母体および新生児疾患の早期診断と予測： (EDPMND)
2025年4月16日 更新者：Kang Zhang、The Eye Hospital of Wenzhou Medical University
複合医療データを使用した母子疾患の早期予測と診断
これは、母体および新生児疾患を特定し、マルチモーダルの健康データを活用するためのAIアシスト予測モデルの応用と有効性を評価するために設計された、マルチセンターの遡及的臨床研究です。
調査の概要
詳細な説明
母体と新生児の健康は、母親と乳児の両方の幸福に大きな影響を与えます。
早期スクリーニング、診断、介入は、妊娠関連疾患および新生児の状態の発症と進行を防ぐために重要です。
臨床診療では、産科医と小児科医は、人口統計情報、病歴、血糖値や脂質レベルなどの生化学マーカー、および超音波、胎児モニタリング、実験室などのさまざまな画像データなど、幅広い患者データを統合することがよくあります。正確な診断を行い、適切なケア計画を策定するためのテスト結果。
精度と個別化医療がヘルスケアの最前線にある時代には、母体および新生児疾患の早期発見と診断、および適切な診断戦略と治療戦略の選択が臨床環境で重要な課題となっています。
医療イメージングおよびデータ分析技術の最近の進歩により、母体および新生児疾患の診断の精度と有効性が大幅に向上しました。
この研究の目的は、エレクトロニックメディカルレコード、イメージング、および実験室の結果からマルチモーダルデータを深い学習技術と組み合わせて統合することにより、AIアシストの意思決定システムを開発することを目的としています。
目的は、診断の精度を改善し、臨床ワークフローを合理化し、母親と乳児によりパーソナライズされたケアオプションを提供することです。
最終的に、このシステムは、母親と新生児の両方の健康結果を高め、生活の質を向上させようとしています。
研究の種類
観察的
入学 (推定)
1000000
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前：Fei Liu, MD
- 電話番号：+86 13810512704
- メール：liufei_2359@163.com
研究場所
-
-
Guangdong
-
Guangzhou、Guangdong、中国
- 募集
- Guangzhou Women and Children's Medical Center
-
コンタクト：
- Bingzhou Liu, MD
- 電話番号：+86-0756-2222569
- メール：mr_jerry_99@163.com
-
-
Zhejiang
-
Wenzhou、Zhejiang、中国
- 募集
- First Affiliated Hospital of Wenzhou Medical University
-
コンタクト：
- Cheng Tang, MD
- 電話番号：+86-0577-55579999
- メール：c249325687@163.com
-
Wenzhou、Zhejiang、中国
- 募集
- Second Affiliated Hospital of Wenzhou Medical University
-
コンタクト：
- Sian Liu, MD
- 電話番号：+86-0577-88002888
- メール：liusan@mail3.sysu.edu.cn
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
- 大人
健康ボランティアの受け入れ
はい
サンプリング方法
非確率サンプル
調査対象母集団
研究対象者は、参加している研究センターでケアを受けた18歳から45歳の妊婦で構成されています。
参加者は、出生前ケアデータ、検査結果、画像データなどの包括的な電子健康記録 (EHR) を入手できる必要があります。
AI支援モデルの診断能力を評価するため、健康な母親と妊娠関連疾患（子癇前症、妊娠糖尿病など）を持つ母親の両方が研究に含まれる。
この研究は、参加センターからの文書化された治療記録を持つ患者に焦点を当てます。
説明
包含基準：
- 18〜45歳の妊婦。
- 参加センター（病院や診療所など）で出生前ケアを受けた女性。
- 出生前ケアデータ、検査結果、画像記録などの包括的な電子健康記録の利用可能。
- 研究への参加と分析のための過去の健康データの使用に同意する意欲。
除外基準：
- 18歳未満または45歳以上の女性。
- 追跡データが不十分であるか、予測モデリングに必要な重要な臨床情報が不足している参加者。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
健康な母子コホート
このグループは、妊娠関連疾患のない妊娠中の母親とその健康な新生児で構成されています。
このコホートの参加者は、実験グループと比較するためのコントロールグループとして機能します。
健康な妊娠と新生児のベースラインを表すため、このコホートに介入や治療は行われません。
|
この介入には、母体の健康記録、臨床検査結果、画像データなどの多様なデータを統合して、母体と新生児の疾患のリスクを予測する AI システムが含まれます。
このシステムは深層学習アルゴリズムを使用してリアルタイムで正確な予測を提供し、健康上の合併症を早期に特定できるようにします。
このモデルは、過去の健康データを分析することにより、母親と乳児の両方に対する潜在的なリスクを予測し、早期介入と結果を改善することを目的としています。
|
|
母体および新生児疾患コホート
このグループは、妊娠関連疾患と診断された妊婦、またはその影響を受けた新生児で構成されています。
このコホートの参加者は、母体と新生児の健康リスクを特定する際の早期予測モデルの有効性を評価するための実験グループとして機能します。
|
この介入には、母体の健康記録、臨床検査結果、画像データなどの多様なデータを統合して、母体と新生児の疾患のリスクを予測する AI システムが含まれます。
このシステムは深層学習アルゴリズムを使用してリアルタイムで正確な予測を提供し、健康上の合併症を早期に特定できるようにします。
このモデルは、過去の健康データを分析することにより、母親と乳児の両方に対する潜在的なリスクを予測し、早期介入と結果を改善することを目的としています。
|
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 |
|---|---|---|
|
曲線下面積 (AUC)
時間枠：1年
|
診断精度を定量化するために使用されるROC曲線のAUC。
ユニットなし（比率または割合、通常は0〜1の間で数値として表されます）。
|
1年
|
|
F1スコア
時間枠：1年
|
F1 スコアは、精度と感度 (再現率) の調和平均です。
これは、特にクラスの不均衡がある場合 (例: 健康な症例の数が病気の症例よりもはるかに多い場合)、真陽性の両方を識別し、偽陽性を最小限に抑えるモデルの能力を示す優れた尺度です。
F1 スコアの範囲は 0 ～ 1 で、1 は完全な精度と再現率を示します。
|
1年
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
感度（真の正の率）
時間枠：1年
|
感度は、AIモデルが合併症のある妊娠中の女性を正しく診断したり、新生児障害を特定したりするなど、真の肯定的な症例をどれだけよく識別するかを測定します。
|
1年
|
|
特異性（真陰性率）
時間枠：1年
|
特異性は、病気のないケースを正確に識別する AI モデルの能力を測定し、健康な母親と乳児が陰性であると正しく識別されることを保証します。
|
1年
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2023年8月1日
一次修了 (推定)
2025年5月1日
研究の完了 (推定)
2025年5月1日
試験登録日
最初に提出
2025年1月19日
QC基準を満たした最初の提出物
2025年1月19日
最初の投稿 (実際)
2025年1月24日
学習記録の更新
投稿された最後の更新 (実際)
2025年4月17日
QC基準を満たした最後の更新が送信されました
2025年4月16日
最終確認日
2025年4月1日
詳しくは
本研究に関する用語
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
いいえ
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
いいえ
米国FDA規制機器製品の研究
いいえ
米国で製造され、米国から輸出された製品。
いいえ
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。