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.

Parte della medicina avanzata basata sui dati Cancro ai polmoni (ADAMpartlung)

9 maggio 2023 aggiornato da: AZ Delta

Sottostudio ADAM Luik 2: Studio di coorte osservazionale retrospettivo su un singolo centro sulla costruzione e la convalida di modelli di previsione dell'IA per gli esiti dei pazienti affetti da cancro del polmone

Sviluppare e convalidare un modello di intelligenza artificiale che supporti i medici nel loro processo decisionale per il trattamento dei pazienti con cancro ai polmoni. Questo modello di intelligenza artificiale deve prevedere la probabilità o l'evoluzione dei risultati, per i possibili trattamenti contro il cancro ai polmoni. I dati di input per l'addestramento di tali modelli saranno un "paziente profondo". Questo paziente profondo è un modello di intelligenza artificiale a sé stante, addestrato sui dati ospedalieri, come descritto negli obiettivi secondari.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Intervento / Trattamento

Descrizione dettagliata

Lo scopo di questo studio è preparare e sbloccare dati del mondo reale (RWD) in silos per l'analisi e la costruzione di modelli artificiali con l'obiettivo di derivare prove del mondo reale (RWE). Al giorno d'oggi medici e infermieri raccolgono dati dai pazienti e registrano i dati nel sistema di cartelle cliniche elettroniche. I punti dati spesso non sono disponibili in un formato strutturato, quindi la raccolta e lo sblocco dei dati viene effettuato manualmente su richiesta. Un'attenta analisi dei dati raccolti utilizzando strumenti di intelligenza artificiale potrebbe anche aiutare a prevedere quali pazienti sono a più alto rischio di utilizzo non programmato dell'assistenza sanitaria, visite al pronto soccorso e ricoveri ospedalieri. Pertanto, un modello in grado di prevedere gli esiti rilevanti sarebbe di notevole aiuto per la pratica quotidiana dei medici.

Obiettivo primario Sviluppare e convalidare un modello di intelligenza artificiale che supporti i medici nel loro processo decisionale per il trattamento dei pazienti affetti da cancro del polmone. Questo modello di intelligenza artificiale deve prevedere la probabilità o l'evoluzione dei risultati, per i possibili trattamenti contro il cancro ai polmoni. Le fonti di dati di input del modello sono dati ospedalieri come dati demografici, stato di salute di base, trattamenti precedenti, dati di imaging e dati fisiologici, dati dettagliati sui trattamenti

Obiettivi secondari

  • Sblocco automatico, raccolta e trasformazione dei datapoint del cancro del polmone nel modello di dati comune OMOP in modo che i dati siano prontamente disponibili per ulteriori ricerche e analisi
  • Costruire un paziente digitale addestrando un modello AI alimentato con tutti i dati disponibili nel modello di dati comune OMOP
  • Convalida di un paziente digitale e selezione ottimale delle funzionalità per migliorare le prestazioni del modello di intelligenza artificiale tramite tecniche di apprendimento senza supervisione

Il potenziale dell'applicazione dei trasformatori per rappresentare i pazienti è una medicina veramente personalizzata e persino predittiva. Il motivo è che i trasformatori sono uno strumento che consente di gestire milioni di parametri interagenti e con comportamento non lineare. Quindi le fonti di dati nella figura sopra possono essere estese per includere informazioni genetiche e così via. utilizzare la selezione ottimale delle funzionalità da un paziente digitale per migliorare le prestazioni del modello di intelligenza artificiale tramite tecniche di apprendimento senza supervisione, per perfezionare ulteriormente i modelli di previsione per la pratica quotidiana.

Costruire un gemello virtuale per rappresentare un paziente in dettaglio in modo che l'analisi della popolazione e la creazione di modelli siano clinicamente rilevanti.

Tipo di studio

Osservativo

Iscrizione (Anticipato)

500

Contatti e Sedi

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

Contatto studio

Backup dei contatti dello studio

  • Nome: Ingel Demedts, MD
  • Numero di telefono: 003251237111

Luoghi di studio

  • Belgio
    • West-Vlaanderen
      • Roeselare, West-Vlaanderen, Belgio, 8800
        • Reclutamento
        • AZ Delta
        • Contatto:
        • Investigatore principale:
          • Ingel Demedts, Prof
        • Sub-investigatore:
          • Hannelore Bode, MD
        • Sub-investigatore:
          • Bernard Bouckaerts, MD
        • Sub-investigatore:
          • Kris Carron, MD
        • Sub-investigatore:
          • Stephanie Dobbelaere, MD
        • Sub-investigatore:
          • Ulrike Himpe, MD
        • Sub-investigatore:
          • Heidi Mariën, MD
        • Sub-investigatore:
          • Peter Van Haecke, MD
        • Sub-investigatore:
          • Wim Verbeke, MD
        • Sub-investigatore:
          • Peter De Jaeger, Prof, PhD
        • Sub-investigatore:
          • Pieter-Jan Lammertyn
        • Sub-investigatore:
          • Louise Berteloot
        • Sub-investigatore:
          • Kim Denturck, Msc ir

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

Età idonea allo studio

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

No

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Pazienti con tumore del polmone inseriti nel percorso del paziente con tumore del polmone dal 20/04/2018

Descrizione

Criterio di inclusione:

  • Pazienti con cancro al polmone inclusi nel percorso dei pazienti con cancro al polmone

Criteri di esclusione:

  • Non specificato

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

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Dati in un modello di dati comune internazionale pronto per l'input AI
Lasso di tempo: 2022
Dati ospedalieri per cancro al polmone tradotti e convalidati clinicamente in concetti UMLS e archiviati nel modello di dati comune OMOP
2022

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Costruzione digitale del paziente
Lasso di tempo: 2023
Costruire un paziente digitale addestrando un modello AI
2023
Apprendimento automatico supervisionato
Lasso di tempo: 2023
Addestrare e convalidare modelli di machine learning supervisionati con un set limitato di funzionalità selezionate come input per prevedere gli esiti dei pazienti con cancro ai polmoni.
2023
Costruzione e validazione del modello di intelligenza artificiale predittiva per i pazienti affetti da cancro del polmone
Lasso di tempo: 2024
Costruzione e validazione dell'approccio di fattibilità del modello di intelligenza artificiale predittiva; Costruire modelli di IA sugli esiti previsti come la mortalità a 30 giorni, la visita al pronto soccorso a 30 giorni, l'evoluzione della QoL, le complicanze del trattamento acuto
2024

Collaboratori e investigatori

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

Sponsor

AZ Delta

Investigatori

  • Investigatore principale: Ingel Demedts, MD, AZ Delta

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)

27 settembre 2021

Completamento primario (Anticipato)

27 settembre 2024

Completamento dello studio (Anticipato)

31 dicembre 2024

Date di iscrizione allo studio

Primo inviato

13 marzo 2023

Primo inviato che soddisfa i criteri di controllo qualità

13 marzo 2023

Primo Inserito (Effettivo)

24 marzo 2023

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

10 maggio 2023

Ultimo aggiornamento inviato che soddisfa i criteri QC

9 maggio 2023

Ultimo verificato

1 maggio 2023

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • B1172021000032

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

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 .

Sottoscrivi