Tekoälyn ja anestesiologin vertailu ennen leikkausta suoritettavassa riskinarvioinnissa (AI-PREOP)
Koneoppimiseen perustuvan tekoälyjärjestelmän kliininen suorituskyky verrattuna anestesiologin arvioon potilaan preoperatiivisessa arvioinnissa
Preoperatiivinen arviointi on välttämätöntä potilaan liittyvien riskien tunnistamiseksi ennen suunniteltua leikkausta ja turvallisen anestesian hoidon suunnittelua. Perinteisesti tämän arvioinnin suorittavat anestesiologit potilaan kliinisen historian, fyysisen tutkimuksen, komorbiditeettien ja laboratoriotulosten perusteella.
Tämä havainnointitutkimus pyrkii vertailemaan koneoppimiseen perustuvan tekoälyjärjestelmän kliinistä suorituskykyä anestesiologin arviointiin preoperatiivisen potilasarvioinnin aikana. Tekoälyjärjestelmä analysoi itsenäisesti potilastietoja ja luo riskinarviointeja, joita verrataan sitten anestesiologien suorittamiin arviointeihin.
Tutkimuksen ensisijainen tavoite on arvioida tekoälyjärjestelmän ja anestesiologien välistä yksimielisyyttä preoperatiivisessa riskinarvioinnissa. Toissijaisia tavoitteita ovat tekoälyjärjestelmän tarkkuuden ja johdonmukaisuuden arviointi sekä sen mahdollisen roolin tutkiminen päätöksenteon tukityökaluna preoperatiivisessa kliinisessä käytännössä.
Tämän tutkimuksen tulokset voivat edesauttaa tekoälyavusteisen päätöksenteon mahdollisten hyötyjen ja rajoitusten ymmärtämistä preoperatiivisessa arvioinnissa.
Tutkimuksen yleiskatsaus
Tila
Yksityiskohtainen kuvaus
Ennen leikkausta tehtävä arviointi on kriittinen osa perioperatiivista hoitoa, jonka tavoitteena on tunnistaa potilaskohtaiset riskit, optimoida potilasturvallisuus ja ohjata anestesiaa suunniteltaessa ennen suunniteltuja kirurgisia toimenpiteitä. Tämä prosessi perustuu perinteisesti anestesialääkärien kliiniseen harkintaan, jotka yhdistävät sairaushistorian, fysikaalisen tutkimuksen löydökset, komorbiditeetit ja olennaiset laboratoriotiedot perioperatiivisen riskin arvioimiseksi.
Viimeaikaiset kehitysaskeleet tekoälyssä ja koneoppimisessa ovat mahdollistaneet kliinisten päätöksentuen järjestelmien kehittämisen, jotka pystyvät analysoimaan monimutkaisia kliinisiä tietoja ja tuottamaan ennakoivia riskiarviointeja. Huolimatta lisääntyneestä kiinnostuksesta näitä teknologioita kohtaan, niiden kliininen suorituskyky ja luotettavuus todellisissa ennen leikkausta tehtävissä arviointitilanteissa on edelleen riittämättömästi arvioitu.
Tämä havainnoiva tutkimus on suunniteltu vertailemaan ennen leikkausta tehtäviä riskiarviointeja, jotka on tuotettu koneoppimiseen perustuvan tekoälyjärjestelmän avulla, rutiininomaisiin anestesialääkäreiden johtamiin arviointeihin. Aikuiset potilaat, joille on suunniteltu suunniteltu leikkaus, käyvät läpi anestesialääkärien suorittaman vakioennakkoarvioinnin osana tavanomaista kliinistä hoitoa. Riippumattomasti anonymisoidut potilastiedot käsitellään tekoälyjärjestelmän avulla tuottamaan ennen leikkausta tehtäviä riskiarviointeja. Tekoälyn tuotoksia ei ole saatavilla kliinikoille, eikä ne vaikuta potilaan hoitoon.
Tutkimuksen ensisijainen lopputulos on tekoälyjärjestelmän ja anestesialääkäreiden välinen yhteensopivuus ennen leikkausta tehtävässä riskiluokittelussa. Toissijaisia lopputuloksia ovat tekoälyn tuottamien arviointien johdonmukaisuus, yhteensopivuus ja kokonaissuorituskyky verrattuna kliinikkojen arviointeihin.
Tämä tutkimus ei sisällä interventioita, eikä se muuta vakiopotilashoitoa. Kaikki anestesiaan ja perioperatiiviseen hoitoon liittyvät päätökset pysyvät täysin hoitavan anestesialääkärin vastuulla. Systemaattisesti vertailemalla tekoälyyn perustuvia arviointeja kliinikkojen arviointeihin, tämä tutkimus pyrkii selvittämään tekoälyn mahdollista roolia, vahvuuksia ja rajoituksia tukityökaluna rutiininomaisessa ennen leikkausta tehtävässä arvioinnissa.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Trabzon
-
Trabzon, Trabzon, Turkki (Türkiye)
- Trabzon Faculty of Medicine, Kanuni Training and Research Hospital,
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Osallistumiskriteerit:
- - Aikuispotilaat, jotka ovat 18-vuotiaita tai vanhempia
- Potilaat, joille on suunniteltu valintaan perustuva leikkaus anestesian alaisena
- Potilaat, jotka ovat käyneet rutiininomaisen leikkaukseen valmistavan arvioinnin
- Täydellisen leikkaukseen valmistavan kliinisen aineiston saatavuus, joka vaaditaan sekä anestesialääkärin että tekoälyyn perustuvan arvioinnin kannalta
Poissulkemiskriteerit:
- - Alle 18-vuotiaat potilaat
- Hätäleikkaukset
- Potilaat, joilta puuttuu tai joilla on epätäydellinen leikkaukseen valmistava kliininen aineisto
- Potilaat, jotka kieltäytyivät osallistumisesta tai joiden aineistoa ei voitu arvioida
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tekoälypohjaisten ja anestesialääkärin esioperaatioiden riskinarviointien välinen yhteensopivuusaste
Aikaikkuna: Esitarkastuksen yhteydessä
|
Tämä lopputulos mittaa tekoälyyn perustuvan ennen leikkausta tehtävän arviointijärjestelmän ja anestesiologin arvioinnin välistä yhtäpitävyyttä, mukaan lukien American Society of Anesthesiologists (ASA) -fyysinen tilaluokitus ja kokonaisvaltainen perioperatiivinen riskin luokittelu. Yhtäpitävyyttä arvioidaan käyttämällä sopivia tilastollisia mittareita.
|
Esitarkastuksen yhteydessä
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Gülgün E Aksoy, MD, Trabzon Faculty of Medicine, Kanuni Training and Research Hospital, Turkey
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
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
Avainsanat
Muut tutkimustunnusnumerot
- PREOP-AI-2025
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
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 .