このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

EHR とマルチモーダル データを使用した自動診断と予測のための AI エージェント

2025年4月16日 更新者：Kang Zhang、The Eye Hospital of Wenzhou Medical University

電子健康記録とマルチモーダルデータを使用して患者を診断および予測するためのAI-Agent Assisted Automation

この臨床研究の目標は、電子医療記録 (EHR) とマルチモーダル画像データを使用して病気の診断と予測における AI エージェントの有効性を評価することです。 AI エージェントは、高度な機械学習アルゴリズムを活用して、さまざまな健康データ ソースを処理および分析し、医療提供者がより正確な診断と予測を行えるように支援することを目指しています。

調査の概要

状態

募集

条件

詳細な説明

このマルチセンター、レトロスペクティブ臨床研究は、医学的意思決定プロセスにおけるAIエージェントの適用と有効性を評価するために設計されています。 AIエージェントは、電子健康記録（EHR）やさまざまなイメージングデータ（X線、MRI、CTスキャン、超音波など）を含むマルチモーダルデータを統合および分析して、さまざまな病気を予測および診断します。 機械学習とデータ融合技術の力を活用することにより、AIエージェントは大規模で複雑なデータセットのパターンを識別し、従来の診断方法を通じてすぐに明らかにならない可能性のある洞察を提供できます。この研究は、AIエージェントの診断精度と疾患予測能力を比較します。臨床環境での潜在的な利点を評価するための従来の診断慣行を備えています。 重要な質問には、AIエージェントが早期診断を支援し、病気の進行を予測し、医療専門家がパーソナライズされた治療の決定を下すことができるかどうかが含まれます。 参加者は、追加の介入を受ける必要はありません。これらは、AIエージェントによって分析されるEHRや関連するイメージングデータを含む履歴の健康データのみを提供します。 AIシステムは、マルチモーダル情報の分析に基づいて予測と診断の提案を提供することにより、このデータを使用して医療提供者を支援します。 究極の目標は、このAI主導のアプローチが診断精度を改善し、治療戦略を最適化し、臨床診療における患者の転帰を強化できるかどうかを判断することです。

研究の種類

観察的

入学 (推定)

2000000

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

研究場所

  • 中国
    • Guangdong
      • Guangzhou、Guangdong、中国
        • 募集
        • Sun Yat-sen Memorial Hospital
        • コンタクト：
      • Guangzhou、Guangdong、中国
        • 募集
        • Nanfang Hospital
        • コンタクト：
      • Guangzhou、Guangdong、中国
        • 募集
        • Sun Yat-sen University Cancer Hospital
        • コンタクト：
    • Sichuan
      • Chengdu、Sichuan、中国
        • 募集
        • West China Hospital
        • コンタクト：
    • Zhejiang
      • Wenzhou、Zhejiang、中国
        • 募集
        • First Affiliated Hospital of Wenzhou Medical University
        • コンタクト：
      • Wenzhou、Zhejiang、中国
        • 募集
        • Second Affiliated Hospital of Wenzhou Medical University
        • コンタクト：

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

この研究の参加者は、包括的な電子医療記録 (EHR) およびマルチモーダル画像データを管理する複数の医療センターおよび病院から選ばれます。 研究対象集団にはさまざまな病気や健康状態を抱える患者が含まれ、診断や病気の進行に利用できるデータが含まれます。 参加者は、X線、CTスキャン、MRI、超音波によって捕捉された状態を含むがこれらに限定されない臨床記録または画像データに基づいて診断を確定します。 複雑な健康状態を持つ人々と、より一般的な病気を持つ人々の両方が、幅広い症例にわたる AI システムの診断および予測能力を評価するために含まれます。これらのセンターの参加者は過去の健康データを提供し、それを超える積極的な介入はありません。 AI システムのトレーニングとテストに既存の臨床データと画像データを使用します。

説明

包含基準：

  1. 参加者は、人口統計情報、病歴、検査結果を含む包括的な電子医療記録 (EHR) を入手できる必要があります。
  2. 参加者は、自分の健康状態に関連するマルチモーダル画像データ (X 線、CT スキャン、MRI、超音波など) を入手できる必要があります。
  3. 参加者は、臨床記録または画像データに基づいて、1 つ以上の病気または健康状態の確定診断を受けていなければなりません。
  4. 患者は、研究目的で歴史的な健康データを使用することに同意しなければなりません。

除外基準：

  1. 正確に分類できない、曖昧または検証不可能な診断を受けた参加者。
  2. 重複または冗長な患者データ (例: 明確な区別のない同じ患者の繰り返しの記録)。

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
EHR と画像データを使用した AI 支援による疾病予測
このコホートは、電子健康記録（EHR）やマルチモーダルイメージングデータ（X線、MRI、CTスキャン、超音波などを含む歴史的な健康データがAIエージェントによって分析される患者で構成されています。 AIシステムは、これらの多様なデータソースを処理および統合することにより、病気の診断と予測に役立ちます。 主な焦点は、AIエージェントがパターンを特定し、疾患の進行を高精度で予測する能力を評価することです。 参加者は、病歴とイメージングデータを提供する以外に追加のアクションを実行する必要はありません。 目的は、AIシステムが提供されたデータに基づいて臨床的意思決定をどの程度サポートし、診断結果を改善できるかを評価することです。

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。

スポンサー

The Eye Hospital of Wenzhou Medical University

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7月1日

研究の完了 (推定)

2025年7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

  • AI-agent

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。

購読する