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

Tekoälyllä tehostettu tarkkuuspäätöksenteko haimatautien hoidossa

maanantai 23. helmikuuta 2026 päivittänyt: Changhai Hospital

Monikeskuksinen kliininen tutkimus tekoälyllä tehostetusta tarkkuuspäätöksenteon hallinnasta haimataudeille kontrasti-CT:llä

Tämä monikeskuksellinen kliininen tutkimus arvioi tekoälyjärjestelmää, joka on suunniteltu auttamaan haiman sairauksien diagnosoinnissa ja hoidossa. Kontrastiaineella tehtyjen CT-kuvantojen avulla tutkimus vertailee tekoälyn suosituksia kokeneiden kliinikkojen päätöksiin varmistaakseen järjestelmän tarkkuuden ja turvallisuuden todellisessa käyttöympäristössä. Potilaat luokitellaan kolmeen hoitoryhmään: Interventio (leikkaus/hoito), Tehovalvonta (tiheä seuranta) tai Routineseuranta (standardi seuranta). Päämääränä on selvittää, voiko tekoälyjärjestelmä luotettavasti luokitella potilaita, vähentää pahanlaatuisten muutosten ohittamisen riskiä ja estää tarpeettomia leikkauksia, parantaen näin kliinistä päätöksentekoa haiman sairauksien osalta.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

METODI: Tämä monikeskustutkimus arvioi tekoälyjärjestelmän luotettavuutta ja tehokkuutta haimatautipotilaiden hoidossa todellisessa kliinisessä ympäristössä. Tutkimus laskee tekoälyjärjestelmän luokittelutarkkuuden käyttämällä patologista diagnoosia (biopsia/leikkauksen tulokset) tai pitkäaikaista seurantaa "kultastandardina" vertailua varten. Lisäksi tekoälyn suosittelemien hoitostrategioiden turvallisuutta ja kliinistä hyötyä arvioidaan mittaamalla pahanlaatuisten muutosten ohittamisriskiä, tarpeettomien haimatautileikkausten määrää ja perinteisten kliinisten päätösten kanssa saavutettua yksimielisyyttä.

TUTKIMUSSUUNNITTELU

Kaikki haimatautipotilaiden kontrastivahvisteiset CT-kuvat analysoidaan tekoälyjärjestelmällä luokittelutuloksen (Interventio, Intensiivinen seuranta tai Säännöllinen seuranta) saamiseksi. Samanaikaisesti kliiniset lääkärit tarkistavat samat tiedot ja luokittelevat potilaat näihin kolmeen ryhmään todellisen hoitosuunnitelman määrittämiseksi:

  1. INTERVENTIO: Lääkäreiden arvioimana "Interventiota" tarvitseville potilaille suositellaan lisäkirurgista arviointia tai hoitoa.
  2. INTENSIIVINEN SEURANTA: Lääkäreiden arvioimana "Intensiivistä seurantaa" tarvitsevat potilaat saavat henkilökohtaisen, korkeataajuisen seurantasuunnitelman tutkimuksen loppuun saakka.
  3. SÄÄNNÖLLINEN SEURANTA: Lääkäreiden arvioimana "Säännöllistä seurantaa" tarvitsevat potilaat käyvät läpi vähintään vuoden seurannan. Jos tänä aikana ilmenee poikkeavuuksia, potilas siirretään sopivaan "Interventio"- tai "Intensiivinen seuranta"-protokollaan.

TULOKSET: Tutkimus vertaa tekoälyjärjestelmän suorituskykyä kliinisiin lääkäreihin liittyen luokittelutarkkuuteen, diagnoosien ohittamisriskiin, tarpeettomien leikkausten määriin ja päätösten yhtenäisyyteen. Näitä mittareita käytetään tekoälyjärjestelmän arvon, turvallisuuden ja hyödyn vahvistamiseen haimatautien kliinisessä hoidossa.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

2000

Yhteystiedot ja paikat

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

Opiskeluyhteys

  • Nimi: Beilei Wang, Doctor
  • Puhelinnumero: +86 13774238083
  • Sähköposti: lilly_wang@126.com

Opiskelupaikat

  • Kiina
      • Shanghai, Kiina, 200433
        • Rekrytointi
        • Changhai Hospital
        • 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

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Tutkimukseen otetaan mukaan potilaita, joilla on kliinisesti epäilty haimatauti ja joilla on käytettävissä kontrastivahvisteisia CT-kuvauksia sekä jotka antavat tietoon perustuvan suostumuksen. Potilaita ei oteta mukaan, jos heillä on aikaisempaa haima-leikkaushistoriaa, kontrastiaineeseen liittyviä vasta-aiheita, alhaislaatuisia kuvia tai muita tutkijan arvioimia sopimattomia tiloja (esim. raskaus, kognitiivinen heikentyminen tai samanaikainen koehenkilöksi osallistuminen).

Kuvaus

Sisällyttämiskriteerit:

  • Kliinisesti epäilty haimatauti.
  • Aikataulutettu kontrastiainevahvisteiseen CT-kuvantaukseen.
  • Allekirjoitettu tietoon perustuva suostumuslomake, joka osoittaa osallistumisen suostumuksen.

Poissulkemiskriteerit:

  • Aiempi haimaan kohdistunut leikkaus.
  • Kontrastiainevahvisteiseen CT-kuvantaukseen liittyvät vasta-aiheet, kuten tunnettu yliherkkyys jodioituja kontrastiaineita kohtaan tai vakava munuais-/maksatoimintahäiriö.
  • Optimaalia heikompi kuvanlaatu, joka vaikuttaa diagnosointiin.
  • Samanaikainen osallistuminen toiseen interventiiviseen kliiniseen tutkimukseen.
  • Tutkijan määrittelemä kelpaamattomuus osallistujaksi, mukaan lukien mutta ei rajoittuen: raskaus tai imetys, vakavat mielenterveyden häiriöt tai kognitiivinen heikentymä, merkittävät komorbiditeetit, jotka voivat häiritä tutkimustuloksia tai potilaan turvallisuutta.

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
Interventio / Hoito
AI-ryhmä
Diagnoosi tekoälymallilla
Diagnostinen testi: Diagnoosi tekoälymallilla
Kehittää tekoälyyn perustuva luokitusjärjestelmä haimataudeille, joka saavuttaa automatisoinnin ja tarkan luokittelun. Kaikkien tutkimushenkilöiden kontrastia sisältävät CT-kuvat analysoidaan tekoälyjärjestelmällä luokitustulosten tuottamiseksi, ja potilaat luokitellaan kolmeen ryhmään: INTERVENTIOM, INTENSIVE SURVEILLANCE tai ROUTINE SURVEILLANCE.
Kliinikoiden ryhmä
Diagnoosi kliinikkojen toimesta

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Luokittelun tarkkuus
Aikaikkuna: Kontrastiaineella tehdyn CT-kuvauksen päivämäärästä 1 vuoteen
AI:n oikein luokittelema prosenttiosuus tapauksista kaikista tapauksista.
Kontrastiaineella tehdyn CT-kuvauksen päivämäärästä 1 vuoteen

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Sopimusaste kliinisten päätösten kanssa
Aikaikkuna: Kontrastivahvistetun CT-tutkimuksen päivämäärästä 1 vuoden kuluttua
Kokonaistapauksien osuus, jossa tekoälyn ja klinikon luokittelutulokset ovat yhtäpitäviä.
Kontrastivahvistetun CT-tutkimuksen päivämäärästä 1 vuoden kuluttua
Prosentuaalinen väheneminen tarpeettomissa leikkausmenettelyissä
Aikaikkuna: Kontrastiaineella tehdyn CT-kuvauksen päivämäärästä 1 vuoden kuluessa
Tekoälyn päätöksenteon saavuttama prosentuaalinen vähennys tarpeettomien leikkausten määrässä verrattuna perinteiseen päätöksentekoon.
Kontrastiaineella tehdyn CT-kuvauksen päivämäärästä 1 vuoden kuluessa
Pahanlaatuisen kasvaimen tunnistamatta jäämisen määrä
Aikaikkuna: Kontrastivahvistetun CT-tutkimuksen päivämäärästä 1 vuoteen
Osuus tapauksista, jotka luokitteli tekoäly ei-kirurgisiksi, mutta jotka todella vaativat leikkausta.
Kontrastivahvistetun CT-tutkimuksen päivämäärästä 1 vuoteen

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Changhai Hospital

Yhteistyökumppanit

The First Affiliated Hospital with Nanjing Medical University
Shengjing Hospital
Xinhua Hospital, Shanghai Jiao Tong University School of Medicine
Shanghai Changzheng Hospital
The Second Affiliated Hospital of Jiaxing University
The Affiliated People's Hospital of Ningbo University
Shanghai Fourth People's Hospital Tongji University
The First Affiliated Hospital of Medical School of Zhejiang University
Shanghai Fudan University Cancer Center

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)

Sunnuntai 1. maaliskuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 31. lokakuuta 2029

Opintojen valmistuminen (Arvioitu)

Keskiviikko 31. lokakuuta 2029

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 23. helmikuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 23. helmikuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Perjantai 27. helmikuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 27. helmikuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 23. helmikuuta 2026

Viimeksi vahvistettu

Sunnuntai 1. helmikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • Prospective PRISM

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

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