Valutazione del rilevamento delle fratture supportato dall’intelligenza artificiale nelle unità di pronto soccorso

Questo studio clinico mira a valutare l’efficienza in termini di costi e l’impatto sul flusso di lavoro del rilevamento delle fratture assistito dall’intelligenza artificiale in un’unità di pronto soccorso ortopedico. Lo studio è concepito come uno studio prospettico, randomizzato e controllato per valutare se l’integrazione della tecnologia AI può migliorare l’accuratezza diagnostica, semplificare il flusso di lavoro e ridurre i costi sanitari rispetto all’approccio diagnostico tradizionale.

Obiettivi di studio

Obiettivi primari:

Valutare l'accuratezza diagnostica del rilevamento delle fratture assistito dall'intelligenza artificiale, misurata in base alla sensibilità, alla specificità e all'area sotto la curva caratteristica operativa del ricevitore (AUC).

Valutare l’impatto dell’IA sul tempo necessario per stabilire una diagnosi. Determinare i potenziali risparmi sui costi associati all’uso dell’intelligenza artificiale nel rilevamento delle fratture.

Obiettivi secondari:

Analizzare l’effetto del supporto dell’IA sulla fiducia del medico nella diagnosi. Esaminare le prestazioni del sistema AI in diversi tipi di fratture e posizioni anatomiche.

Valutare i risultati del paziente e la soddisfazione relativa al processo diagnostico.

Progettazione dello studio

Si tratta di uno studio prospettico, randomizzato e controllato condotto presso un'unità di pronto soccorso ortopedico monocentrico. Lo studio prevede due bracci paralleli:

Gruppo di controllo: procedure diagnostiche standard senza assistenza AI. Gruppo di intervento: gli strumenti diagnostici basati sull'intelligenza artificiale aiutano a interpretare le immagini radiologiche per il rilevamento delle fratture.

Entrambi i gruppi seguiranno lo stesso protocollo di imaging diagnostico, inclusa l'imaging radiografico standard su due piani. Il software AI, preconvalidato per il rilevamento delle fratture, sarà integrato nel sistema di archiviazione e comunicazione delle immagini (PACS) dell'ospedale.

Dettagli dell'intervento

Il sistema AI (Aidoc) è progettato per identificare i modelli di frattura sui raggi X ed evidenziare aree di potenziale preoccupazione per la revisione medica. Il software funziona in tempo reale, fornendo immagini contrassegnate ai medici. L'output dell'intelligenza artificiale funge da ausilio diagnostico, con diagnosi finali effettuate dal medico curante.

Popolazione e campionamento

Popolazione: adulti di età pari o superiore a 18 anni che si presentano al pronto soccorso con sospetta frattura isolata delle estremità.

Dimensione del campione: circa 1.400 partecipanti (700 per gruppo) per garantire una potenza statistica sufficiente per i risultati primari.

Randomizzazione: i partecipanti verranno assegnati in modo casuale al gruppo di controllo o di intervento utilizzando un rapporto di assegnazione 1: 1. La randomizzazione sarà stratificata in base al livello di esperienza del medico curante per controllare la variabilità nell'accuratezza diagnostica.

Misure di risultato

Misure di esito primarie:

Accuratezza diagnostica: sensibilità, specificità e AUC della diagnosi assistita dall'intelligenza artificiale rispetto a quella tradizionale.

Tempo alla diagnosi: tempo totale dal triage del paziente alla diagnosi finale.

Misure di esito secondarie:

Analisi dei costi: un confronto dettagliato dei costi del processo diagnostico in entrambi i gruppi.

Affidabilità diagnostica: valutata utilizzando una scala Likert completata dai medici dopo aver esaminato ciascun caso.

Soddisfazione del paziente: valutata attraverso sondaggi incentrati sul processo diagnostico e sul tempo necessario per ottenere i risultati.

Procedure di studio

Raccolta dei dati di base: i dati demografici, la storia clinica e i sintomi presentati verranno registrati al momento dell'arruolamento. Verrà condotta l'imaging radiologico standard per tutti i partecipanti.

Integrazione AI (gruppo di intervento): le immagini radiologiche verranno elaborate dal software AI, fornendo immagini annotate ai medici. I flussi di lavoro diagnostici assistiti dall'intelligenza artificiale verranno confrontati con i flussi di lavoro standard.

Valutazione dei risultati: tutte le diagnosi saranno esaminate in modo indipendente da un gruppo di esperti, tra cui un radiologo esperto e un chirurgo ortopedico, per stabilire uno standard di riferimento per il confronto.

Considerazioni etiche

Lo studio aderisce ai principi della Dichiarazione di Helsinki e ha ricevuto l'approvazione del comitato etico locale. Il consenso informato scritto sarà ottenuto da tutti i partecipanti prima dell'iscrizione. I dati verranno pseudonimizzati per mantenerne la riservatezza.

Impatto previsto

Questo studio mira a fornire prove solide sull’efficacia dell’intelligenza artificiale nel migliorare i flussi di lavoro diagnostici in contesti di pronto soccorso. I risultati potrebbero favorire la futura integrazione degli strumenti di intelligenza artificiale nella pratica clinica, migliorando i risultati dei pazienti e ottimizzando l’utilizzo delle risorse in ambienti di assistenza di emergenza ad alto volume.