Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Évaluation de Legit.Health Plus Support pour améliorer le diagnostic du psoriasis pustuleux généralisé et d'autres affections cutanées chez les médecins généralistes et les dermatologues (LegitHealth BI)

18 février 2026 mis à jour par: AI Labs Group S.L

Une étude Multi-Reader Multi-Case (MRMC) pour évaluer l'impact de Legit.Health Plus sur l'évaluation clinique du psoriasis pustuleux généralisé et d'autres affections cutanées par les professionnels de santé.

Cette étude vise à déterminer si un dispositif médical d'intelligence artificielle (IA) peut aider les professionnels de santé à diagnostiquer plus précisément les affections cutanées rares et complexes. Les problèmes dermatologiques sont courants en soins primaires, mais il existe souvent un écart dans la précision diagnostique entre les médecins généralistes et les spécialistes, ce qui peut entraîner des retards de traitement pour des affections graves comme le psoriasis pustuleux généralisé (PPG) et l'hidradénite suppurée (HS).

Les chercheurs ont émis l'hypothèse que le dispositif d'IA améliorerait la précision diagnostique des professionnels de santé pour le PPG et d'autres affections dermatologiques. Pour tester cela, l'étude a suivi un design observationnel prospectif impliquant 15 praticiens, incluant à la fois des médecins généralistes et des dermatologues.

Pendant l'étude, les participants ont été invités à évaluer 100 images cliniques. Pour chaque cas, ils ont d'abord fourni un diagnostic basé uniquement sur l'image et les antécédents du patient. On leur a ensuite montré l'analyse de l'IA - qui comprenait les cinq principaux diagnostics suggérés et les niveaux de confiance - et on leur a demandé s'ils souhaitaient ajuster leur évaluation initiale.

La question principale que l'étude cherchait à répondre était si les informations fournies par le dispositif d'IA pouvaient augmenter significativement le nombre de diagnostics corrects posés par ces professionnels, en particulier pour les maladies rares souvent difficiles à identifier dans un cadre clinique standard.

Aperçu de l'étude

Description détaillée

Cette étude est structurée comme une étude multi-lecteurs multi-cas (MRMC). Une cohorte de 15 professionnels de santé, comprenant 11 médecins généralistes et 4 dermatologues, a agi en tant que "lecteurs". Ces lecteurs ont évalué un ensemble de "cas" composé de 100 images cliniques pour évaluer les performances diagnostiques avec et sans l'assistance de l'appareil d'IA.

Conception de l'étude et méthodologie technique La recherche a été menée comme une étude observationnelle prospective et transversale. Elle a utilisé une conception "médecin-comme-son-propre-contrôle" pour mesurer l'impact de l'intelligence artificielle (IA) sur les performances diagnostiques.

  • Flux de travail d'intervention : Les participants ont accédé à une plateforme web dédiée où 100 cas cliniques leur ont été présentés.
  • Étapes d'évaluation : Pour chaque cas, les praticiens ont d'abord évalué une image clinique ainsi que les données d'anamnèse (par exemple, allergies, symptômes systémiques) pour fournir un diagnostic initial.
  • Soutien de l'IA : Par la suite, les cinq principaux diagnostics suggérés par l'IA et les niveaux de confiance associés leur ont été présentés avant de réaliser une évaluation finale.
  • Source des images : Les cas consistaient en des images de haute qualité de psoriasis pustuleux généralisé (GPP), d'hidradénite suppurée (HS) et de diverses conditions différentielles "similaires" telles que la dermatose pustuleuse sous-cornée et la pustulose palmoplantaire.
  • Sources de données : Ces images ont été sélectionnées à partir d'atlas de dermatologie publics et de bases de données de recherche internes du promoteur.

Assurance qualité et gestion des données

Pour garantir l'intégrité scientifique et la fiabilité des résultats, plusieurs mesures de contrôle de la qualité ont été mises en œuvre :

  • Validation des données : Un processus de validation des données cliniques a été réalisé en exécutant des filtres informatiques basés sur des règles de validation.
  • Détection des erreurs : Ces filtres identifient automatiquement les valeurs manquantes ou les incohérences. Cela a été complété par une édition manuelle et des techniques statistiques exploratoires pour détecter les erreurs logiques et les incohérences.
  • Plan de surveillance : L'enquête a été supervisée par un moniteur clinique désigné nommé par le promoteur.
  • Supervision à distance : Les activités de surveillance comprenaient des réunions à distance tous les trois mois pour examiner l'avancement de l'étude et assurer la conformité continue.
  • Minimisation des biais : Une sélection aléatoire des professionnels de santé (HCP) a été utilisée pour garantir que les résultats ne soient pas influencés par les caractéristiques préexistantes des participants.
  • Standardisation : L'utilisation de procédures standardisées a assuré que tous les participants étaient évalués de la même manière.

Plan d'analyse statistique

L'objectif principal de l'analyse était de quantifier la précision Top-1, la sensibilité et la spécificité pour les médecins généralistes et les dermatologues.

  • Métriques comparatives : L'analyse s'est concentrée sur les valeurs métriques absolues par rapport à l'état de l'art, ainsi que sur le pourcentage de variation attribuable spécifiquement à l'utilisation de l'appareil.
  • Analyse de sous-groupes : Une analyse dédiée a été réalisée pour les maladies rares, y compris le GPP, l'acné conglobata et le pemphigus vulgaire, pour évaluer l'utilité de l'appareil dans des conditions de haute complexité et de faible incidence.

Cadre éthique et de confidentialité L'étude a respecté la norme UNE-EN ISO 14155:2021, la Déclaration d'Helsinki et le Règlement général sur la protection des données (RGPD).

  • Anonymisation : Aucune donnée permettant l'identification personnelle des participants ou des patients n'a été collectée.
  • Chiffrement : Toutes les informations ont été gérées de manière sécurisée dans un format chiffré.
  • Fin de l'étude : Toutes les informations stockées dans l'appareil seront totalement et définitivement supprimées à la fin de l'étude.

Type d'étude

Observationnel

Inscription (Réel)

15

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

    • Basque Country
      • Bilbao, Basque Country, Espagne
        • AI Labs Group S.L.

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

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

La population étudiée est composée de professionnels de santé certifiés par un conseil, recrutés dans les domaines cliniques de la médecine générale et de la dermatologie. Le groupe de participants comprend :

  • Médecins généralistes : Les médecins généralistes qui servent souvent de premier point de contact pour les patients présentant des symptômes dermatologiques.
  • Dermatologues spécialistes : Médecins possédant une expertise avancée dans les pathologies cutanées et les affections rares.
  • Niveau d'expérience : La cohorte comprend des praticiens ayant au moins 5 ans d'expérience clinique dans leurs spécialités respectives.

Les participants ont été recrutés pour participer à un environnement d'évaluation à distance, basé sur le web, plutôt que d'être sélectionnés à partir d'un seul hôpital physique ou d'une seule ville. Les images cliniques évaluées dans le cadre des "cas" de l'étude provenaient d'atlas dermatologiques publics internationaux et de bases de données de recherche existantes du promoteur, représentant une population de patients mondiale et diversifiée.

La description

Critères d'inclusion :

  • Médecins généralistes et dermatologues certifiés, quel que soit leur niveau d'expérience professionnelle.
  • Images de bonne qualité de patients atteints de PPG.
  • Images de bonne qualité de patients atteints de HS.
  • Images de bonne qualité de patients atteints de pathologies pouvant être confondues avec la PPG ou la HS, conduisant à un diagnostic erroné.

Critères d'exclusion :

  • Images de patients atteints de pathologies différentes de la PPG ou de la HS qui peuvent être facilement identifiées.

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
Intervention / Traitement
Professionnels de santé (Médecins généralistes et Dermatologues)

Ce groupe est composé de professionnels de la santé certifiés par un conseil (HCPs) qui servent de "lecteurs" dans cette étude multi-lecteurs multi-cas (MRMC). La cohorte est caractérisée de manière unique par sa comparaison interne : chaque participant agit comme son propre témoin.

  • Rôles Professionnels Doubles : Le groupe comprend 11 médecins généralistes (PCPs) et 4 dermatologues, permettant une comparaison entre les performances de diagnostic de base des généralistes et des spécialistes.
  • Exposition Interventionnelle : Tous les participants sont évalués dans deux conditions distinctes : premièrement, fournir un diagnostic basé uniquement sur des images cliniques et les antécédents du patient ; deuxièmement, fournir un diagnostic assisté par les 5 principales suggestions et niveaux de confiance du dispositif médical basé sur l'IA.
  • Expertise Clinique : Chaque membre de la cohorte possède au moins 5 ans d'expérience clinique dans son domaine respectif.
L'intervention consiste en un dispositif médical uniquement logiciel de diagnostic assisté par ordinateur (DAO) qui utilise des algorithmes de vision par ordinateur pour analyser des images numériques de structures cutanées. Pendant l'étude, les professionnels de santé utilisent l'outil comme système d'aide au diagnostic pour assister l'évaluation des affections dermatologiques complexes.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Précision diagnostique pour le psoriasis pustuleux généralisé (PPG) avec et sans support d'intelligence artificielle.
Délai: Jour 1
Cette mesure évalue la précision diagnostique Top-1 des professionnels de santé (HCPs) lors de l'identification du GPP. La précision est calculée en comparant le diagnostic du clinicien (avec et sans les 5 principales suggestions de l'appareil) au diagnostic de référence confirmé pour chacun des cas cliniques.
Jour 1
Précision diagnostique pour différentes affections cutanées avec et sans assistance d'intelligence artificielle
Délai: Jour 1
Cette mesure évalue la précision diagnostique Top-1 des professionnels de santé lors de l'identification de l'affection cutanée correspondante. La précision est calculée en comparant le diagnostic du clinicien (avec et sans les 5 principales suggestions de l'appareil) au diagnostic de référence confirmé pour chacun des cas cliniques.
Jour 1

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Précision diagnostique pour les affections dermatologiques rares avec et sans soutien de l'intelligence artificielle.
Délai: Jour 1
Cette mesure évalue la précision diagnostique Top-1 des professionnels de santé (HCP) lors de l'identification de pathologies dermatologiques rares. La précision est calculée en comparant le diagnostic du clinicien (à la fois avec et sans les 5 principales suggestions de l'appareil) au diagnostic de référence confirmé pour chacun des cas cliniques.
Jour 1

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Les enquêteurs

  • Chercheur principal: Antonio Martorell, PhD, Hospital Universitari de Manises

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

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)

1 juin 2024

Achèvement primaire (Réel)

15 septembre 2024

Achèvement de l'étude (Réel)

15 septembre 2024

Dates d'inscription aux études

Première soumission

18 février 2026

Première soumission répondant aux critères de contrôle qualité

18 février 2026

Première publication (Réel)

24 février 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

24 février 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

18 février 2026

Dernière vérification

1 février 2026

Plus d'information

Termes liés à cette étude

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 .

S'abonner