Integrating an AI-Driven Hydronephrosis Decision-Making Tool
keskiviikko 6. toukokuuta 2026 päivittänyt: Mandy Rickard, The Hospital for Sick Children
Integration of a Hydronephrosis AI-Driven Decision-Making Tool Into Clinical Practice: A Clinical Trial
Hydronephrosis is a common congenital kidney anomaly.
While most cases resolve on their own, some require surgery.
Clinicians rely on repeated ultrasounds and sometimes invasive tests to decide if surgery is needed, but predicting outcomes is difficult.
Researchers at SickKids developed an AI model that analyzes ultrasound images to assist in diagnosing and managing hydronephrosis.
This study tests how well the AI integrates into real-world care.
Clinicians will first make care decisions without AI and then review the AI's prediction before deciding whether to change their plan.
A separate expert, unaware of whether AI influenced the first clinician's plan, will make the final decision to ensure care remains unchanged.
The study will assess whether AI improves decision-making, reduces unnecessary tests, and fits into clinical workflows.
If successful, the AI model could serve as a complementary tool to make diagnoses more efficient and precise while minimizing invasive procedures.
Tutkimuksen yleiskatsaus
Tila
Ei vielä rekrytointia
Interventio / Hoito
Opintotyyppi
Interventio
Ilmoittautuminen (Arvioitu)
322
Vaihe
- Ei sovellettavissa
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
Hyväksyy terveitä vapaaehtoisia
Ei
Kuvaus
Inclusion Criteria:
- Seen for HN in-person in the Pediatric Urology clinic with ultrasound scans taken at SickKids
- New and follow-up patients 0-24 months.
Exclusion Criteria:
- Older than 24m
- Concurrent urinary tract anomalies (duplex configurations; PUV etc.)
- History of renal surgical intervention (post-op patients)
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Muut
- Jako: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: AI Model Intervention Arm
When children with HN are seen in clinic, their ultrasound imaging and history will be provided to an initial clinician who will first formulate a plan of care without access to the AI model as per the standard of care.
After the initial plan is documented and before discussion with the primary provider, the initial clinician will then be granted access to the AI model, where they can input the ultrasound images and receive the model's prediction.
The clinician can choose to modify or maintain their drafted plan based on the model's output.
The clinician's final drafted plan will subsequently be discussed with the blinded final clinical expert (primary provider) who will make the final decision to maintain the standard of care for each patient.
The final clinical expert will be blinded to whether the initial clinician changed their plan or not given the AI model
|
The AI intervention is a deep learning algorithm used to predict obstructive hydronephrosis.
It was developed at SickKids and has recently completed the silent trial phase.
This clinical trial aims to validate the model's clinical integration by assessing its impact on clinician decision-making and care plan recommendations.
To uphold standard care, a blinded clinician will make final decisions.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Change in Clinician Management Decisions Following Exposure to the AI Model
Aikaikkuna: Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
The proportion of clinician management decisions revised immediately after exposure to the AI model output.
Management decisions include: (1) discharge, (2) monitor with ultrasound, (3) additional invasive testing, or (4) referral for surgery.
|
Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Agreement Between Clinician Decisions and Expert Reference Decisions Using Cohen's Kappa
Aikaikkuna: Immediately after clinician review and AI model exposure during each case review session, through study completion (average of 6 months)
|
Agreement between clinician management decisions and the expert reference decision will be assessed before and after AI exposure using Cohen's kappa statistic.
Higher kappa values indicate greater agreement.
|
Immediately after clinician review and AI model exposure during each case review session, through study completion (average of 6 months)
|
|
Proportion of Management Decision Changes Stratified by Clinician Experience Level
Aikaikkuna: Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
The proportion of clinician management decisions revised after AI model exposure will be compared across clinician subgroups, including training level and years of experience.
|
Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
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)
Lauantai 1. elokuuta 2026
Ensisijainen valmistuminen (Arvioitu)
Sunnuntai 31. tammikuuta 2027
Opintojen valmistuminen (Arvioitu)
Sunnuntai 31. tammikuuta 2027
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Torstai 16. huhtikuuta 2026
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 6. toukokuuta 2026
Ensimmäinen Lähetetty (Todellinen)
Tiistai 12. toukokuuta 2026
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 12. toukokuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 6. toukokuuta 2026
Viimeksi vahvistettu
Perjantai 1. toukokuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 3474
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 .