Egy OCR-Prompt-LLM integrált munkafolyamat teljesítménye a többdimenziós klinikai adatok kinyerésében iszkémiás szívbetegség esetén (OPAL-CAD)
2026. március 24. frissítette: China National Center for Cardiovascular Diseases
Az OCR-Prompt-LLM integrált munkafolyamat teljesítményének értékelése többdimenziós klinikai adatok kinyerésében iszkémiás szívbetegségek esetén
Ez a kutatás célja, hogy átfogó, mesterséges intelligenciával hajtott munkafolyamatot értékeljen mind a klinikai adatok kinyerése, mind a diagnosztikai osztályozás szempontjából a koszorúér-betegség (CAD) esetében.
Az OCR és a Nagy Nyelvi Modellek (LLM-ek) felhasználásával a rendszer úgy van tervezve, hogy tíz kulcsfontosságú klinikai paramétert (például LVEF és laboreredményeket) nyerjen ki, valamint diagnosztikai altípusokat (UA, STEMI, NSTEMI, CCS) biztosítson közvetlenül strukturálatlan kórházi feljegyzésekből.
Egy ember-gép összehasonlító vizsgálatot fogunk végezni 308 betegből álló tesztcsoport felhasználásával, ahol az LLM-alapú munkafolyamat teljesítményét hét klinikai orvos átlagos diagnosztikai pontosságával és feldolgozási idejével fogjuk összemérni.
Az eredmények bizonyítékot szolgáltatnak arra vonatkozóan, hogy a LLM-ek használata mennyire kivitelezhető a klinikai adatok strukturálásának és a diagnosztikai hatékonyság növelésének érdekében a kardiológiában.
A tanulmány áttekintése
Állapot
Befejezve
Tanulmány típusa
Megfigyelő
Beiratkozás (Tényleges)
308
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
-
Beijing, Kína, 100037
- Fuwai Hospital
-
-
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
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Igen
Mintavételi módszer
Valószínűségi minta
Tanulmányi populáció
A vizsgált populáció 308, különböző típusú koszorúér-betegség (CAD) diagnózisú beteget foglal magában.
A kohorsz két nagyobb klinikai vizsgálatból származik: az AIM-CHD vizsgálatból (a próbaüzem és a gyors optimalizálás céljából) és a SMART-CHD vizsgálatból (a belső validálás céljából), amelyek mindkettőt a Fuwai Kórházban végezték.
Ezen kívül egy külső validálási kohorsz is bekerült, amely Kína 8 független klinikai alcentrumából származó betegeket foglal magában, hogy földrajzi és intézményi sokféleséget biztosítson.
A populáció a CAD különböző megnyilvánulásait öleli fel, beleértve az Instabil Anginát (UA), a STEMI-t, az NSTEMI-t és a Krónikus Koszorúér Szindrómát (CCS), így robusztus adatkészletet biztosít az AI-alapú diagnosztikai és adatkinyerési teljesítmény értékeléséhez.
Leírás
Bevonási kritériumok:
- 18 évnél idősebb betegek.
- A korábban az AIM-CHD (a pilóta/prompt optimalizálási csoport számára) vagy a SMART-CHD (a belső validációs kohorsz számára) tanulmányokba bevont betegek klinikai feljegyzései.
- Koronáriaér-betegségben (CAD) diagnosztizált vagy annak gyanújával élő betegek, beleértve az alcsoportokat: Instabil Angina (UA), STEMI, NSTEMI és Krónikus Koronária Szindróma (CCS).
Kizárási kritériumok:
- Erősen töredezett adatokkal rendelkező vagy több mint 50%-ban hiányzó kulcsfontosságú klinikai mutatókkal rendelkező klinikai feljegyzések.
- Kézzel írt orvosi feljegyzések vagy alacsony minőségű szkennelt anyagok, amelyek nem alkalmasak az Optikai Karakterfelismerés (OCR) feldolgozására.
- Duplikált feljegyzések vagy olyan feljegyzések, amelyek ellentmondó "Aranystandard" címkékkel rendelkeznek, és amelyeket a szakértői bizottság nem tud egyeztetni.
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 |
|---|---|
|
Teszt Kohorsz
Ez a csoport 50 betegnyilvántartásból áll az AIM-CHD tanulmányból a Fuwai Kórházból.
Ezeket az adatokat kifejezetten az OCR feldolgozás finomítására és a Prompt Engineering optimalizálására használják az LLM-alapú munkafolyamat számára.
|
Az intervenció egy automatizált klinikai adatkezelő rendszer, amely Optikai Karakterfelismerést (OCR), optimalizált Prompt Engineeringet és Nagy Nyelvi Modelleket (LLM) integrál.
A munkafolyamat strukturálatlan kórházi feljegyzéseket dolgoz fel, hogy 10 kulcsfontosságú klinikai indikátort (pl. LVEF, CAD altípusok, gyógyszerek) kinyerjen, és a beteget meghatározott koszorúér-betegség kategóriákba sorolja (UA, STEMI, NSTEMI, CCS)
Szabványos kézi folyamat, ahol tapasztalt klinikai orvosok gyűjtik és értelmezik a betegadatok az orvosi dokumentációból.
Ez szolgál az emberi referenciapontként a diagnosztikai pontosság és az operatív hatékonyság összehasonlításához.
|
|
Belső Validációs Kohorsz
Ez a kohorsz 188 klinikai esetet tartalmaz, amelyek a Fuwai Kórház SMART-CHD tanulmányából származnak.
Ezek a nyilvántartások szolgálnak elsődleges belső referenciaértékként az LLM munkafolyamat diagnosztikai és kinyerési pontosságának értékeléséhez a megállapított alapértékekkel szemben.
|
Az intervenció egy automatizált klinikai adatkezelő rendszer, amely Optikai Karakterfelismerést (OCR), optimalizált Prompt Engineeringet és Nagy Nyelvi Modelleket (LLM) integrál.
A munkafolyamat strukturálatlan kórházi feljegyzéseket dolgoz fel, hogy 10 kulcsfontosságú klinikai indikátort (pl. LVEF, CAD altípusok, gyógyszerek) kinyerjen, és a beteget meghatározott koszorúér-betegség kategóriákba sorolja (UA, STEMI, NSTEMI, CCS)
Szabványos kézi folyamat, ahol tapasztalt klinikai orvosok gyűjtik és értelmezik a betegadatok az orvosi dokumentációból.
Ez szolgál az emberi referenciapontként a diagnosztikai pontosság és az operatív hatékonyság összehasonlításához.
|
|
Külső Validációs Kohorsz
Ez a kohorsz 70 betegfelvételből áll, amelyeket 8 független alcentrumból gyűjtöttek (kivéve a Fuwai Kórházat), hogy értékeljék a modell általánosíthatóságát és robusztusságát különböző klinikai környezetekben és eltérő orvosi felvételi formátumok esetén.
|
Az intervenció egy automatizált klinikai adatkezelő rendszer, amely Optikai Karakterfelismerést (OCR), optimalizált Prompt Engineeringet és Nagy Nyelvi Modelleket (LLM) integrál.
A munkafolyamat strukturálatlan kórházi feljegyzéseket dolgoz fel, hogy 10 kulcsfontosságú klinikai indikátort (pl. LVEF, CAD altípusok, gyógyszerek) kinyerjen, és a beteget meghatározott koszorúér-betegség kategóriákba sorolja (UA, STEMI, NSTEMI, CCS)
Szabványos kézi folyamat, ahol tapasztalt klinikai orvosok gyűjtik és értelmezik a betegadatok az orvosi dokumentációból.
Ez szolgál az emberi referenciapontként a diagnosztikai pontosság és az operatív hatékonyság összehasonlításához.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Általános diagnosztikai és kivonási pontossági arány
Időkeret: A vizsgálat befejezéséig, átlagosan 3 hónap.
|
A 308 esetben (beleértve a pilot csoportot, a belső validációs kohorsz és a külső validációs kohorsz) az LLM-alapú munkafolyamat teljes pontosságának kiszámítása 10 klinikai mutatóra (pl. LVEF, vércukorszint stb.) és a koszorúér-betegség 4 diagnosztikus altípusára.
A pontosság azon esetek arányaként van meghatározva, ahol az LLM kinyerési vagy diagnosztikai eredményei tökéletesen megegyeznek az emberi klinikai szakértők által létrehozott 'Arany Standarddal'.
|
A vizsgálat befejezéséig, átlagosan 3 hónap.
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
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)
2026. február 23.
Elsődleges befejezés (Tényleges)
2026. március 1.
A tanulmány befejezése (Tényleges)
2026. március 2.
Tanulmányi regisztráció dátumai
Először benyújtva
2026. március 24.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2026. március 24.
Első közzététel (Tényleges)
2026. március 30.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2026. március 30.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2026. március 24.
Utolsó ellenőrzés
2026. február 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- CAD-LLM-2025-01
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
IPD terv leírása
A betegek adatvédelmének védelme és a részt vevő intézmények (Fuwai Kórház és al-centerek) adatkezelési irányelveinek betartása érdekében az egyes résztvevők adatai nem lesznek nyilvánosan elérhetők.
Azonban az összesített tanulmányi eredmények és statisztikai elemzések szerepelni fognak a végső publikációban.
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. .