EHRおよびマルチモーダルデータを使用したAI駆動型の遺伝子型予測
2025年4月16日 更新者:Kang Zhang、The Eye Hospital of Wenzhou Medical University
AI ベースのモデルによる電子医療記録とマルチモーダル データを使用した患者の遺伝子型の予測
この臨床研究の目標は、電子医療記録 (EHR) とマルチモーダル データ (画像、検査結果、病歴など) を使用して患者の遺伝子型を予測する可能性を探ることです。
この研究では、この非遺伝子データに基づく予測モデルが、従来は直接遺伝子検査を必要としていた遺伝情報を正確に推測できるかどうかを評価する予定です。
調査の概要
詳細な説明
この多施設共同の後向き臨床研究は、患者の遺伝子型を予測する際の電子医療記録 (EHR) と多形式データ (臨床検査結果、画像データ、病歴など) の使用を評価することを目的としています。
研究の主な目的は、利用可能な健康データを分析することで遺伝情報を推測できる AI ベースの予測モデルを開発し、直接的な遺伝子検査の必要性を排除することです。AI モデルは、EHR を含む大規模なデータセットを処理および統合するようにトレーニングされます。遺伝子型情報を予測するために、検査結果、および X 線、MRI、超音波などの画像データが使用されます。
この研究では、AI ベースの予測を実際の遺伝子検査の結果と比較して、モデルの精度を評価します。
成功すれば、この方法は遺伝子型予測のための非侵襲的で費用対効果の高いツールを提供する可能性があり、個別化医療、疾患の早期診断、リスク層別化に使用できる可能性があります。参加者は研究の一環として遺伝子検査を受けません。
代わりに、過去の医療データが AI システムによって分析され、遺伝情報と関連する病気のリスクが予測されます。
この研究では、入手可能な健康データに基づいて、さまざまな健康状態に対する遺伝的素因を予測するモデルの能力を評価します。
そうすることで、この研究は臨床意思決定と遺伝子診断における AI の使用を促進することを目指しています。
研究の種類
観察的
入学 (推定)
100000
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
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
コンタクト:
- Yunfang Yu
- 電話番号:+86 020-81332199
- メール:yuyf9@mail.sysu.edu.cn
-
Guangzhou、Guangdong、中国
- 募集
- Sun Yat-sen University Cancer Hospital
-
コンタクト:
- Yuxing Lu
- 電話番号:+86 13161233730
- メール:yxlu0613@gmail.com
-
-
Zhejiang
-
Wenzhou、Zhejiang、中国
- 募集
- Second Affiliated Hospital of Wenzhou Medical University
-
コンタクト:
- Sian Liu
- 電話番号:+86-0577-88002888
- メール:liusan@mail3.sysu.edu.cn
-
Wenzhou、Zhejiang、中国
- 完了
- First Affiliated Hospital of Wenzhou Medical University
-
-
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
- 子
- 大人
- 高齢者
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
研究対象集団は、包括的な電子医療記録 (EHR) を管理し、検査結果、医療画像 (X 線、MRI、CT スキャンなど)、病歴などの多様な臨床データにアクセスできる複数の医療センターから選択されます。
参加者は、遺伝子型情報が関連するさまざまな健康状態を持つ個人になりますが、選択に特定の遺伝的特徴は使用されません。
利用可能な健康データを活用して、AI モデルを通じて遺伝情報を予測することに焦点を当てます。
この研究は、患者の遺伝子型を予測するために、EHRやマルチモーダルイメージングなどの非遺伝子データを使用する精度と有用性を評価することを目的としており、これは従来の遺伝子検査方法に代わるアプローチを提供する可能性があります。
説明
包含基準:
- 参加者は、病歴、ラボの結果、関連するイメージングデータ(X線、MRI、CTスキャンなど)を含む、包括的な電子健康記録(EHR)を持っている必要があります。
- 参加者は、該当する場合、比較に利用できる既存の遺伝子検査データを持っている必要があります。
- 参加者は、研究で自分の健康データを使用することに同意する必要があります。
- 参加者は、研究期間中に遺伝子検査や予測に関連する積極的な介入を持たないでください。
- AI モデルによる正確な予測を可能にするために、参加者は完全で検証可能な健康データを持っている必要があります。
除外基準:
- 利用可能なEHR、ラボの結果、またはイメージングデータのない参加者。
- 比較に使用できない、あいまい、不正確、または検証不可能な遺伝子検査結果を持つ参加者。
- AI モデルによる正確な予測を妨げるような重大な矛盾または欠落データがある患者。
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 |
|---|---|
|
EHR とマルチモーダル データを使用した AI ベースの遺伝子型予測
このコホートは、電子医療記録 (EHR)、臨床検査結果、マルチモーダル画像データ (X 線、MRI、CT スキャンなど) を含む過去の健康データが AI ベースの予測モデルによって分析される患者で構成されています。遺伝子型を予測するためです。
この研究は非遺伝的健康データを使用して遺伝情報を推測することを目的としているため、このコホートには積極的な介入はありません。
参加者は遺伝子検査は受けないが、AIシステムによる分析のために健康データを提供する。
このグループの目標は、利用可能な健康データに基づいて遺伝子型を予測し、さまざまな病気に対する遺伝的素因を特定する際の AI モデルの精度を評価することです。
|
この研究の介入には、患者の電子健康記録(EHR)、臨床研究所の結果、およびマルチモーダルイメージングデータ(X線、MRI、CTスキャンなど)を分析および統合するように設計されたAIベースの予測モデルが含まれます。
AIモデルは、これらの非遺伝学的データソースに基づいて患者の遺伝子型を予測するように訓練されています。
このモデルは、機械学習アルゴリズムを使用してパターンを検出し、従来直接遺伝子検査を必要とする遺伝情報を推測します。
この介入に関与する積極的な治療法や遺伝子検査はありません。むしろ、AIシステムは、利用可能な臨床データから遺伝情報を予測するツールとして機能し、遺伝子検査に代わる侵襲的で潜在的にアクセスしやすい代替品を提供します。
|
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7月1日
一次修了 (推定)
2025年6月1日
研究の完了 (推定)
2025年6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
キーワード
その他の研究ID番号
- Genotype
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。