Previsione del genotipo basato sull'aria ai dati EHR e multimodali
16 aprile 2025 aggiornato da: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Prevedere i genotipi dei pazienti utilizzando record di salute elettronica e dati multimodali attraverso modelli basati sull'intelligenza artificiale
L'obiettivo di questo studio clinico è esplorare il potenziale dell'uso di record di salute elettronica (EHR) e dati multimodali (come imaging, risultati di laboratorio e storia clinica) per prevedere il genotipo di un paziente.
Lo studio valuterà se i modelli predittivi basati su questi dati non genetici possono dedurre accuratamente le informazioni genetiche, che tradizionalmente richiedono test genetici diretti.
Panoramica dello studio
Stato
Reclutamento
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Questo studio clinico retrospettivo multicentrico mira a valutare l'uso delle cartelle cliniche elettroniche (EHR) e dei dati multimodali (come risultati di laboratorio clinici, dati di imaging e anamnesi) nel prevedere il genotipo di un paziente.
L'obiettivo principale dello studio è sviluppare un modello di previsione basato sull'intelligenza artificiale in grado di dedurre informazioni genetiche analizzando i dati sanitari disponibili, eliminando la necessità di test genetici diretti. Il modello di intelligenza artificiale sarà addestrato per elaborare e integrare grandi set di dati, tra cui EHR, risultati di laboratorio e dati di imaging come raggi X, risonanza magnetica ed ultrasuoni, al fine di prevedere le informazioni genotipiche.
Lo studio confronterà le previsioni basate sull’intelligenza artificiale con i risultati effettivi dei test genetici per valutare l’accuratezza del modello.
In caso di successo, questo metodo potrebbe fornire uno strumento non invasivo ed economicamente vantaggioso per la previsione del genotipo, che potrebbe essere utilizzato nella medicina personalizzata, nella diagnosi precoce delle malattie e nella stratificazione del rischio. I partecipanti non saranno sottoposti ad alcun test genetico come parte dello studio.
Invece, i loro dati medici storici verranno analizzati dal sistema di intelligenza artificiale per prevedere le informazioni genetiche e i rischi di malattie associati.
Lo studio valuterà la capacità del modello di prevedere le predisposizioni genetiche a varie condizioni di salute sulla base dei dati sanitari disponibili.
In tal modo, lo studio mira a promuovere l’uso dell’intelligenza artificiale nel processo decisionale clinico e nella diagnostica genetica.
Tipo di studio
Osservativo
Iscrizione (Stimato)
100000
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Contatto studio
- Nome: Fei Liu, MD
- Numero di telefono: +86 13810512704
- Email: liufei_2359@163.com
Luoghi di studio
-
-
Guangdong
-
Guangzhou, Guangdong, Cina
- Reclutamento
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
Contatto:
- Yunfang Yu
- Numero di telefono: +86 020-81332199
- Email: yuyf9@mail.sysu.edu.cn
-
Guangzhou, Guangdong, Cina
- Reclutamento
- Sun Yat-sen University Cancer Hospital
-
Contatto:
- Yuxing Lu
- Numero di telefono: +86 13161233730
- Email: yxlu0613@gmail.com
-
-
Zhejiang
-
Wenzhou, Zhejiang, Cina
- Reclutamento
- Second Affiliated Hospital of Wenzhou Medical University
-
Contatto:
- Sian Liu
- Numero di telefono: +86-0577-88002888
- Email: liusan@mail3.sysu.edu.cn
-
Wenzhou, Zhejiang, Cina
- Completato
- First Affiliated Hospital of Wenzhou Medical University
-
-
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
Sì
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
La popolazione dello studio sarà selezionata da più centri sanitari che mantengono cartelle cliniche elettroniche (EHR) complete e hanno accesso a dati clinici multimodali, inclusi risultati di laboratorio, imaging medico (ad es. Raggi X, risonanza magnetica, scansioni TC) e anamnesi.
I partecipanti saranno individui con una varietà di condizioni di salute per le quali le informazioni sul genotipo sono rilevanti, sebbene per la selezione non verranno utilizzate caratteristiche genetiche specifiche.
L’attenzione sarà focalizzata sull’utilizzo dei dati sanitari disponibili per prevedere le informazioni genetiche attraverso il modello di intelligenza artificiale.
Lo studio mira a valutare l’accuratezza e l’utilità dell’utilizzo di dati non genetici, come EHR e imaging multimodale, per prevedere i genotipi dei pazienti, che potrebbero fornire un approccio alternativo ai tradizionali metodi di test genetici.
Descrizione
Criteri di inclusione:
- I partecipanti devono disporre di cartelle cliniche elettroniche (EHR) complete, inclusa l'anamnesi, i risultati di laboratorio e i dati di imaging pertinenti (ad esempio radiografie, risonanza magnetica, scansioni TC).
- I partecipanti devono avere a disposizione i dati dei test genetici esistenti per il confronto, se applicabile.
- I partecipanti devono essere disposti a fornire il consenso per l'utilizzo dei propri dati sanitari nello studio.
- I partecipanti non devono avere alcun intervento attivo relativo a test genetici o previsioni durante il periodo di studio.
- I partecipanti dovrebbero avere dati sanitari completi e verificabili per consentire una previsione accurata da parte del modello AI.
Criteri di esclusione:
- Partecipanti senza cartelle cliniche elettroniche, risultati di laboratorio o dati di imaging disponibili.
- Partecipanti con risultati di test genetici ambigui, inesatti o non verificabili che non possono essere utilizzati per il confronto.
- Pazienti con discrepanze significative o dati mancanti che impedirebbero al modello AI di fare previsioni accurate.
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 |
Intervento / Trattamento |
|---|---|
|
Previsione del genotipo basato sull'intelligenza artificiale utilizzando EHR e dati multimodali
Questa coorte è costituita da pazienti i cui dati sanitari storici, tra cui record di salute elettronica (EHR), risultati di laboratorio clinico e dati di imaging multimodale (come raggi X, risonanza magnetica e scansioni TC), saranno analizzati da un modello di previsione basato sull'intelligenza artificiale per prevedere il loro genotipo.
Non ci sono interventi attivi in questa coorte, poiché lo studio mira a utilizzare dati di salute non genetici per inferire le informazioni genetiche.
I partecipanti non subiranno test genetici ma forniranno i loro dati sanitari per l'analisi da parte del sistema AI.
L'obiettivo di questo gruppo è valutare l'accuratezza del modello AI nella previsione dei genotipi e nell'identificazione delle predisposizioni genetiche a varie malattie basate sui dati sanitari disponibili.
|
L'intervento in questo studio prevede un modello predittivo basato sull'intelligenza artificiale progettato per analizzare e integrare le cartelle cliniche elettroniche (EHR) dei pazienti, i risultati di laboratorio clinici e i dati di imaging multimodale (ad esempio raggi X, risonanza magnetica, scansioni TC).
Il modello AI è addestrato per prevedere il genotipo di un paziente sulla base di queste fonti di dati non genetici.
Questo modello utilizza algoritmi di apprendimento automatico per rilevare modelli e dedurre informazioni genetiche che tradizionalmente richiederebbero test genetici diretti.
Non ci sono trattamenti attivi o test genetici coinvolti in questo intervento; piuttosto, il sistema di intelligenza artificiale funge da strumento per prevedere le informazioni genetiche dai dati clinici disponibili, offrendo un’alternativa non invasiva e potenzialmente più accessibile ai test genetici.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
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
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.
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)
1 luglio 2023
Completamento primario (Stimato)
1 giugno 2025
Completamento dello studio (Stimato)
1 giugno 2025
Date di iscrizione allo studio
Primo inviato
19 gennaio 2025
Primo inviato che soddisfa i criteri di controllo qualità
19 gennaio 2025
Primo Inserito (Effettivo)
24 gennaio 2025
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
17 aprile 2025
Ultimo aggiornamento inviato che soddisfa i criteri QC
16 aprile 2025
Ultimo verificato
1 aprile 2025
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
- Genotype
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 .