AI-Agent automatisoituun diagnoosiin ja ennustamiseen EHR: n ja multimodaalisen tiedon avulla
keskiviikko 16. huhtikuuta 2025 päivittänyt: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Tekoälyagentin avustama automaatio potilaiden diagnosoimiseen ja ennustamiseen käyttämällä sähköisiä terveystietoja ja multimodaalista dataa
Tämän kliinisen tutkimuksen tavoitteena on arvioida tekoälytekijän tehokkuutta sairauksien diagnosoinnissa ja ennustamisessa käyttämällä sähköisiä terveystietoja (EHR) ja multimodaalista kuvausdataa.
Tekoälyagentti hyödyntää kehittyneitä koneoppimisalgoritmeja erilaisten terveystietolähteiden käsittelyyn ja analysointiin auttaakseen terveydenhuollon tarjoajia tekemään tarkempia diagnooseja ja ennusteita.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Ehdot
Yksityiskohtainen kuvaus
Tämä monikeskustainen, retrospektiivinen kliininen tutkimus on suunniteltu arvioimaan tekoälytekijän käyttöä ja tehokkuutta lääketieteellisessä päätöksentekoprosessissa.
Tekoälyagentti integroi ja analysoi multimodaalista dataa, mukaan lukien sähköiset terveystiedot (EHR) ja erilaiset kuvantamistiedot (esim. röntgenkuvat, MRI:t, CT-skannaukset, ultraäänet) ennustaakseen ja diagnosoidakseen erilaisia sairauksia.
Hyödyntämällä koneoppimisen ja tiedon yhdistämistekniikoita, tekoälyagentti voi tunnistaa kuvioita suurissa ja monimutkaisissa tietojoukoissa, mikä tarjoaa oivalluksia, jotka eivät välttämättä ole heti havaittavissa perinteisten diagnostisten menetelmien avulla. Tutkimuksessa verrataan tekoälyagentin diagnostista tarkkuutta ja sairauksien ennustamiskykyä. perinteisten diagnostisten käytäntöjen kanssa arvioidakseen sen mahdollisia hyötyjä kliinisissä olosuhteissa.
Keskeisiä kysymyksiä ovat, voiko tekoälyagentti auttaa varhaisessa diagnoosissa, ennustaa taudin etenemistä ja tukea terveydenhuollon ammattilaisia henkilökohtaisten hoitopäätösten tekemisessä.
Osallistujia ei vaadita ylimääräisiin interventioihin; ne tarjoavat vain historiallisia terveystietoja, mukaan lukien EHR ja asiaankuuluvat kuvantamistiedot, jotka tekoälyagentti analysoi.
Tekoälyjärjestelmä käyttää sitten näitä tietoja terveydenhuollon tarjoajien auttamiseksi tarjoamalla ennusteita ja diagnostisia ehdotuksia, jotka perustuvat multimodaalisen tiedon analysointiin.
Lopullisena tavoitteena on selvittää, voiko tämä tekoälyyn perustuva lähestymistapa parantaa diagnostista tarkkuutta, optimoida hoitostrategioita ja parantaa potilaiden tuloksia kliinisessä käytännössä.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
2000000
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Fei Liu, MD
- Puhelinnumero: +86 13810512704
- Sähköposti: liufei_2359@163.com
Opiskelupaikat
-
-
Guangdong
-
Guangzhou, Guangdong, Kiina
- Rekrytointi
- Sun Yat-sen Memorial Hospital
-
Ottaa yhteyttä:
- Yunfang Yu
- Puhelinnumero: +86 020-81332199
- Sähköposti: yuyf9@mail.sysu.edu.cn
-
Guangzhou, Guangdong, Kiina
- Rekrytointi
- Nanfang Hospital
-
Ottaa yhteyttä:
- Zhuomin Li
- Puhelinnumero: +86-0577-85397527
- Sähköposti: chetneyli.1001@gmail.com
-
Guangzhou, Guangdong, Kiina
- Rekrytointi
- Sun Yat-sen University Cancer Hospital
-
Ottaa yhteyttä:
- Yuxing Lu
- Puhelinnumero: +86 13161233730
- Sähköposti: yxlu0613@gmail.com
-
-
Sichuan
-
Chengdu, Sichuan, Kiina
- Rekrytointi
- West China Hospital
-
Ottaa yhteyttä:
- Kai Wang
- Puhelinnumero: +86 028-85422114
- Sähköposti: wkai@stu.pku.edu.cn
-
-
Zhejiang
-
Wenzhou, Zhejiang, Kiina
- Rekrytointi
- First Affiliated Hospital of Wenzhou Medical University
-
Ottaa yhteyttä:
- Cheng Tang
- Sähköposti: c249325687@163.com
-
Wenzhou, Zhejiang, Kiina
- Rekrytointi
- Second Affiliated Hospital of Wenzhou Medical University
-
Ottaa yhteyttä:
- Sian Liu
- Puhelinnumero: +86-0577-88002888
- Sähköposti: liusan@mail3.sysu.edu.cn
-
-
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
Joo
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Tämän tutkimuksen osallistujat valitaan useista terveydenhuoltokeskuksista ja sairaaloista, jotka ylläpitävät kattavia sähköisiä terveystietoja (EHR) ja multimodaalista kuvantamistietoa.
Tutkimuspopulaatio sisältää potilaita, joilla on erilaisia sairauksia tai terveydellisiä tiloja, ja saatavilla on tietoja diagnoosia ja taudin etenemistä varten.
Osallistujilla on vahvistetut diagnoosit, jotka perustuvat kliinisiin tallenteisiin tai kuvantamistietoihin, mukaan lukien mutta ei rajoittuen röntgensäteillä, CT-skannauksilla, magneettikuvauksilla ja ultraäänillä havaitut tilat.
Sekä ne, joilla on monimutkaiset sairaudet, että ne, joilla on yleisempiä sairauksia, otetaan mukaan arvioimaan tekoälyjärjestelmän diagnostisia ja ennustavia kykyjä useissa tapauksissa. Näiden keskusten osallistujat toimittavat historiallisia terveystietoja, eikä aktiivisia toimenpiteitä tapahdu. käyttää olemassa olevia kliinisiä ja kuvantamistietojaan tekoälyjärjestelmän koulutukseen ja testaamiseen.
Kuvaus
Sisällön kriteerit:
- Osallistujilla on oltava kattavia sähköisiä terveystietueita (EHR), mukaan lukien väestötiedot, sairaushistoria ja laboratoriotulokset.
- Osallistujilla on oltava käytettävissä multimodaaliset kuvantamistiedot (esim. Röntgenkuvat, CT-skannaukset, MRI: t, ultraäänit) heidän terveydentilaansa.
- Osallistujilla on oltava kliinisten tietojen tai kuvantamistietojen perusteella vahvistettu diagnoosi yhdestä tai useammasta sairaudesta tai terveydentilasta.
- Potilaiden on annettava suostumus historiallisten terveystietojensa käyttöön tutkimustarkoituksiin.
Poissulkemiskriteerit:
- Osallistujat, joilla on epäselviä tai varmentamattomia diagnooseja, joita ei voida luokitella tarkasti.
- Kopioi tai redundantit potilastiedot (esim. Saman potilaan toistuvat tietueet ilman selkeää erottelua).
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 |
|---|
|
Tekoälyavusteinen tautien ennustaminen EHR:n ja kuvantamistietojen avulla
Tämä kohortti koostuu potilaista, joiden historialliset terveystiedot, mukaan lukien sähköiset terveystiedot (EHR) ja multimodaaliset kuvantamistiedot (esim. röntgenkuvat, magneettikuvaukset, TT-skannaukset, ultraäänet), tekoälyagentti analysoi.
Tekoälyjärjestelmä auttaa diagnosoimaan ja ennustamaan sairauksia käsittelemällä ja integroimalla näitä erilaisia tietolähteitä.
Ensisijainen painopiste on arvioida tekoälytekijän kykyä tunnistaa kuvioita ja ennustaa taudin etenemistä suurella tarkkuudella.
Osallistujien ei tarvitse tehdä muita toimenpiteitä sairaushistoriansa ja kuvantamistietojensa lisäksi.
Tavoitteena on arvioida, kuinka hyvin tekoälyjärjestelmä voi tukea kliinistä päätöksentekoa ja parantaa diagnostisia tuloksia toimitetun tiedon perusteella.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Alue käyrän alla (AUC)
Aikaikkuna: Yksi vuosi
|
ROC-käyrän AUC, jota käytetään diagnostisen tarkkuuden määrittämiseen.
Ei yksikköä (suhde tai prosenttiosuus, joka ilmaistaan tyypillisesti numerona 0–1).
|
Yksi vuosi
|
|
F1 -pisteet
Aikaikkuna: 1 vuosi
|
F1-pistemäärä on tarkkuuden ja herkkyyden harmoninen keskiarvo (palauttaminen).
Se on hyvä mittari mallin kyvylle tunnistaa sekä todellisia positiivisia että minimoida vääriä positiivisia, erityisesti tapauksissa, joissa luokat ovat epätasapainossa (esim. kun terveiden tapausten määrä on paljon suurempi kuin sairaustapausten määrä).
F1-pisteet vaihtelevat 0–1, ja 1 ilmaisee täydellistä tarkkuutta ja muistamista.
|
1 vuosi
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Herkkyys (todellinen positiivinen nopeus)
Aikaikkuna: Yksi vuosi
|
Herkkyys mittaa, kuinka hyvin AI -malli tunnistaa todelliset positiiviset tapaukset, kuten diagnosoida raskaana olevat naiset oikein komplikaatioilla tai vastasyntyneen häiriöiden tunnistaminen.
|
Yksi vuosi
|
|
Spesifisyys (tosi negatiivinen osuus)
Aikaikkuna: 1 vuosi
|
Spesifisyys mittaa tekoälymallin kykyä tunnistaa oikein tapaukset ilman sairauksia ja varmistaa, että terveet äidit ja vauvat tunnistetaan oikein negatiivisiksi.
|
1 vuosi
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
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)
Lauantai 1. heinäkuuta 2023
Ensisijainen valmistuminen (Arvioitu)
Tiistai 1. heinäkuuta 2025
Opintojen valmistuminen (Arvioitu)
Tiistai 1. heinäkuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Sunnuntai 19. tammikuuta 2025
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Sunnuntai 19. tammikuuta 2025
Ensimmäinen Lähetetty (Todellinen)
Perjantai 24. tammikuuta 2025
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 17. huhtikuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 16. huhtikuuta 2025
Viimeksi vahvistettu
Tiistai 1. huhtikuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- AI-agent
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
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 .