Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

A generatív mesterséges intelligencia hatása a reumatoid arthritis szövődményeinek diagnosztikájára

2025. december 22. frissítette: Quan Jiang, Guang'anmen Hospital of China Academy of Chinese Medical Sciences

A generatív mesterséges intelligencia hatása a reumatoid artritisz szövődményeinek diagnosztizálására

A nagy nyelvi modelleken (LLM) alapuló generatív mesterséges intelligencia (GenAI) várhatóan javítani fogja az autoimmun betegségek diagnosztizálását és kezelését. Tanulmányozzuk, hogy a GenAI hogyan befolyásolhatja a reumatoid arthritis (RA) különböző szövődményeinek diagnosztizálását. Egy retrospektív vizsgálatban, RA-betegek EHR-adatait felhasználva, számszerűsítjük az orvosok GenAI előrejelzéseinek alkalmazását RA-szövődmények és együttálló betegségek esetén. Egy prospektív megfigyelési tanulmányban felmérjük annak megvalósíthatóságát, hogy a GenAI előrejelzéseit további klinikai információként használjuk fel, hogy segítsük az orvosokat a RA-szövődmények és együttálló betegségek, beleértve a komplex, szokatlan vagy ritka állapotok teljesebb diagnosztizálásában.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Beavatkozás / kezelés

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

100

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

  • Név: Quan Jiang Guang'anmen Hospital, China Academy of Chinese Medical Science
  • Telefonszám: 010-88001942
  • E-mail: doctorjq@126.com

Tanulmányi helyek

  • Kína
    • Beijing Municipality
      • Beijing, Beijing Municipality, Kína, 100053
        • Toborzás
        • Guang'anmen Hospital of China Academy of Chinese Medical Sciences
        • Kapcsolatba lépni:
        • Kutatásvezető:
          • Quan Jiang, MD

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Gyermek
  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Felnőtt férfi és női RA betegek, akiket Rheumatológiai Osztályunkon kezelnek, és akik megfelelnek az Amerikai Reumatológiai Kollégium (ACR) és az Európai Reumatizmusellenes Liga (EULAR) 2010-es reumatoid artritisz osztályozási és diagnosztikai kritériumainak.

Leírás

Bevonási kritériumok:

  • Rheumatoid arthritis (RA) kezdeti diagnózisával rendelkező betegek.
  • Minden valós világbeli RA-val diagnosztizált kórházi beteg, akit osztályunkon kezelnek.
  • A felvétel a valós világbeli adatok tanulmányának időszakán belül történt.

Kizárási kritériumok:

  • Azon betegek, akikről a tanulmány során később kiderült, hogy nem RA-ban szenvednek.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
RA betegcsoport generatív AI előrejelzési jelentések használatával
A reumatológiai osztályunkon 2025. október 1. és 2026. június között újonnan reumatoid arthritis diagnózist kapott kórházi betegeket toborzunk a vizsgálatba. Az orvosok a differenciáldiagnosztikai folyamatban a GenAI által előrejelzett lehetséges RA-szövődmények és együtt előforduló betegségeket, valamint a megerősítő diagnosztikai teszteket további bemenetként használják fel.
Egyéb: Generatív AI predikciós jelentés RA-szövődményekre

A generatív mesterséges intelligencia, amely több nagy nyelvi modellre (LLM) épül, a felvételkor rendelkezésre álló elektronikus egészségügyi nyilvántartási (EHR) adatok felhasználásával megjósolja a reumatoid artritiszes betegekben felmerülő potenciális szövődményeket és társbetegségeket. Az orvosok ezeket az MI-előrejelzéseket további információként használják fel diagnosztikai terveik módosításához a differenciáldiagnózis során. Az intervenció hatását a végleges diagnózisokra a kórházi elbocsátáskor mérik majd.

A prospektív vizsgálat előtt a generatív MI előrejelzési jelentések alkalmazhatóságát retrospektív RA-betegek EHR-adataival validálják majd.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Be fogják-e az orvosok alkalmazni a GenAI előrejelzéseket az RA szövődmények diagnosztizálásában?
Időkeret: Azonnal azután, hogy a beteg MI jelentését áttekintették a felvétel napján.
A rutinell ellátási munkafolyamatban nagy nyelvi modelleket (LLM-eket) használnak a potenciális RA-szövődmények előrejelzésére minden egyes de-identifikált betegeset esetében, és egy AI-jelentést generálnak, amely felsorolja a lehetséges szövődményeket és együtt előforduló betegségeket. További diagnosztikai teszteket javasolnak a megjósolt állapokok ellenőrzésére. Az AI-jelentés áttekintése után az orvosok azonnal értékelik minden egyes betegség-előrejelzést egy 5 pontos Likert-skála segítségével (1 = teljes egyet nem értés; 2 = egyet nem értés; 3 = semleges; 4 = egyetértés; 5 = teljes egyetértés). Az átlagpontszámot számítják ki az érzékelt előrejelzési pontosság mérésére. Az orvosok azt is jelzik, hogy minden egyes konkrét betegség-előrejelzés potenciálisan alkalmazható vagy felhasználható-e a differenciáldiagnózis segítésére (bináris: 0 vagy 1). A pozitív alkalmazási válaszok százalékát számítják ki a potenciális alkalmazási arány, vagy az alkalmazhatóság mérésére.
Azonnal azután, hogy a beteg MI jelentését áttekintették a felvétel napján.

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Milyen mértékben befolyásolják valójában a RA-szövődmények diagnózisait a GenAI előrejelzései?
Időkeret: Közvetlenül a végső diagnózis felállítása után a kórházi elbocsátáskor.
A beteg elbocsátása előtt az orvosok végleges diagnózist állítanak fel és rögzítik, hogy mely diagnosztizált szövődmények vagy társbetegségek befolyásolásra kerültek a GenAI előrejelzési információ által minden egyes beteg esetében. Azoknak az eseteknek a százalékos arányát, amelyekben a GenAI előrejelzések hatással voltak a végleges diagnózisra, az AI gyakorlati diagnosztikai gyakorlatban való tényleges hatásának mérésére számítják ki.
Közvetlenül a végső diagnózis felállítása után a kórházi elbocsátáskor.

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Guang'anmen Hospital of China Academy of Chinese Medical Sciences

Publikációk és hasznos linkek

A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.

Hasznos linkek

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2025. október 1.

Elsődleges befejezés (Becsült)

2026. február 1.

A tanulmány befejezése (Becsült)

2026. június 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2025. szeptember 28.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2025. december 22.

Első közzététel (Tényleges)

2025. december 24.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2025. december 24.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2025. december 22.

Utolsó ellenőrzés

2025. december 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Kulcsszavak

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • 2025-201-KY

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

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. .

Iratkozz fel