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

Reclutamento

Condizioni

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

Osservativo

Iscrizione (Stimato)

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

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

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
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

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.

Sponsor

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)

1 luglio 2023

Completamento primario (Stimato)

1 luglio 2025

Completamento dello studio (Stimato)

1 luglio 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

  • 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 .

Prove cliniche su Agente AI

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Montenegro

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi