Belle.AI 皮膚科画像参照システムの実際の臨床現場での患者診断への応用
Belle.AI 皮膚科画像参照システムのアクティブな臨床現場での患者診断への応用
この調査研究の目的は、プライマリケア提供者が皮膚の状態を評価するのに役立つ人工知能 (AI) を使用する新しい研究ツールをテストすることです。 このツールは、スマートフォンと連携するAIを活用した皮膚科画像参照アプリです。 明確にするために、AI は診断を行いません。参考画像を提供します。 プライマリケア提供者は、独自の医学的判断とトレーニングを使用して診断を下します。
スポンサーは、AI ツールのサポートを受けてプライマリケア提供者 (医師、看護師、医師助手など) が行った診断を、ゴールドスタンダードを設定している皮膚科医のパネルと比較することを目的としています。 そうすることで、スポンサーはプライマリケア提供者にとって AI ツールの価値を判断し、従来の臨床ケアと並行して AI ツールをどのように使用できるかを理解できます。
この AI 機能は FDA 規制ガイドラインに準拠しており、参照目的で類似した画像を返す Google 画像検索と同様、医療機器とはみなされません。 介入の場合、医療提供者は AI ではなく、独自のトレーニングと臨床判断を使用して診断を行います。
調査の概要
詳細な説明
皮膚科医へのアクセスは限られていることが多く、皮膚、髪、爪の問題の約 60% が専門家以外の医師によって治療されています。 この研究では、プライマリケア提供者 (PCP) による皮膚状態の診断を支援する AI 皮膚科意思決定支援ツールの有効性を評価します。 AI ベースの画像分析は、特に皮膚科医以外の診断精度を高めることが示されています。 これまでの研究は主に皮膚科医に焦点を当てていたが、AI は診断精度と皮膚科医との合意を向上させることが示されているため、PCP にとってより有益である可能性がある。
世界では毎年約 19 億人が皮膚病に苦しんでおり、アメリカ人の 3 人に 1 人が専門医以外の皮膚科治療を求めています。 皮膚関連の問題は、一般開業医や救急外来を受診する際のかなりの割合を占めます。 AI は黒色腫やその他の炎症性疾患などの皮膚状態の診断に効果的であることが証明されており、AI ツールにより、特に皮膚科医以外の患者にとって診断の精度が向上する可能性があることが研究で示されています。
この研究で使用される Belle AI ツールは、500,000 枚を超える画像でトレーニングされた畳み込みニューラル ネットワークを採用し、2,000 を超える皮膚の状態を識別します。 医師が症状を特定するのに役立つ画像一致スコアを提供し、認定皮膚科医によるセカンドオピニオンのプロトコルを提供します。 この研究は、トリアージの精度、紹介の質、コスト削減の潜在的な改善を伴う、リアルタイムの臨床現場におけるツールの有用性を評価することを目的としています。
この研究は保健高等研究計画局 (ARPA-H) の支援を受けており、プライマリケアにおける皮膚科の意思決定支援に対する AI の影響を前向きに調査する最初の研究の 1 つとなります。
この研究は、Urban Health Plan (UHP) と協力して、実際の臨床環境における Belle AI 皮膚科学参照システムの精度と有用性を評価することを目的としています。 主要なエンドポイントには、皮膚科学審査委員会による最終診断と比較した診断の有用性と精度の評価、プライマリケア提供者や医師の拡張者から AI の経験に関するフィードバックを収集することが含まれます。 スポンサーはまた、最前線の医療におけるその価値を実証するために、システムの使用によるコストへの影響も分析します。
参加者はスマートフォンのアプリを使って肌の状態を画像に撮影し、AIが分析する。 参加者は、最初の訪問後に画像を送信すると金銭的インセンティブを受け取ります。 次回の診察は初回診察の2週間後に予定されていますが、AI分析に基づいて一部の診察がキャンセルされる場合があります。
参加者が主な皮膚科的苦情を呈し、インフォームドコンセントを提供できる場合は、参加者に含まれます。 プライバシー上の理由から、手順に従えない人や生殖器疾患のある小児参加者は除外されます。
UHP に入ると、参加者は登録され、優先順位付けされます。 適格な皮膚科学的症状を有する患者には、研究コーディネーターが採用の打診をし、研究コーディネーターが研究について説明し、同意を得る。 参加者は Belle Image Capture アプリをスマートフォンにダウンロードします。これにより、EMR にリンクされた研究 ID コードが作成され、プライバシーが確保されます。
最初の診察中に、医療提供者は患者を診察し、病歴を記録し、状態を診断します。 BellePro 医師アプリは、画像をキャプチャして鑑別診断を生成するために使用され、プロバイダーは最終診断を行う前にそれを確認します。 参加者はフォローアップ訪問の予定が立てられ、研究コーディネーターはアプリを通じて撮影された画像を受信した場合に提供者に通知します。
登録の 7 日後から、参加者はアプリを使用して画像を送信するようプッシュ通知によって促されます。 応答のない参加者に対してはコーディネーターがフォローし、期限内に鮮明な画像を取得することを目指します。 受信後、プロバイダーは最新の AI 分析を使用して診断を再評価します。 フォローアップの予定に関する決定は、コーディネーターによって通知されます。
フォローアップの予約が不要と判断された場合でも、参加者は 14 日目に画像を提出するよう求められます。 コーディネーターも同様にコンプライアンスを確保するためにフォローアップします。
この研究は、1日目(最初のクリニック訪問)から、最終画像またはフォローアップの予約が行われる14〜18日目まで続きます。 症例メモは eClinicalWorks で継続的に更新され、症例が解決されたか、継続的な治療が必要かが判断されます。
UHP のプライマリケア提供者は、グループビデオチャットによる BellePro 医師アプリでの電子摂取量調査とトレーニングを含むオンボーディングを受けます。 プロバイダーはアプリの使用法についてトレーニングを受け、そのフィードバックは終了調査で収集され、AI システムの使用経験と継続使用意欲を評価されます。
皮膚科の診断は複雑であるため、上級委員会認定皮膚科医からなる審査委員会がこの研究による診断を確認する予定です。 審査プロセスには、最初の画像評価、編集された医療記録の審査、AI 分析結果の検討という 3 つのフェーズが含まれます。 委員会の総意によって最終的な診断が決定され、分析のために文書化されます。 全会一致の決定が得られなかったケースは、研究の最終評価から除外されます。 登録が完了すると審査が行われます。
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究連絡先
- 名前:John Romano, MD
- 電話番号:617-520-4730
- メール:jromano@belle.ai
研究連絡先のバックアップ
- 名前:Franco Barsanti, PharmD
- 電話番号:347-446-0227
- メール:franco.barsanti@urbanhealthplan.org
研究場所
-
-
New York
-
Bronx、New York、アメリカ、07059
- 募集
- Urban Health Plan Inc.
-
コンタクト:
- Franco Barsanti, PharmD
- 電話番号:347-446-0227
- メール:franco.barsanti@urbanhealthplan.org
-
コンタクト:
- Carina Puello, BSN
- 電話番号:917-251-0223
- メール:carina.puello@urbanhealthplan.org
-
主任研究者:
- Samuel DeLeon, MD
-
主任研究者:
- Acklema Mohammad, MD
-
-
参加基準
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
説明
包含基準:
- 患者は皮膚科の主訴を持ってウォークインクリニックに来院しなければなりません。
- 患者は、インフォームドコンセントを提供し、研究手順や訪問に従う能力と意欲を持っていなければなりません。
- 参加者は必要なテクノロジー (インターネットにアクセスできるスマートフォンなど) にアクセスでき、必要な画像キャプチャにそれを使用できる必要があります。
除外基準:
- 身体的または精神的健康上の限界により、研究手順に従うことができない患者(研究コーディネーターによる評価による)。
- 性器に皮膚病を患っている小児、青年、十代の患者は研究に含まれない(患者のプライバシーへの懸念を裏付けるため)。
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 主な目的:診断
- 割り当て:なし
- 介入モデル:単一グループの割り当て
- マスキング:なし(オープンラベル)
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
他の:標準治療
|
Belle AIによる肌画像評価。
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
Belle AI 画像参照の精度
時間枠:学習完了までにかかる期間は平均 14 日
|
Belle AI の画像参照システムの一次確率診断と皮膚科学審査委員会によって確立された参照診断の比較。ベル画像一致スコアによって決定される 2 番目と 3 番目に確率が高い診断の精度の追加評価
|
学習完了までにかかる期間は平均 14 日
|
|
経済的負担への影響
時間枠:学習完了までにかかる期間は平均 14 日
|
患者の遠隔評価を可能にして経済効果を測定
|
学習完了までにかかる期間は平均 14 日
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
診断間の一致
時間枠:学習完了までにかかる期間は平均 14 日
|
Belle AI の皮膚科画像参照システムの一次確率診断とプライマリケア提供者による診断との一致性の評価
|
学習完了までにかかる期間は平均 14 日
|
|
プロバイダーが評価した有用性
時間枠:学習完了までにかかる期間は平均 14 日
|
プライマリケア提供者は、皮膚科のトレーニングと経験によるサブグループ分析を含む、皮膚科診断のサポートにおける Belle AI の有用性を評価します。 AI とプロバイダーの診断が一致する場合と不一致の場合に分けて説明します。
|
学習完了までにかかる期間は平均 14 日
|
|
コスト効果分析
時間枠:学習完了までにかかる期間は平均 14 日
|
正確な AI 診断の場合の理論的なコスト削減を使用した、Belle AI の診断効果のコスト影響評価。
|
学習完了までにかかる期間は平均 14 日
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
プロトコルの遵守
時間枠:学習完了までにかかる期間は平均 14 日
|
アドヒアランス効果を理解するために、プロトコルごとの集団と治療意図のある集団を個別に分析します。
|
学習完了までにかかる期間は平均 14 日
|
協力者と研究者
スポンサー
捜査官
- 主任研究者:John Romano, MD、BelleTorus Corporation
- スタディディレクター:Franco Barsanti, PharmD、Urban Health Plan Inc.
出版物と役立つリンク
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (推定)
学習記録の更新
投稿された最後の更新 (推定)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。