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.

Automated Vetting and Protocolling of MRI Examinations (AutoProMpt)

2 novembre 2026 aggiornato da: Edozie Iweka

Automated Vetting and Protocoling of MRI Examination Referrals Using Explainable Large Language Models (LLM) With Retrieval Augmented Generation (RAG) (XLLM) Techniques- A Multi-stage Study

Background Vetting and assigning of protocols to MRI scan requests are usually carried out by radiologists and radiographers. This way is both time-consuming and prone to error. Recent improvements in Artificial Intelligence (Al) like Large Language Models (LLMs) are better at processing human language. It could be used to improve tasks like image reporting and assigning protocols in radiology.

Approach Firstly, I will find out about the delays in the way this is currently done. I will use a survey to find out the perceptions of radiologists to both the current process and the proposed Al intervention.

I will then use an LLM to undertake referral and protocol tasks. I will compare its performance to the performance of clinical specialists and established guidelines.

I will present the explanation reports to radiologists and ask them if they can be understood and whether they can be trusted as clinically reliable.

Impact My research could help reduce the workload and time radiologists spend dealing with scan requests. The findings will help design future research to consider application in real clinical settings.

Panoramica dello studio

Tipo di studio

Osservativo

Iscrizione (Stimato)

900000

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: Edozie Iweka, MSc (Dist)
  • Numero di telefono: +441225386989
  • Email: eoi29@bath.ac.uk

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

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

This study is multi-stage multi-center research involving retrospective MRI referral data of patients and collected across three NHS Foundation Trusts in the United Kingdom.

Descrizione

Inclusion Criteria:

  • Patients who have had MRI examinations in the study sites
  • Patients with MRI referrals submitted through electronic referral systems
  • Patients whose MRI referrals were vetted and protocolled prior to examination

Exclusion Criteria:

  • Patients who have had other imaging examination outside the MRI
  • Patients with paper referrals scanned in electronic referral systems
  • Patients for MRI examinations without vetting and protocolling

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

  • Modelli osservazionali: COHORT
  • Prospettive temporali: RETROSPECTIVE

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
Group

Adult Patients undergoing MRI examinations

No Intervention as this is an experiment on retrospective collected referral data

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Accuracy
Lasso di tempo: Through study completion, an average of 2 years

Accuracy of pretrained LLMs+RAG in automating vetting and protocolling of MRI examination referrals.

Through study completion, an average of 2 years

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Clinical Usefulness
Lasso di tempo: Through study completion, an average of 2 years

Clinical usefulness of explainability reports on the performance of pretrained LLMs+RAG in automating vetting and protocolling of MRI examination referrals.

Through study completion, an average of 2 years

Collaboratori e investigatori

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

Sponsor

Collaboratori

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 (Stimato)

1 febbraio 2027

Completamento primario (Stimato)

1 aprile 2027

Completamento dello studio (Stimato)

28 settembre 2029

Date di iscrizione allo studio

Primo inviato

28 ottobre 2026

Primo inviato che soddisfa i criteri di controllo qualità

2 novembre 2026

Primo Inserito (Effettivo)

5 novembre 2026

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

5 novembre 2026

Ultimo aggiornamento inviato che soddisfa i criteri QC

2 novembre 2026

Ultimo verificato

1 novembre 2026

Maggiori informazioni

Termini relativi a questo studio

Piano per i dati dei singoli partecipanti (IPD)

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

NO

Descrizione del piano IPD

No patient identifiable data will be collected from this study. All collected data will be held by the sponsor institution, University of Bath as per local research data policy.

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