnostinen lähestymistapa, jossa lääkäreitä tukee tekoälyjärjestelmä (Aidoc tai Gleamer BoneView) murtumien havaitsemisessa röntgenkuvissa.
Diagnostinen testi: AI-avusteinen murtuman havaitsemisjärjestelmä
Interventioon sisältyy AI-avustetun murtuman havaitsemisjärjestelmän (AIDOC tai Gleamer Boneview) käyttö, joka on integroitu sairaalan kuvan arkistointi- ja viestintäjärjestelmään (PACS). Nämä AI-työkalut analysoivat röntgenkuvia reaaliajassa, korostaen potentiaalisia murtumissivustoja lääkärin tarkasteluun. AI -lähtö toimii lisäapuna, kun taas lopullinen diagnoosi on edelleen lääkärin vastuulla.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnostic Accuracy of Fracture/Dislocation/Effusion/Bone Lesion Detection
Aikaikkuna: Alkuperäisen diagnoosin aikaan, potilaan saapumisesta ortopedisen päivystyksen osastolle 2 tunnin sisällä
Ensisijainen tulostekijä mittaa murtumien/sijoiltaan menojen/efuusioiden/luuleesioiden havaitsemisen diagnostista tarkkuutta käyttäen herkkyyttä, spesifisyyttä ja vastaanottajan toimintakäyrän alla olevaa pinta-alaa (AUC). Diagnostista tarkkuutta verrataan tekoälyavusteisen diagnostisen lähestymistavan ja standardin vain lääkärin lähestymistavan välillä. Vertailun kultainen standardi määritetään asiantuntijakonsensuksella radiologin ja ortopedisen erikoislääkärin riippumattoman arvioinnin perusteella.
Alkuperäisen diagnoosin aikaan, potilaan saapumisesta ortopedisen päivystyksen osastolle 2 tunnin sisällä

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnoosin aika
Aikaikkuna: Potilaan ensiapukäynnin aikana, tyypillisesti 4 tunnin sisällä esittelystä.
Diagnoosin määrittämiseen tarvittava aika mitattuna siitä hetkestä, kun potilaalle tehdään röntgenkuvaus, siihen hetkeen, jolloin lopullinen diagnoosi tallennetaan. Tämä vertaa tekoälyn avustaman diagnostisen työnkulun tehokkuutta tavalliseen vain lääkärin työnkulkuun.
Potilaan ensiapukäynnin aikana, tyypillisesti 4 tunnin sisällä esittelystä.
Lääkärin diagnostinen luottamus
Aikaikkuna: Mitattu heti diagnoosin jälkeen
Lääkäreiden diagnostisiin päätöksiin ilmoittama luottamustaso mitattuna Likert-asteikolla (1-10). Tämä vertaa sitä, kuinka itsevarmuutta lääkärit tuntevat käyttäessään tekoälyapua, verrattuna pelkästään heidän asiantuntemukseensa luottamiseen.
Mitattu heti diagnoosin jälkeen
Diagnostiikan työnkulun kustannustehokkuus
Aikaikkuna: Laskettu tutkimuksen lopussa kaikille osallistujille, noin 6 kuukautta tutkimuksen aloittamisesta.
Kustannusanalyysi, jossa arvioidaan kunkin ryhmän diagnostiikkaprosessiin liittyvät kokonaiskustannukset, mukaan lukien henkilöstöaika, resurssien käyttö ja kaikki tarvittavat lisätoimenpiteet. Tämä määrittää, vähentääkö tekoälyavusteinen diagnostiikka yleisiä terveydenhuollon kustannuksia verrattuna standardikäytäntöihin.
Laskettu tutkimuksen lopussa kaikille osallistujille, noin 6 kuukautta tutkimuksen aloittamisesta.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Salzburger Landeskliniken

Yhteistyökumppanit

Klinikum Nürnberg

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)

Maanantai 31. maaliskuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Torstai 30. huhtikuuta 2026

Opintojen valmistuminen (Arvioitu)

Torstai 30. huhtikuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 9. joulukuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 20. joulukuuta 2024

Ensimmäinen Lähetetty (Todellinen)

Tiistai 31. joulukuuta 2024

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 22. tammikuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 20. tammikuuta 2026

Viimeksi vahvistettu

Torstai 1. tammikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • KI-FRACTURE_001_2024-11-27

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

Kirjallisesta pyynnöstä tarjotaan pääsy tietoihin. Kaikki jaetut tiedot anonymisoidaan täysin tunnistetietojen, mukaan lukien nimet, syntymäajat ja muut henkilökohtaiset tunnisteet, poistamiseksi tietosuojamääräysten (esim. GDPR) mukaisesti. Tietoja jaetaan vain tutkimustarkoituksiin ja asianmukaisten tiedonjakosopimusten mukaisesti potilaiden yksityisyyden suojaamiseksi.

Seuraavat anonymisoidut yksittäiset potilastiedot (IPD) jaetaan:

  • Väestötiedot: ikä, sukupuoli
  • Diagnostiset tiedot: anatominen sijainti, kliinikon löydökset, tekoälylöydöt, radiologin löydökset
  • Tulostiedot: Aika diagnoosiin, herkkyys, spesifisyys
  • Tutkimustiedot: Lääkärin diagnostiset luottamuspisteet

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Yhdysvalloissa valmistettu ja sieltä viety tuote

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 Murtumat, luu

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in Suriname

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

Tilaa