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

ER-VISION-AI Study (ER-VISION-AI)

tiistai 21. heinäkuuta 2026 päivittänyt: Ewha Womans University Mokdong Hospital

Multimodal Visual Language Model-Assisted Diagnostic Strategy in the Emergency Department: A Prospective Multicenter Randomized Controlled Trial (ER-VISION-AI Study)

Prospective, multicenter, randomized, open-label, blinded-endpoint (PROBE-like) clinical trial evaluating whether physician-supervised Generative Pre-trained Transformer (GPT)-assisted multimodal diagnostic support improves diagnostic concordance in emergency department patients presenting with acute cardiopulmonary symptoms.

Tutkimuksen yleiskatsaus

Tila

Ei vielä rekrytointia

Ehdot

Interventio / Hoito

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

1000

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

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

Opiskeluyhteys

Opiskelupaikat

  • Etelä -Korea
      • Seoul, Etelä -Korea, 07804
        • Ewha Womans University Mokdong 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

Kuvaus

Inclusion Criteria:

  • Age ≥18 years
  • Presentation to a participating emergency department with acute cardiopulmonary symptoms, including chest pain, dyspnea, palpitations, syncope, dizziness, or fever accompanied by cardiopulmonary symptoms
  • Performance of both a standard 12-lead electrocardiogram and chest radiography during the initial emergency department evaluation
  • Availability of initial clinical assessment, vital signs, laboratory findings, and all mandatory clinical information required for the multimodal AI workflow
  • Expected emergency department observation or hospital admission for at least 24 hours
  • Ability and willingness to provide written informed consent

Exclusion Criteria:

  • Inability or refusal to provide written informed consent
  • Requirement for immediate life-saving intervention that precludes completion of the study workflow
  • Death before completion of the initial emergency department diagnostic assessment
  • Electrocardiographic quality insufficient for reliable physician or Artificial intelligence (AI) interpretation
  • Chest radiographic quality insufficient for reliable physician or Artificial intelligence (AI) interpretation
  • Cardiac pacing rhythm
  • Missing mandatory clinical information required for the multimodal Artificial intelligence (AI) workflow
  • Previous enrollment in the ER-VISION-AI trial
  • Inability to establish a blinded adjudicated reference diagnosis

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Diagnostiikka
  • Jako: Satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: GPT-assisted multimodal visual language model (VLM) diagnostic strategy
Participants receive physician-supervised Generative Pre-trained Transformer (GPT)-assisted multimodal diagnostic support integrating electrocardiography, chest radiography, structured clinical information, laboratory findings, vital signs, and relevant medical history. Treating physicians remain responsible for all diagnostic and therapeutic decisions.
Diagnostinen testi: Generative Pre-trained Transformer (GPT)-assisted multimodal visual language model (VLM) diagnostic support
A Generative Pre-trained Transformer (GPT)-based multimodal visual language model integrates electrocardiograms, chest radiographs, structured clinical information, laboratory findings, vital signs, and relevant clinical history to generate diagnostic suggestions and differential diagnoses for physician-supervised clinical decision support.
Active Comparator: Conventional physician-guided diagnostic strategy
Participants undergo standard emergency department diagnostic evaluation according to routine clinical practice without Generative Pre-trained Transformer (GPT)-assisted diagnostic support.
Diagnostinen testi: Conventional emergency department diagnostic evaluation
Routine emergency department diagnostic evaluation performed according to standard clinical practice without AI-assisted diagnostic support.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnostic concordance between the final emergency department diagnosis and the blinded adjudicated reference diagnosis established at hospital discharge.
Aikaikkuna: During the index hospitalization, up to hospital discharge (average 3 days)
Diagnostic concordance between the treating physician's final emergency department diagnosis and the blinded adjudicated reference diagnosis based on the prespecified principal diagnostic category.
During the index hospitalization, up to hospital discharge (average 3 days)

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnostic concordance after Generative Pre-trained Transformer (GPT)-assisted diagnostic support
Aikaikkuna: During the index emergency department visit (average 6 hours)
Diagnostic concordance between the physician's final emergency department diagnosis after Generative Pre-trained Transformer (GPT)-assisted multimodal diagnostic support and the blinded adjudicated reference diagnosis in participants assigned to the intervention group.
During the index emergency department visit (average 6 hours)
Time from emergency department presentation to final diagnosis
Aikaikkuna: During the index emergency department visit (average 6 hours)
Time required from emergency department presentation until establishment of the physician's final emergency department diagnosis.
During the index emergency department visit (average 6 hours)
Diagnostic reclassification after Generative Pre-trained Transformer (GPT)-assisted evaluation
Aikaikkuna: During the index emergency department visit (average 6 hours)
Frequency of changes between the physician's initial working diagnosis and the final emergency department diagnosis after review of Generative Pre-trained Transformer (GPT)-generated diagnostic recommendations.
During the index emergency department visit (average 6 hours)
Physician diagnostic confidence
Aikaikkuna: During the index emergency department visit (average 6 hours)
Physician-reported diagnostic confidence recorded before and after Generative Pre-trained Transformer (GPT)-assisted diagnostic support using the prespecified study assessment scale.
During the index emergency department visit (average 6 hours)
Physician acceptance of Generative Pre-trained Transformer (GPT)-generated diagnostic recommendations
Aikaikkuna: During the index emergency department visit (average 6 hours)
Frequency of physician acceptance, modification, or rejection of Generative Pre-trained Transformer (GPT)-generated diagnostic recommendations in the intervention group.
During the index emergency department visit (average 6 hours)
Emergency department disposition accuracy
Aikaikkuna: Up to hospital discharge (average 3 days)
Accuracy of emergency department disposition decisions, including discharge, hospital admission, or intensive care unit admission, compared with the adjudicated reference diagnosis.
Up to hospital discharge (average 3 days)
Emergency department length of stay
Aikaikkuna: Up to hospital discharge (average 3 days)
Length of stay in the emergency department measured from patient presentation until emergency department discharge or hospital admission.
Up to hospital discharge (average 3 days)
Hospital length of stay
Aikaikkuna: Up to hospital discharge (average 3 days)
Total duration of hospitalization from admission until hospital discharge.
Up to hospital discharge (average 3 days)
In-hospital mortality
Aikaikkuna: Up to hospital discharge (average 3 days)
All-cause mortality occurring during the index hospitalization.
Up to hospital discharge (average 3 days)
30-day all-cause mortality
Aikaikkuna: 30 days
All-cause mortality occurring within 30 days after the index emergency department visit.
30 days
30-day emergency department revisit
Aikaikkuna: 30 days
Revisit to any emergency department for any cause within 30 days after the index emergency department visit.
30 days
30-day hospital readmission
Aikaikkuna: 30 days
Hospital readmission for any cause within 30 days after discharge from the index hospitalization.
30 days

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Ewha Womans University Mokdong Hospital

Yhteistyökumppanit

Ewha Womans University Seoul Hospital

Julkaisuja ja hyödyllisiä linkkejä

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

Yleiset julkaisut

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)

Perjantai 1. tammikuuta 2027

Ensisijainen valmistuminen (Arvioitu)

Sunnuntai 31. joulukuuta 2028

Opintojen valmistuminen (Arvioitu)

Maanantai 31. joulukuuta 2029

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Lauantai 18. heinäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 21. heinäkuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Maanantai 27. heinäkuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Maanantai 27. heinäkuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 21. heinäkuuta 2026

Viimeksi vahvistettu

Keskiviikko 1. heinäkuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • ER-VISION-AI study

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

IPD-suunnitelman kuvaus

The investigators have not yet determined whether de-identified individual participant data (IPD), including the analyzable dataset and supporting documentation, will be shared with researchers outside the study team. A final decision will be made after completion of the study, taking into consideration institutional policies, participant privacy, ethical requirements, and applicable regulations.

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