Acquisition de données pour réseau connecté pour EMS Support technique complet utilisant l'intelligence artificielle
3 juillet 2023 mis à jour par: Yonsei University
Actuellement, le système médical d'urgence national est déconnecté du flux d'informations entre les hôpitaux, les sites d'urgence et les agences de contrôle, qui participent au système médical d'urgence, et la collecte et l'utilisation de données intégrées dans les situations d'urgence sont limitées [1].
De plus, en raison du manque de main-d'œuvre pour les services d'urgence sur le site et de l'absence d'un système de fourniture d'informations en temps réel sur les patients, des enregistrements de données suffisants ne sont pas faits pour refléter la situation sur le site d'urgence, et les informations sur les patients d'urgence au pré -le stade hospitalier n'est pas livré à l'hôpital de transfert [1].
Les dossiers d'informations préhospitalières sur les patients en cours de préparation sont souvent écrits à la main, en s'appuyant sur la mémoire des ambulanciers paramédicaux après avoir terminé le transfert du patient, de sorte que les données sont très inexactes et ne peuvent être garanties comme étant fiables[2].
En particulier, dans le cas des quatre principales maladies d'urgence graves, appelées arrêt cardiaque, traumatisme grave, urgence cardiovasculaire et urgence cérébrovasculaire, les informations sur le patient identifiées au stade de l'urgence sont très importantes pour déterminer la gravité, il est donc très important important de collecter des informations en temps réel sur le patient sur le terrain pour évaluer la gravité, et sur la base des résultats de cette évaluation, il est possible de sélectionner un établissement médical adapté au traitement [3,4].
De plus, dans le cas de ces maladies urgentes graves, étant donné que le traitement ciblé est déterminé à être effectué dans un certain délai, si le personnel médical de l'établissement médical est au courant des informations du patient avant son arrivée à l'hôpital, il est possible de se préparer à l'avance au traitement d'urgence, augmentant ainsi le taux de réalisation du traitement d'urgence dans un délai raisonnable [5,6,7].
Aperçu de l'étude
Statut
Complété
Les conditions
Description détaillée
Nous développons un algorithme basé sur l'IA qui peut prédire les quatre principales maladies d'urgence graves nécessitant un traitement d'urgence immédiat et évaluer leur gravité grâce aux modèles d'entrée et de sortie suivants.
Données d'entrée d'algorithme 1) Données vidéo/image
- Acquisition vidéo via une caméra à 360 degrés installée à l'intérieur de l'ambulance et une connexion d'appareil Mobile Hot spot (MHS) (connexion filaire RJ-45)
- Collecte de données vidéo via une caméra tour de cou (portable)
- Nombre de vidéos via des lunettes intelligentes (portables) et des terminaux de premiers secours 2) Données de signal sonore
- Recueillir la voix préhospitalière des ambulanciers paramédicaux et les données vocales des patients grâce à des microphones à conduction osseuse portés par les ambulanciers paramédicaux 3) Données de biosignal
- Dispositif de surveillance des patients installé dans l'ambulance Dispositif Mobile Hot Spot (MHS) Collecte et transmission des signes vitaux via une connexion TCP/IP
- Défibrillateurs et terminaux d'urgence utilisés par les équipes de terrain (support 5G) Collecter et transmettre les signes vitaux via une connexion TCP/IP
Technologie de développement 1) Développement de la technologie IA de reconnaissance vocale dans un environnement d'urgence
- Recueillir le texte parlé, les phrases liées à l'urgence et les données vocales de la phase de transport sur site
- Collecte de texte vocal à partir d'un scénario de service de transfert sur site pour créer une base de données vocale pour l'apprentissage de la reconnaissance vocale
- Paraphrase, à partir du texte collecté, dans laquelle les ambulanciers génèrent des phrases avec des significations similaires qui peuvent être prononcées domaine du module
- Collecte de données linguistiques dans des environnements d'urgence tels que les activités d'urgence, les premiers secours et les premiers secours
- Traitement des données linguistiques de l'environnement d'urgence collectées pour l'optimisation du domaine et l'apprentissage d'un modèle de traitement du langage naturel basé sur l'apprentissage automatique 3) Suppression du bruit des informations vocales paramédicales et conception d'un modèle de séparation des locuteurs
- Développement d'un algorithme de reconnaissance de caractères basé sur l'image pour les signes vitaux de sortie d'un équipement PMS (système de surveillance des patients)
- Mise en œuvre de la technologie de reconnaissance automatique des équipements PMS (emplacement, type, marque, etc.) via la vidéo 5G 360°CAM basée sur l'apprentissage de l'IA
- Développement de la reconnaissance automatique des zones de caractères et de l'algorithme de lecture basé sur OCR (Optical Character Recognition) pour chaque type de signal vital
- Mise en œuvre de la technologie de correction de caractères spécifiques/déformés basée sur le NLP (Natural language process)
Développement d'une technologie de prétraitement d'image qui minimise les effets de fond, de bruit, de vibration, d'éclairage, etc.
5) Développement d'un module de détection d'objet d'information d'image d'activité d'urgence 6) Modélisation d'analyse vidéo de détection de comportement d'IA
- Détection de comportement à l'aide de l'apprentissage en profondeur Modélisation d'analyse d'images - Analyse des techniques générales de détection de comportement
- Test cible de classe similaire au comportement médical d'urgence lors de la détection du comportement général
- Détection de classe similaire aux activités de sauvetage des ambulanciers paramédicaux et au mouvement des patients
- Modélisation de la détection du comportement général 7) La variable d'entrée obtenue sur la base des données multiformes obtenues extrait les principaux déterminants de la variable de sortie du modèle via la méthode du réseau profond Ji-an Lee et calcule le pouvoir prédictif de la variable de sortie finale.
Type d'étude
Observationnel
Inscription (Réel)
15296
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
-
Seoul, Corée, République de
- Severance Hospital
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Oui
Méthode d'échantillonnage
Échantillon de probabilité
Population étudiée
- Une analyse intermédiaire 6 mois après le début de l'étude.
- Analyse des données : les patients qui ont été transportés au service des urgences de l'hôpital Severance par des véhicules ambulanciers à partir de deux casernes de pompiers pendant 6 mois, et plus de 20 % des éléments à remplir dans le dossier de cas ont été vérifiés
- Plan de gestion anormal : les chercheurs discutent de la raison de la valeur manquante lors d'une réunion d'analyse des données et planifient un plan pour cela.
La description
Critère d'intégration:
- Les patients sont transportés de la caserne de pompiers de Seodaemun, de la caserne de pompiers de Mapo au centre de soins d'urgence de l'hôpital Severance via l'ambulance 119
Critère d'exclusion:
- Mineurs de moins de 18 ans
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
Caserne de pompiers de Mapo
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Zone sous les caractéristiques de fonctionnement du récepteur, AUROC
Délai: 6 mois après le début de l'étude, et en moyenne 1 an jusqu'à la dernière analyse
|
|
6 mois après le début de l'étude, et en moyenne 1 an jusqu'à la dernière analyse
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Les enquêteurs
- Chercheur principal: Hyuk-Jae Chang, Severance Cardiovascular Hospital
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
19 avril 2021
Achèvement primaire (Réel)
31 décembre 2021
Achèvement de l'étude (Réel)
31 décembre 2021
Dates d'inscription aux études
Première soumission
3 juillet 2023
Première soumission répondant aux critères de contrôle qualité
3 juillet 2023
Première publication (Réel)
11 juillet 2023
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
11 juillet 2023
Dernière mise à jour soumise répondant aux critères de contrôle qualité
3 juillet 2023
Dernière vérification
1 juillet 2023
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 4-2019-0739
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .