Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Agente AI per diagnosi e previsione automatizzate utilizzando dati EHR e multimodali

16 aprile 2025 aggiornato da: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Automazione assistita da agenti AI per la diagnosi e la previsione dei pazienti utilizzando cartelle cliniche elettroniche e dati multimodali

L'obiettivo di questo studio clinico è valutare l'efficacia di un agente AI nella diagnosi e nella previsione delle malattie utilizzando cartelle cliniche elettroniche (EHR) e dati di imaging multimodali. L’agente AI sfrutta algoritmi avanzati di apprendimento automatico per elaborare e analizzare diverse fonti di dati sanitari, con l’obiettivo di assistere gli operatori sanitari nell’effettuare diagnosi e previsioni più accurate.

Panoramica dello studio

Stato

Stato

Indica lo stato di reclutamento attuale o lo stato di accesso ampliato.
Reclutamento

Condizioni

Condizioni

La malattia, il disturbo, la sindrome, la malattia o la lesione oggetto di studio. Su ClinicalTrials.gov, le condizioni possono includere anche altri problemi relativi alla salute, come la durata della vita, la qualità della vita e i rischi per la salute.

Descrizione dettagliata

Questo studio clinico retrospettivo multicentrico è progettato per valutare l'applicazione e l'efficacia di un agente AI nel processo decisionale medico. L'agente AI integra e analizza dati multimodali, comprese le cartelle cliniche elettroniche (EHR) e vari dati di imaging (ad esempio raggi X, risonanza magnetica, scansioni TC, ultrasuoni) per prevedere e diagnosticare una serie di malattie. Sfruttando la potenza dell'apprendimento automatico e delle tecniche di fusione dei dati, l'agente AI può identificare modelli in set di dati grandi e complessi, offrendo approfondimenti che potrebbero non essere immediatamente evidenti attraverso i metodi diagnostici tradizionali. Lo studio confronterà l'accuratezza diagnostica dell'agente AI e le capacità di previsione delle malattie con le pratiche diagnostiche tradizionali per valutarne i potenziali benefici in ambito clinico. Le domande chiave includono se l’agente AI può aiutare nella diagnosi precoce, prevedere la progressione della malattia e supportare gli operatori sanitari nel prendere decisioni terapeutiche personalizzate. Ai partecipanti non sarà richiesto di sottoporsi ad alcun intervento aggiuntivo; forniranno solo dati sanitari storici, inclusi EHR e dati di imaging rilevanti, che saranno analizzati dall’agente AI. Il sistema di intelligenza artificiale utilizzerà quindi questi dati per assistere gli operatori sanitari offrendo previsioni e suggerimenti diagnostici basati sull’analisi delle informazioni multimodali. L’obiettivo finale è determinare se questo approccio basato sull’intelligenza artificiale può migliorare l’accuratezza diagnostica, ottimizzare le strategie di trattamento e migliorare i risultati dei pazienti nella pratica clinica.

Tipo di studio

Tipo di studio

Descrive la natura di uno studio clinico. I tipi di studio includono studi interventistici (chiamati anche studi clinici), studi osservazionali (compresi i registri dei pazienti) e accesso allargato.
Osservativo

Iscrizione (Stimato)

Iscrizione

Il numero di partecipanti a uno studio clinico. L'iscrizione "anticipata" è il numero target di partecipanti di cui i ricercatori hanno bisogno per lo studio.
2000000

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Contatto studio

Il nome e le informazioni di contatto della persona che può rispondere alle domande di iscrizione per uno studio clinico. Ogni sede in cui viene condotto lo studio può anche avere un contatto specifico, che potrebbe essere maggiormente in grado di rispondere a tali domande.

Luoghi di studio

  • Cina
    • Guangdong
      • Guangzhou, Guangdong, Cina
        • Reclutamento
        • Sun Yat-sen Memorial Hospital
        • Contatto:
      • Guangzhou, Guangdong, Cina
        • Reclutamento
        • Nanfang Hospital
        • Contatto:
      • Guangzhou, Guangdong, Cina
        • Reclutamento
        • Sun Yat-sen University Cancer Hospital
        • Contatto:
    • Sichuan
      • Chengdu, Sichuan, Cina
        • Reclutamento
        • West China Hospital
        • Contatto:
    • Zhejiang
      • Wenzhou, Zhejiang, Cina
        • Reclutamento
        • First Affiliated Hospital of Wenzhou Medical University
        • Contatto:
      • Wenzhou, Zhejiang, Cina
        • Reclutamento
        • Second Affiliated Hospital of Wenzhou Medical University
        • Contatto:

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Criteri di ammissibilità

I requisiti chiave che devono soddisfare le persone che vogliono partecipare a uno studio clinico o le caratteristiche che devono avere. I criteri di ammissibilità sono costituiti sia da criteri di inclusione (necessari a una persona per partecipare allo studio) sia da criteri di esclusione (che impediscono a una persona di partecipare). I tipi di criteri di ammissibilità includono se uno studio accetta volontari sani, ha requisiti di età o gruppo di età o è limitato dal sesso.

Età idonea allo studio

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

Sì

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

I partecipanti a questo studio saranno selezionati da più centri sanitari e ospedali che mantengono record di salute elettronica completi (EHR) e dati di imaging multimodale. La popolazione dello studio includerà pazienti che hanno una varietà di malattie o condizioni di salute, con dati disponibili per la diagnosi e la progressione della malattia. I partecipanti avranno diagnosi confermate basate su registri clinici o dati di imaging, inclusi ma non limitati alle condizioni catturate da raggi X, scansioni TC, risonanza magnetica e ultrasuoni. Sia quelli con complesse condizioni di salute che quelli con malattie più comuni saranno inclusi per valutare le capacità diagnostiche e predittive del sistema AI in un ampio spettro di casi. Le partici di questi centri forniranno dati sanitari storici e non vi sarà alcun intervento attivo oltre il Uso dei loro dati clinici e di imaging esistenti per la formazione e il test del sistema AI.

Descrizione

Criteri di inclusione:

  1. I partecipanti devono avere a disposizione cartelle cliniche elettroniche (EHR) complete, comprese informazioni demografiche, anamnesi e risultati di laboratorio.
  2. I partecipanti devono avere a disposizione dati di imaging multimodale (ad esempio raggi X, scansioni TC, risonanza magnetica, ultrasuoni) rilevanti per la loro condizione di salute.
  3. I partecipanti devono avere una diagnosi confermata di una o più malattie o condizioni di salute basate su registri clinici o dati di imaging.
  4. I pazienti devono fornire il consenso per l'utilizzo dei loro dati sanitari storici a fini di ricerca.

Criteri di esclusione:

  1. Partecipanti con diagnosi ambigue o non verificabili che non possono essere categorizzate con precisione.
  2. Dati del paziente duplicati o ridondanti (ad esempio, registrazioni ripetute dello stesso paziente senza una chiara differenziazione).

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Coorti e interventi

Gruppo / Coorte

Gruppo / Coorte

Un gruppo o sottogruppo di partecipanti a uno studio osservazionale che viene valutato per gli esiti biomedici o sanitari.
Previsione delle malattie assistita dall'intelligenza artificiale utilizzando dati EHR e immagini
Questa coorte è composta da pazienti i cui dati sanitari storici, comprese le cartelle cliniche elettroniche (EHR) e i dati di imaging multimodale (ad esempio, raggi X, risonanza magnetica, scansioni TC, ultrasuoni), saranno analizzati da un agente AI. Il sistema di intelligenza artificiale aiuterà a diagnosticare e prevedere le malattie elaborando e integrando queste diverse fonti di dati. L’obiettivo principale è valutare la capacità dell’agente AI di identificare modelli e prevedere la progressione della malattia con elevata precisione. Ai partecipanti non sarà richiesto di intraprendere alcuna azione aggiuntiva oltre a fornire la propria storia medica e i dati di imaging. L’obiettivo è valutare in che misura il sistema di intelligenza artificiale può supportare il processo decisionale clinico e migliorare i risultati diagnostici sulla base dei dati forniti.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misure di risultato primarie

Nel protocollo di uno studio clinico, la misura dell'esito pianificato più importante per valutare l'effetto di un intervento/trattamento. La maggior parte degli studi clinici ha una misura di esito primaria, ma alcuni ne hanno più di una.
Misura del risultato
Misura Descrizione
Lasso di tempo
Area sotto la curva (AUC)
Lasso di tempo: 1 anno
AUC della curva ROC, utilizzata per quantificare l'accuratezza diagnostica. Nessuna unità (un rapporto o una percentuale, generalmente espressa come un numero compreso tra 0 e 1).
1 anno
Punteggio F1
Lasso di tempo: 1 anno
Il punteggio F1 è la media armonica di precisione e sensibilità (richiamo). È una buona misura della capacità del modello di identificare sia i veri positivi che minimizzare i falsi positivi, specialmente nei casi in cui le classi sono squilibrate (ad esempio, quando il numero di casi sani è molto più alto dei casi di malattia). Il punteggio F1 varia da 0 a 1, con 1 che indica precisione e richiamo perfetti.
1 anno

Misure di risultato secondarie

Misure di risultato secondarie

Nel protocollo di uno studio clinico, una misura dell'esito pianificato che non è importante quanto la misura dell'esito primario per valutare l'effetto di un intervento ma è comunque di interesse. La maggior parte degli studi clinici ha più di una misura di esito secondaria.
Misura del risultato
Misura Descrizione
Lasso di tempo
Sensibilità (tasso di veri positivi)
Lasso di tempo: 1 anno
La sensibilità misura il modo in cui il modello AI identifica i veri casi positivi, come la diagnosi corretta delle donne in gravidanza con complicanze o identificare i disturbi neonatali.
1 anno
Specificità (tasso di veri negativi)
Lasso di tempo: 1 anno
La specificità misura la capacità del modello AI di identificare correttamente i casi senza malattie, garantendo che madri e neonati sani siano correttamente identificati come negativi.
1 anno

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Sponsor

L'organizzazione o la persona che avvia lo studio e che ha autorità e controllo sullo studio.
The Eye Hospital of Wenzhou Medical University

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

Inizio studio

La data effettiva in cui il primo partecipante è stato arruolato in uno studio clinico. La data di inizio dello studio "prevista" è la data che i ricercatori pensano sarà la data di inizio dello studio.
1 luglio 2023

Completamento primario (Stimato)

Completamento primario

La data in cui l'ultimo partecipante a uno studio clinico è stato esaminato o ha ricevuto un intervento per raccogliere i dati finali per la misura dell'esito primario. Il fatto che lo studio clinico sia terminato secondo il protocollo o sia stato interrotto non influisce su questa data. Per gli studi clinici con più di una misura di esito primario con diverse date di completamento, questo termine si riferisce alla data in cui la raccolta dei dati è completata per tutte le misure di esito primario. La data di completamento principale "prevista" è la data che i ricercatori ritengono sarà la data di completamento principale per lo studio.
1 luglio 2025

Completamento dello studio (Stimato)

Completamento dello studio

La data in cui l'ultimo partecipante a uno studio clinico è stato esaminato o ha ricevuto un intervento/trattamento per raccogliere i dati finali per le misure di esito primarie, le misure di esito secondarie e gli eventi avversi (ovvero l'ultima visita dell'ultimo partecipante). La data di completamento dello studio "prevista" è la data che i ricercatori ritengono sarà la data di completamento dello studio.
1 luglio 2025

Date di iscrizione allo studio

Primo inviato

Primo inviato

La data in cui lo sponsor o il ricercatore dello studio ha inviato per la prima volta un record di studio a ClinicalTrials.gov. In genere c'è un ritardo di alcuni giorni tra la prima data di invio e la disponibilità del record su ClinicalTrials.gov (la prima data di invio).
19 gennaio 2025

Primo inviato che soddisfa i criteri di controllo qualità

Primo inviato che soddisfa i criteri di controllo qualità

La data in cui lo sponsor dello studio o il ricercatore invia per la prima volta un record di studio che è coerente con i criteri di revisione del controllo di qualità (QC) della National Library of Medicine (NLM). Lo sponsor o lo sperimentatore potrebbe dover rivedere e inviare un record di studio una o più volte prima che i criteri di revisione QC di NLM siano soddisfatti. È responsabilità dello sponsor o dello sperimentatore garantire che il record dello studio sia coerente con i criteri di revisione QC NLM.
19 gennaio 2025

Primo Inserito (Effettivo)

Primo Inserito

La data in cui il record dello studio è stato disponibile per la prima volta su ClinicalTrials.gov dopo la conclusione della revisione del controllo di qualità (QC) della National Library of Medicine (NLM). In genere c'è un ritardo di alcuni giorni tra la data in cui lo sponsor dello studio o lo sperimentatore ha presentato il record dello studio e la prima data pubblicata.
24 gennaio 2025

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

Ultimo aggiornamento pubblicato

La data più recente in cui le modifiche al record di uno studio sono state rese disponibili su ClinicalTrials.gov. Potrebbe esserci un ritardo tra il momento in cui le modifiche sono state inviate a ClinicalTrials.gov dallo sponsor o dallo sperimentatore dello studio (data di invio dell'ultimo aggiornamento) e la data di pubblicazione dell'ultimo aggiornamento.
17 aprile 2025

Ultimo aggiornamento inviato che soddisfa i criteri QC

Ultimo aggiornamento inviato che soddisfa i criteri QC

La data più recente in cui lo sponsor dello studio o il ricercatore ha presentato modifiche a un record di studio che sono coerenti con i criteri di revisione del controllo di qualità (QC) della National Library of Medicine (NLM). È responsabilità dello sponsor o dello sperimentatore garantire che il record dello studio sia coerente con i criteri di revisione QC NLM.
16 aprile 2025

Ultimo verificato

Ultimo verificato

La data più recente in cui lo sponsor dello studio o il ricercatore ha confermato che le informazioni su uno studio clinico su ClinicalTrials.gov sono accurate e aggiornate. Se uno studio con stato di reclutamento di reclutamento; non ancora reclutamento; o attivo, non reclutamento non è stato confermato negli ultimi 2 anni, lo stato di reclutamento dello studio viene mostrato come sconosciuto.
1 aprile 2025

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Altri numeri di identificazione dello studio

Altri numeri di identificazione dello studio

Identificatori o numeri ID diversi dal numero NCT assegnati a uno studio clinico dallo sponsor, dai finanziatori o da altri dello studio. Questi numeri possono includere identificatori univoci di altri registri di sperimentazione e numeri di sovvenzioni del National Institutes of Health.
  • AI-agent

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

prodotto fabbricato ed esportato dagli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .

Impostazioni dei cookie

Utilizziamo i cookie per assicurarci di darti la migliore esperienza sul nostro sito web. Per maggiori dettagli leggi attentamente la nostra Informativa sulla privacy e sui cookie. ...>>>Puoi modificare le tue preferenze o revocare il tuo consenso in qualsiasi momento eliminando i cookie dal tuo sito web o computer come descritto nella policy. Accettalo e scegli le tue preferenze spuntando le caselle corrispondenti nella sezione "Gestisci impostazioni" di seguito. Leggi attentamente i nostri Termini di servizio prima di procedere con l'utilizzo di qualsiasi parte di questo sito web.
«Gestisci impostazioni