- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT07290647
Mesterséges Intelligencia Eszköz Előzetes Értékelése Anesztézia előtt - Leendő Validálása
A mesterséges intelligencia eszköz előzetes aneszteziológiai értékelésre történő használatának prospektív validálása
A tanulmány áttekintése
Állapot
Körülmények
Részletes leírás
Háttér:
A preaneszteziológiai értékelés a sebészeti beavatkozások előtti kritikus folyamat, amely alapvető szerepet játszik a perioperatív biztonság és az ellátás minőségének biztosításában. Az elmúlt évtizedekben az aneszteziológusok jelentősen hozzájárultak a perioperatív biztonság és minőség javításához, ahogyan azt az Egészségügyi Ellátás Minőségéről szóló Institute of Medicine jelentése is hangsúlyozza. Ezt az értékelést folyamatosan finomították a klinikai eredmények javítása és a szükségtelen preoperatív laboratóriumi vizsgálatokhoz és vizsgálatokhoz kapcsolódó költségek csökkentése érdekében.
A preaneszteziológiai értékelés előnyei jól dokumentáltak, beleértve a működési hatékonyság növelését a potenciális szövődmények korai azonosításával, a preoperatív kezelés optimalizálását olyan alapbetegségekkel rendelkező betegeknél, mint a cukorbetegség, a kardiopulmonális betegségek és a vesekárosodás, valamint a posztoperatív szövődmények minimalizálását. Brazíliában az Orvosi Szövetségi Tanács 1.802/2006. számú határozata előírja a preaneszteziológiai értékelést mint a betegbiztonság alapvető összetevőjét, és javasolja, hogy választott beavatkozások előtt, a kórházi felvétel előtt végezzék el.
Nemrégiben Brazíliában megnövekedett a sebészeti beavatkozások iránti kereslet, amelyet a COVID-19 járvány tovább fokozott. Az Oswaldo Cruz Alapítvány (Fiocruz) 2022-es felmérése 910 621 műtéti elmaradást mutatott ki az Egységes Egészségügyi Rendszerben (SUS), jelentős hiányokkal az emésztőrendszeri műtétekben (374 475), a genitourináriális beavatkozásokban (241 752), a keringési rendszeri beavatkozásokban (104 925), valamint a felső légúti, arc, fej és nyaki műtétekben (102 352). Ez a nyomás a közegészségügyi rendszeren vezetett a brazil szövetségi kormány 2024-es Nemzeti Programjának indításához a várólisták csökkentésére. Következésképpen szükség van a preaneszteziológiai értékelések folyamatának és folyamatának újragondolására, hogy biztosítsák a biztonságos és megfelelő ellátást ezen felgyülemlett kereslet számára.
A technológiai fejlődéssel és az elérhető orvosi adatok egyre növekvő mennyiségével a klinikai értékelések összetettebbé váltak, gyorsabb és pontosabb döntéseket igényelve. Ebben a kontextusban a mesterséges intelligencia (MI) ígéretes eszközként jelenik meg az aneszteziológia átalakításában, különösen a preaneszteziológiai értékelésben. Az MI-eszközök, beleértve a Természetes Nyelvi Feldolgozást (NLP) és a Nagy Nyelvi Modelleket (LLM), potenciált mutattak az orvosi ellátás pontosságának, hatékonyságának és személyre szabásának javítására.
Friss tanulmányok bemutatták az MI pozitív hatását ezen a területen. Például az orvosi dokumentumok áttekintésére és a releváns preoperatív klinikai információk azonosítására szolgáló NLP magas egyezést (81,24%) mutatott a gép és az aneszteziológus értékelései között az állapotok jelenlétét vagy hiányát illetően, és orvosi állapotokat azonosított az aneszteziológus által figyelmen kívül hagyott esetek 16,6%-ában. Az OWL ontológiákat és szemantikus webtechnológiákat használó személyre szabott döntéstámogató rendszerek hatékonynak bizonyultak a kockázatértékelési jelentések és testreszabott klinikai ajánlások generálásában. A perioperatív kockázat előrejelzésére szolgáló gépi tanulási modellek lehetővé tették az egyéni kockázati profilok és személyre szabott értékelések létrehozását.
A Nagy Nyelvi Modellek (LLM), mint például a GPT, potenciált mutattak a betegkommunikáció és -oktatás javítására a műtéti folyamat során. Egy 2024-es GPT-verziók összehasonlító tanulmánya rámutatott annak képességére, hogy pontos és olvasható válaszokat adjon a betegeknek az anesztéziával kapcsolatos kérdésekre. Azonban az MI klinikai alkalmazásáról az aneszteziológiában, LLM-eket érintő tanulmányok továbbra is ritkák; egy 2023-as szisztematikus áttekintés nem azonosított tanulmányokat ezt a technológiát használva. Sőt, a legtöbb tanulmány és fejlesztés nemzetközi kontextusban készült, nem foglalkozva a portugál nyelvvel vagy a brazil egészségügyi rendszer sajátosságaival. Napjainkig nem léteznek publikált tanulmányok egy LLM-eszköz fejlesztéséről és validálásáról portugál nyelven preaneszteziológiai értékelésre, különösen figyelembe véve Brazília epidemiológiai profilját és egészségügyi kihívásait.
Emellett jelentősek az aggályok az MI-eszközök megbízhatóságával kapcsolatban az orvostudományban. Egy nemrégiben a Nature Medicine-ben publikált tanulmány feltárta, hogy az Egyesült Államokban az FDA által jóváhagyott sok MI-eszköz nem rendelkezik megfelelő klinikai validálással. Az 1995 és 2022 között FDA által engedélyezett 521 MI-eszközből csak 56% jelentett valamilyen klinikai validálást, csupán 28,4% volt prospektíven validálva és 4,2% randomizált klinikai vizsgálatokon keresztül. Figyelemre méltó, hogy 43,4%-nak nem volt nyilvánosan elérhető klinikai validációs adata. Ezek az eredmények hangsúlyozzák a szigorú klinikai validációs tanulmányok elvégzésének fontosságát, különösen specifikus kontextusokban, mielőtt MI-eszközöket bevezetnének az orvosi gyakorlatba.
Ezért ez a projekt javasol egy MI-eszköz fejlesztését és prospektív validálását, amely egy portugál nyelvű LLM-en alapul, Brazíliában, klinikai környezetben, preaneszteziológiai értékelésre. Ez kitölti egy hiányt a szakirodalomban és megfelel a nemzeti kontextus specifikus igényeinek. A cél a preoperatív értékelések pontosságának, személyre szabásának, megbízhatóságának és hatékonyságának javítása fejlett MI felhasználásával, figyelembe véve a brazil lakosság és egészségügyi rendszer sajátosságait. Ennek az eszköznek a bevezetése potenciálisan átalakíthatja az aneszteziológiai gyakorlatot az országban, javított döntéstámogatást nyújtva és nagyobb sebészeti biztonságot elősegítve.
Tanulmány Céljai:
Elsődleges Cél:
- A preaneszteziológiai értékelés pontosságának és konzisztenciájának prospektív értékelése az MI-eszköz által végzett értékelések és az aneszteziológusok által végzett értékelések összehasonlításával egy nemzeti harmadlagos kórházban.
Másodlagos Célok:
- Az MI-eszköz és az emberi aneszteziológusok által végzett preoperatív kockázatértékelés egyezési szintjének meghatározása, figyelembe véve olyan szempontokat, mint az Amerikai Aneszteziológusok Társasága (ASA) osztályozása és validált sebészeti kockázati modellek egy nemzeti harmadlagos kórházban.
- Az aneszteziológusok észleléseinek vizsgálata az MI-eszköz hasznosságáról, beleértve a bizalmukat az eszköz által generált eredményekben és hajlandóságukat annak klinikai gyakorlatba való integrálására.
- Annak értékelése, hogy az MI-eszköz használata befolyásolja-e a preaneszteziológiai értékelés általános minőségét, beleértve a kockázati állapotok észlelését, amelyek alulbecsültek vagy figyelmen kívül hagyhatók a hagyományos emberi értékelésekben.
- Bármilyen nehézség értékelése, amellyel a betegek szembesülnek az MI-eszköz használatában egy nemzeti harmadlagos kórházban.
Tanulmány Tervezése:
Ez egy prospektív megfigyelési longitudinális kohorsz tanulmány, amely két központban zajlik, a Hospital Nossa Senhora da Conceição Anesztézia Szolgálatán Porto Alegre-ben, Brazíliában és a Santa Casa de Ribeirão Preto-ban, Brazíliában.
Résztvevők:
Bevételi Kritériumok:
- 18 éves vagy idősebb betegek.
- Választott nem szívsebészeti műtétekre ütemezve mindkét intézményben.
Kizárási Kritériumok:
- Diagnosztikus eljárásokon áteső betegek izolált szedációval vagy helyi érzéstelenítéssel.
- Ha egy beteg egynél több sebészeti beavatkozásra kerül sor ugyanazon a kórházi felvétel alatt, csak a fő eljárás kerül figyelembe vételre.
Mintanagyság:
A mintanagyságot az elsődleges kimenetel alapján számították ki, az MI és az emberi preoperatív kockázatértékelések egyezése Cohen Kappa együtthatóval. Feltételezve egy 80%-os várható egyezést (korábbi tanulmányok alapján, amelyek körülbelül 0,80-at mutatnak az MI és a klinikusok közötti perioperatív kockázatértékeléseknél), egy ≥0,70 Kappa értékkel, amelyet jelentős egyezésnek tekintenek, 5%-os hibahatárral és 95%-os megbízhatósági szinttel, a minimális mintanagyság körülbelül 246 beteg. Figyelembe véve a potenciális követési veszteségeket és kizárásokat (10%-os margó), a teljes minta 270 beteg lesz.
Eljárások:
Sebészeti Indikáció:
- A sebész meghatározza a beteg sebészeti indikációját és rögzíti a műtét nevét az eljáráskód szerint az Ex-Care kockázati modellben.
Az MI-eszköz Használata:
- A sebész utasítja a beteget az MI-eszköz használatára preaneszteziológiai értékelésre. A beteg hozzáfér az eszközhöz és kitölti a kért információkat.
Az Értékelés Feldolgozása:
- Az eszköz feldolgozza a beteg értékelését, két típusú eredményt generálva:
- Általános Útmutatások: Általános utasítások halmaza, amely közvetlenül a betegnek küldődik a műtéti előkészítés segítésére.
- Specifikus Értékelés: Részletes értékelés, beleértve ajánlásokat és figyelmeztető jeleket, orvosi használatra generálva, de nem áll rendelkezésre az előoperatív értékelést végző aneszteziológus számára.
Preaneszteziológiai Értékelés:
- A betegen egy hagyományos preaneszteziológiai értékelést végez egy aneszteziológus, aki nem fér hozzá az MI által generált értékeléshez.
Értékelések Összehasonlítása:
- Egy harmadik aneszteziológus, aki vak a korábbi folyamatra, összehasonlítja a két értékelést (MI-eszköz versus emberi értékelés). Ez az összehasonlítás figyelembe veszi az összegyűjtött információk minőségét, a klinikai ítélet pontosságát és a potenciális kockázatok vagy szövődmények azonosítását.
Adatgyűjtés:
Az adatokat prospektíven gyűjtik, beleértve olyan változókat, mint életkor, nem, műtétkód és mindkét értékelés eredményei (MI-eszköz és aneszteziológus). Egy adatgyűjtő űrlap (csatolva a protokollban a referenciák után) vázolja a változókat, amelyeket ez a kutatási protokoll tartalmaz.
Kimeneteli Mérőszámok:
Elsődleges Kimenet:
- A preoperatív kockázatértékelések egyezése az MI-eszköz és az emberi aneszteziológus között, az összegyűjtött információk minősége és a klinikai ítélet szempontjából.
Másodlagos Kimenetek:
- Egyezési szint az ASA osztályozás és validált sebészeti kockázati modellek tekintetében.
- Az aneszteziológusok észlelései az eszköz hasznosságáról, bizalmáról és integrációs potenciáljáról (kérdőíveken keresztül értékelve).
- Hatás az értékelés minőségére, beleértve a figyelmen kívül hagyott kockázatok észlelését.
- Betegek által jelentett nehézségek az MI-eszköz használatában (visszajelzésen keresztül értékelve).
Statisztikai Elemzés:
Egyezési teszteket használnak a preoperatív kockázatértékelési eredmények összehasonlítására az MI-eszköz és az aneszteziológus között. Cohen Kappa együttható méri az egyezést kategorikus változóknál (információ minősége és klinikai ítélet). Folytonos változóknál (pl. életkor) Student t-próbát vagy Mann-Whitney próbát alkalmaznak, az adateloszlástól függően (normalitás Shapiro-Wilk próbával ellenőrizve). A statisztikai szignifikanciaszint P < 0,05 lesz.
Idővonal:
A tanulmány 36 hónapig tart: 24 hónap adatgyűjtésre, 6 hónap elemzésre és 6 hónap eredmények megfogalmazására és publikálására.
Finanszírozás:
Az adatgyűjtési anyagok, számítógépek, statisztikai szoftverek és dokumentáció költségeit az érintett szerzők fedezik. A költségvetési részletek tartalmazzák: tároló mappák (R$250,00), adatgyűjtő lapok (R$500,00), és elemző szoftver (R$1.000,00).
Terjesztés:
Az eredmények egy biztonságos, bizalmas adatbázisban kerülnek tárolásra és beadványra kerülnek egy indexelt tudományos folyóiratba publikálásra a befejezéskor.
Tanulmány típusa
Beiratkozás (Becsült)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Andre P. Schmidt, MD, PhD
- Telefonszám: +5551996412212
- E-mail: aschmidt@ghc.com.br
Tanulmányi helyek
-
-
Rio Grande do Sul
-
Porto Alegre, Rio Grande do Sul, Brazília, 91787-400
- Hospital Nossa Senhora da Conceição (Grupo Hospitalar Conceição)
-
Kapcsolatba lépni:
- Andre P. Schmidt, MD, PhD
- Telefonszám: +555133572419
- E-mail: aschmidt@ghc.com.br
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevonási kritériumok:
- 18 éves vagy annál idősebb betegek
- Nem szívsebészeti, elektív műtétre beütemezett betegek
Kizárási kritériumok:
- Izolált szedációval vagy helyi érzéstelenítéssel végzett diagnosztikai eljárásokon áteső betegek
- Ha egy beteg ugyanazon kórházi tartózkodás során egynél több sebészi beavatkozáson esik át, csak a fő eljárást veszik figyelembe (azaz az ugyanazon felvétel során történő további eljárások nem jogosultak külön beválogatásra).
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Preoperatív Kockázatértékelés
Időkeret: A felméréseket minden résztvevő számára preoperatívan végzik, az adatgyűjtés a preoperatív értékelési fázisuk során történik. Az összehasonlítást a felmérés utáni fázisban, az adatelemzési fázisban végzik, amely a 24 hónapos adatgyűjtés után következik be.
|
A fő eredményváltozó a mesterséges intelligencia (MI) eszköz által végzett, portugál nyelven működő Nagy Nyelvi Modell (LLM) alapján történő preoperatív kockázatértékelések és az emberi aneszteziológus által végzett értékelések közötti egyezés mértéke.
Ez az egyezés az összegyűjtött információ minősége (pl. a betegadatok teljessége és relevanciája) és a klinikai ítélet pontossága (pl. a perioperatív kockázatok azonosítása, az Amerikai Aneszteziológusok Társaságának (ASA) osztályozása, valamint az érvényesített műtéti kockázati modellekkel, például az Ex-Care-rel való összhang) szempontjából kerül értékelésre.
Mérési módszer: A harmadik aneszteziológus, aki vak mind az MI, mind az emberi értékelésekre nézve, összehasonlítja az értékeléseket.
Az egyezés mennyiségi értékelése a kategorikus változók (pl. az információ minősége és a klinikai ítélet) esetében Cohen Kappa-együtthatóval történik.
|
A felméréseket minden résztvevő számára preoperatívan végzik, az adatgyűjtés a preoperatív értékelési fázisuk során történik. Az összehasonlítást a felmérés utáni fázisban, az adatelemzési fázisban végzik, amely a 24 hónapos adatgyűjtés után következik be.
|
Együttműködők és nyomozók
Szponzor
Publikációk és hasznos linkek
Általános kiadványok
- Wongtangman K, Aasman B, Garg S, Witt AS, Harandi AA, Azimaraghi O, Mirhaji P, Soby S, Anand P, Himes CP, Smith RV, Santer P, Freda J, Eikermann M, Ramaswamy P. Development and validation of a machine learning ASA-score to identify candidates for comprehensive preoperative screening and risk stratification. J Clin Anesth. 2023 Aug;87:111103. doi: 10.1016/j.jclinane.2023.111103. Epub 2023 Mar 8.
- Abdel Malek M, van Velzen M, Dahan A, Martini C, Sitsen E, Sarton E, Boon M. Generation of preoperative anaesthetic plans by ChatGPT-4.0: a mixed-method study. Br J Anaesth. 2025 May;134(5):1333-1340. doi: 10.1016/j.bja.2024.08.038. Epub 2024 Nov 14.
- Yoon HK, Yang HL, Jung CW, Lee HC. Artificial intelligence in perioperative medicine: a narrative review. Korean J Anesthesiol. 2022 Jun;75(3):202-215. doi: 10.4097/kja.22157. Epub 2022 Mar 29.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Becsült)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
Egyéb vizsgálati azonosító számok
- 85674025.4.0000.5530
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .