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

Päätöksenteon tukena oleva tekoäly ja kriittisen hoidon tulokset: Satunnaistettu tutkimus (POC-AI-ICU)

maanantai 15. joulukuuta 2025 päivittänyt: MetroWest Artificial Intelligence Research Workgroup

Kriittisen hoidon tulosten prospektiivinen arviointi point-of-care -tekoälymallilla

Tämä on prospektiivinen, avoin, randomisoitu, monikeskustutkimus, jossa arvioidaan pistehoidon suurten kielimallien (LLM) päätöksentukijärjestelmän vaikutusta diagnoosien tarkkuuteen ja kliinisiin tuloksiin aikuisten lääketieteellisen tehohoidon (MICU) potilailla.

Osallistuvien yhteisösairaaloiden (aluksi MetroWest Medical Center ja St. Vincent Hospital) peräkkäiset aikuisten tehohoitoon otot seulotaan kelpoisuuden perusteella. Kelvolliset potilaat randomisoidaan suhteessa 1:1 joko standardihoitoon tai tekoälyavusteiseen ryhmään. Molemmissa ryhmissä alkuarviointi ja hoito noudattavat tavallista käytäntöä. Potilaille, jotka randomisoidaan tekoälyavusteiseen hoitoon, anonymisoituja ottoaikaisia tietoja (historia ja fyysinen tila, laboratoriotulokset, kuvantamislausunnot ja muut asiaankuuluvat asiakirjat) muotoillaan ja lähetetään huippuluokan LLM:lle (ChatGPT-5) oton yhteydessä. Tekoälyn luomat erotusdiagnoosit ja hoitosuositukset annetaan ottojoukkueelle harkittavaksi. Standardihoidon ryhmälle LLM-tuloste luodaan, mutta sitä ei jaeta lääkäreille.

Kotiuttamisen jälkeen sokkoutettu asiakirjatarkastus määrittää "todellisen" ensisijaisen diagnoosin ja kerää tuloksia, mukaan lukien: Ensisijainen tulos - lääketieteellisten virheiden yhdistelmä (tehohoitoon otosta lähtien tehohoidon 7. päivään asti tai tehohoidosta kotiuttamiseen, kumpi tulee ensin); Toissijaiset tulokset - 90 päivän kuolleisuus, tehohoidon ja sairaalahoidon kesto sekä hengityskoneettomat päivät.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Suurten kielimallien (LLM) kuten ChatGPT:n nopea kehitys on luonut uusia mahdollisuuksia ja riskejä niiden käytölle lääketieteessä. Vaikka varhaiset tutkimukset viittaavat korkeaan diagnostiseen tarkkuuteen monimutkaisissa kliinisissä tilanteissa ja tehohoidon vastaanotoissa, LLM:ien vaikutus todellisiin kliinisiin lopputuloksiin ja optimaalinen lääkäri-tekoäly -vuorovaikutustapa ovat edelleen epävarmoja. Ryhmämme julkaisemat tutkimukset osoittivat, että ChatGPT-4 saavutti diagnostisen tarkkuuden, joka oli verrattavissa laillistettujen tehohoidon erikoislääkärien tarkkuuteen tehohoidon vastaanotoissa retrospektiivisessä tutkimuksessa. Kuitenkin prospektiivisia, satunnaistettuja tietoja kliinisistä lopputuloksista puuttuu.

Tämä koe arvioi käytännöllistä mallia LLM:ien integroimiseksi tehohoidon vastaanoton yhteydessä (point-of-care AI). Kaikki kelvolliset aikuisten yleisen tehohoidon vastaanotot osallistuvissa sairaaloissa satunnaistetaan prospektiivisesti: (1) vakiohoitoon tai (2) tekoälyavusteiseen hoitoon, jossa LLM saa standardoidut, tunnistetiedot poistetut vastaanottotiedot ja palauttaa ehdotetun ensisijaisen diagnoosin, luokitellun erotusdiagnoosin (enintään viisi sairautta), ehdotetut lisätiedot ja priorisoidut hoitotoimenpiteet. Tekoälyavusteisen ryhmän vastaanottavat kliinikot pyydetään tarkastelemaan ja mahdollisesti sisällyttämään tekoälyn suositukset ja täyttämään lyhyt kyselylomake havaittuun hyödyllisyyteen ja mahdollisiin muutoksiin diagnoosissa tai hoidossa.

Sokkotettu kliininen arviointipaneeli suorittaa pitkittäiskarttatarkastuksen määrittääkseen "todellisen" ensisijaisen diagnoosin ja arvioidakseen virheprosentteja ja lopputuloksia. Ensisijainen päätepiste on lääketieteellisten virheiden yhdistelmä. Tarkka aikaväli on tehohoidon vastaanotoista tehohoidon päivään 7 saakka tai tehohoidon päättymiseen, kumpi tapahtuu ensin. Toissijaisia päätepisteitä ovat 90 päivän kuolleisuus, tehohoidon ja sairaalahoidon kesto sekä hengityskonevapaat päivät. Muita tutkivia toissijaisia päätepisteitä harkitaan. Kokeen on tarkoitus rekrytoida noin 1000 potilasta useista yleisen tehohoidon yksiköistä, ja välianalyysi suoritetaan 12 kuukauden kuluttua toteutettavuuden, eheyden ja hyödyttömyyden arvioimiseksi. Tutkimus on vähäriskinen, käyttää tunnistetietoja poistettuja tietoja tekoälykyselyissä eikä muuta standardidiagnostiikkatestauksia tai hoitovaihtoehtoja.

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

1000

Vaihe

  • Vaihe 2
  • Vaihe 1

Yhteystiedot ja paikat

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

Opiskeluyhteys

  • Nimi: Eric Silverman, M.D. principal Investigator, M.D.
  • Puhelinnumero: 508-344-5680
  • Sähköposti: esilverman@pamw.org

Opiskelupaikat

    • Massachusetts
      • Framingham, Massachusetts, Yhdysvallat, 01702
        • Framingham Union Hospital/MetroWest Medical Center
        • Ottaa yhteyttä:
        • 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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Kuvaus

Osallistumiskriteerit:

  1. Aikuispotilaat (≥ 18 vuotta), jotka on otettu vastaan osallistuvien sairaaloiden lääketieteelliseen tehohoitoon (MICU).
  2. Suoraan hätäosastolta tulevat potilaat tai siirrot muilta lääketieteellisiltä osastoilta MICU:lle.
  3. Kriittisesti sairaat potilaat, jotka täyttävät paikalliset tehohoitoonotto-kriteerit.

Poissulkemiskriteerit:

  1. Siirrot MICU:lle muista sairaaloista, leikkaussalista tai anestesian jälkeisestä hoidon yksiköstä.
  2. Ikä < 18 vuotta.
  3. Epätäydelliset tai puuttuvat olennaiset kliiniset tiedot vastaanoton yhteydessä (esim. keskeiset laboratoriotutkimukset tai dokumentaatio eivät ole vielä saatavilla).
  4. Ensisijaisesti kirurgiset tai sydänpotilaat (esim. STEMI).
  5. Raskaana olevat tai synnytyksen jälkeiset naiset.
  6. Vangit.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Hoito
  • Jako: Satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Kaksinkertainen

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Ei väliintuloa: Vakiohoito
Potilaat saavat tavallista tehohoitohoitotoimintaa paikallisen käytännön mukaisesti. Anonymisoituja vastaanottotietoja voidaan käsitellä ja lähettää LLM:lle tutkimustarkoituksiin, mutta tekoälytuloksia ei jaeta hoitaville lääkäreille, eivätkä ne vaikuta reaaliaikaiseen hoitoon.
Muut: Tekoälyavusteinen hoito
Potilaat saavat standardin teho-osasto­hoidon lisäksi käyttöpaikan LLM-pohjaista päätöksentukia sairaalaan otettaessa. Anonymisoidut sairaalaanottotiedot muotoillaan ja lähetetään LLM:lle (ChatGPT-5). Malli palauttaa ensisijaisen diagnoosin, luokitellun erotusdiagnoosiluettelon, ehdotetut lisätiedot ja priorisoidut hoitosuositukset. Tämä tulos toimitetaan ottavalle tiimille harkittavaksi jatkuvassa hoidossa.
Suuren kielimallin (ChatGPT-5) käyttäminen tunnistamattoman tehohoitoyksikön vastaanottoaineiston (anamneesi, fysikaalinen tutkimus, laboratoriotulokset, kuvantamislausunnot ja muu dokumentaatio) analysointiin vastaanoton yhteydessä. Malli tuottaa diagnostisia ja terapeuttisia suosituksia, jotka jaetaan lääkäreille vain tekoälyavusteisessa ryhmässä.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Lääketieteellisten virheiden yhdistelmä
Aikaikkuna: Teho-osastolla oleskelun alusta aina teho-osastolla oleskelun seitsemänteen päivään asti tai teho-osastolta kotiutumiseen asti, kumpi tapahtuu ensin.
Potilaiden osuus, joilla vähintään yksi kliinisesti merkittävä diagnostinen tai terapeuttinen virhe on tunnistettu peitetun kliinisen arvion kautta (esim. jätetty huomiotta tai viivästynyt kriittinen diagnoosi, suurten hoitosuosituksista poikkeava hoito, jolla on mahdollisuus aiheuttaa haittaa).
Teho-osastolla oleskelun alusta aina teho-osastolla oleskelun seitsemänteen päivään asti tai teho-osastolta kotiutumiseen asti, kumpi tapahtuu ensin.

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
90 päivän kaikkien syiden kuolleisuus
Aikaikkuna: 90 päivää tehohoitoon pääsyn jälkeen.
Kaikkien kuolemien määrä 90 päivän kuluessa ensisijaisesta tehohoitoon otosta, kuten määritetään potilaskertomusten tarkastelun ja saatavilla olevien seurantatietojen perusteella.
90 päivää tehohoitoon pääsyn jälkeen.
Teho-osastolla oleskelun kesto
Aikaikkuna: Teho-osastolle saapumisesta teho-osastolta kotiutumiseen (enintään 90 päivää).
Tehohoidossa vietettyjen päivien kokonaismäärä indeksisairaalassa.
Teho-osastolle saapumisesta teho-osastolta kotiutumiseen (enintään 90 päivää).
Ilman hengityskonetta olevat päivät
Aikaikkuna: Jopa 28 päivää teho-osastolle tulon jälkeen.
Päivien määrä, joina potilas on elossa ja vapaa invasiivisesta mekaanisesta hengityksestä ensimmäisten 28 päivän aikana tehohoidon aloittamisen jälkeen.
Jopa 28 päivää teho-osastolle tulon jälkeen.
Sairaalassaoloaika
Aikaikkuna: Sairaalahoitoon pääsystä sairaalasta kotiutumiseen (jopa 90 päivää).
Sairaalassa vietettyjen päivien kokonaismäärä sisäänottopäivästä kotiuttamispäivään saakka indeksisairaalahoidon aikana.
Sairaalahoitoon pääsystä sairaalasta kotiutumiseen (jopa 90 päivää).

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Eric Silverman, M.D., MetroWest Medical Center and St. Vincent Hospital

Julkaisuja ja hyödyllisiä linkkejä

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

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 (Arvioitu)

Torstai 1. tammikuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Sunnuntai 31. joulukuuta 2028

Opintojen valmistuminen (Arvioitu)

Lauantai 30. kesäkuuta 2029

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 17. marraskuuta 2025

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 15. joulukuuta 2025

Ensimmäinen Lähetetty (Todellinen)

Torstai 18. joulukuuta 2025

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 18. joulukuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 15. joulukuuta 2025

Viimeksi vahvistettu

Maanantai 1. joulukuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

De-identifioitujen yksittäisten osallistujien tietoja säilytetään tutkimusryhmän uudelleenanalysointia varten. Nykyistä suunnitelmaa yksittäisten osallistujien tason tietojen säännöllisestä julkisesta jakamisesta ei ole, mutta de-identifioituja tietoaineistoja voidaan jakaa pätevien tutkijoiden kanssa kohtuullisen pyynnön ja asianmukaisten tietojen käyttösopimusten perusteella.

IPD-jakamista tukeva tietotyyppi

  • STUDY_PROTOCOL
  • MAHLA
  • CSR

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