EHR による AI 主導のがん診断と予測
2025年7月25日 更新者：Kang Zhang、The Eye Hospital of Wenzhou Medical University
AIベースのがん診断と電子健康記録を使用した予測
これは、多角的な健康データを活用して、がんの特定と診断における AI 支援予測モデルの適用と有効性を評価することを目的とした、多施設共同の後向き臨床研究です。
調査の概要
詳細な説明
がんの診断と早期発見は、患者の転帰と生存率を向上させるために非常に重要です。
がんの早期発見と適切な介入は、治療の成功と予後に大きな影響を与える可能性があります。
臨床現場では、腫瘍学者は多くの場合、正確な診断を下し、個別の治療計画を作成するために、病歴、臨床検査結果、CT スキャンや MRI などの画像データ、遺伝子マーカーなどのさまざまな患者データを統合する必要があります。
精密医療の重要性が高まる中、早期段階、特に症状が微妙な場合や症状がない場合にがんを特定するという課題は依然として残っています。
人工知能とデータ分析技術の最近の進歩により、がんの診断精度と検出速度が向上することが期待されています。
この研究は、電子医療記録、画像、検査結果、遺伝データからのマルチモーダルデータを統合することにより、AI 支援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、診断の精度を向上させ、臨床ワークフローを最適化し、より個別化された治療オプションをがん患者に提供することです。
最終的に、このシステムは早期発見を改善し、効果的な治療戦略を導き、患者の生存率を高めることを目指しています。
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
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
コンタクト：
- Yunfang Yu, MD
- 電話番号：+86 020-81332199
- メール：yuyf9@mail.sysu.edu.cn
-
Guangzhou、Guangdong、中国
- 募集
- Guangzhou Women and Children's Medical Center
-
コンタクト：
- Bingzhou Li, MD
- 電話番号：+86-0756-2222569
- メール：mr_jerry_99@163.com
-
Guangzhou、Guangdong、中国
- 募集
- Nanfang Hospital
-
コンタクト：
- Zhuomin Li, MD
- 電話番号：+86-0577-85397527
- メール：chetneyli.1001@gmail.com
-
Guangzhou、Guangdong、中国
- 募集
- Sun Yat-sen University Cancer Hospital
-
コンタクト：
- Yuxing Lu, MD
- 電話番号：+86 13161233730
- メール：yxlu0613@gmail.com
-
-
Sichuan
-
Chengdu、Sichuan、中国
- 募集
- West China Hospital
-
コンタクト：
- Kai Wang, MD
- 電話番号：+86 028-85422114
- メール：wkai@stu.pku.edu.cn
-
-
Zhejiang
-
Wenzhou、Zhejiang、中国
- 募集
- First Affiliated Hospital of Wenzhou Medical University
-
コンタクト：
- Cheng Tang, MD
- 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
- 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、参加している研究センターでケアを受けた0歳から90歳までの個人で構成されています。
参加者は、病歴、臨床検査結果、画像データ、遺伝情報（利用可能な場合）を含む包括的な電子健康記録（EHR）を入手できる必要があります。
がん（小児がんおよび成人がんを含む）と診断された個人とがんの既往歴のない健康な個人の両方が研究に含まれ、AI支援モデルの診断および予測能力が評価されます。
この研究は、参加センターからの完全かつ文書化されたケア記録を持つ患者に焦点を当て、さまざまな年齢層やがんの種類にわたる分析のための多様なコホートを確保します。
説明
包含基準：
1、病歴、臨床検査結果、画像データ、遺伝子データ（利用可能な場合）を含む包括的な電子医療記録（EHR）を持つ患者。
2. インフォームドコンセントの提供や研究への参加を妨げるような重度の認知障害や症状を持たない個人。
3. 親または保護者は未成年者に対してインフォームド・コンセントを提供する必要があり、成人の参加者は自分自身に対してインフォームド・コンセントを提供する必要があります。
除外基準：
- 主要な電子医療記録データが不完全または欠落している患者、またはフォローアップ データが不十分な患者。
- 意味のある参加を妨げる重度の認知障害またはその他の末期疾患のある個人。
- 妊婦（小児がんも検討されていますが、安全上の理由から妊婦は除外されます）。
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 |
|---|---|
|
健康なコホート
このグループは、がんと診断されていない個人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。
健康な個人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、がんのリスクを予測するために、患者の病歴、臨床検査結果、画像データ、遺伝情報などの多様なデータを統合する 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、がんリスクの早期特定を可能にします。
このモデルは、過去の健康データを分析することで、潜在的ながんの発症を予測し、早期発見と治療結果を向上させることを目的としています。
|
|
腫瘍コホート
このグループは、さまざまなタイプのがんと診断された人々で構成されます。
このコホートの参加者は、がんリスクの特定と診断精度の向上における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、がんのリスクを予測するために、患者の病歴、臨床検査結果、画像データ、遺伝情報などの多様なデータを統合する 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、がんリスクの早期特定を可能にします。
このモデルは、過去の健康データを分析することで、潜在的ながんの発症を予測し、早期発見と治療結果を向上させ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)
2025年1月19日
一次修了 (推定)
2025年10月1日
研究の完了 (推定)
2025年10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7月30日
QC基準を満たした最後の更新が送信されました
2025年7月25日
最終確認日
2025年7月1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。