ICUの臓器不全リスク予測の評価 (AI4ICU-Obs)
2025年8月27日 更新者:ETH Zurich
集中治療室における臓器不全のリスク予測の前向き評価 - 人間とAIのリスク予測の精度を比較する
この観察研究の中で、研究者は、ICU臨床医が差し迫った臓器不全のリスクを予測する能力を評価し、以前に公開された機械学習モデルのパフォーマンスと遡及的に比較することを目指しています。
この研究の中心的な仮説は、治療中の医師が、以前の最高のものが機械学習モデルを公開するのと同様の精度のある成人ICU患者の差し迫った臓器不全を予測できるということです。
調査の概要
詳細な説明
この観察研究では、ICU設定における推定差別される差し迫った臓器不全リスクの臨床医(医師と看護師)の評価が前向きに収集されています。
循環不全が主要な目的で調査され、呼吸不全、腎不全、および死亡率が二次目標で調査されます。
これらの評価は、臨床医の予測の予測パフォーマンスと影響要因を調査します。
評価はアンケートで収集され、患者治療に直接関与する臨床医と患者治療の積極的な責任を負わない臨床医によって行われます。
さらに、この研究の目的は、同じ患者と時点の遡及的に生成されたAIリスクスコアに対して、医療専門家が行ったこれらのリスク評価をベンチマークすることを目的としています。
AIリスクスコアは、現在の文献の体系的な検索から一連のモデルから遡及的に計算されます。
この分析に採用されるAIモデルは、系統的レビュープロトコルで示されているように特定され、次の2つの基準を満たす必要があります。ICU滞在中に日常的に収集されたものを超えてデータを必要とせず、オープンソースとしてアクセスすることができます。 。
このような比較は、人間のパフォーマンスと比較して、臓器不全リスクのコンテキストにおけるAIベースの予測の相対的な精度と信頼性を理解するために不可欠です。
この研究のデータと調査結果は、AIベースのリスクスコアの臨床的有用性の証拠を提供し、ヘルスケアアプリケーション向けのAIシステムの最適化に関する将来の研究への道を開くと予想されています。
研究の種類
観察的
入学 (実際)
499
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。
研究場所
-
-
Canton of Bern
-
Bern、Canton of Bern、スイス、3010
- University Hospital Inselspital, Berne
-
-
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
- 高齢者
健康ボランティアの受け入れ
いいえ
サンプリング方法
確率サンプル
調査対象母集団
大学病院のバーンの成人集中治療室
説明
包含基準:
- 18歳の患者の最低年齢
- ICUへの緊急入場
- 所定の位置に動脈ライン
除外基準:
- 臨床研究に参加するための文書化された拒否(一般的な同意書に)
- 患者の意識レベルを損なう神経学的状態の患者(脳卒中、外傷性脳損傷、頭蓋内出血、CNS感染症を含むがこれらに限定されない患者、ポリトラウマを除く)
- ICU滞在中はいつでも、機械的循環支援システム(IABP、VA-ECMO、Impella、VAD)または体外膜酸素化(VV-ECMO)の患者。
- 終末期ケアを受けている患者または臓器提供を評価する唯一の目的のために認められます
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 |
|---|
|
成人ICU患者
|
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 |
|---|---|---|
|
公開されているMLモデルと比較して、8時間以内の循環障害の臨床医の予測
時間枠:評価は、入院後最初の72時間以内に収集されます。
|
この結果は、各評価時点から8時間以内に循環障害を予測する2つの方法について、受信機動作特性曲線(AUROC)の下の領域を比較します。(1)ICU臨床医のリスク推定値、および(2)以前に公開された機械学習(ML)モデルは遡及的に適用されました。
各評価について、臨床医と同じ時点と患者のMLモデルのためにAUROCを個別に計算します。
AUROC(臨床医マイナスML)の違いは、0.025のマージンを持つ非劣性フレームワークの下で評価された関心の主な尺度です。
|
評価は、入院後最初の72時間以内に収集されます。
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
公開されたMLモデルと比較して、24時間以内の呼吸不全の臨床医の予測
時間枠:評価は、入院後最初の72時間以内に収集されます。
|
この結果は、各評価時点から24時間以内に呼吸不全を予測する2つの方法について、受信機動作特性曲線(AUROC)の下の領域を比較します。(1)ICU臨床医のリスク推定値、および(2)以前に公開された機械学習(ML)モデルは遡及的に適用されました。
各評価について、臨床医とMLモデルのためにAUROCを個別に計算します。
AUROCS(臨床医マイナスML)の違いは、主要な結果と同じ方法論的フレームワークを使用して評価される関心の主な尺度です。
|
評価は、入院後最初の72時間以内に収集されます。
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
公開されたMLモデルと比較して、48時間以内の腎不全の臨床医予測の探索分析
時間枠:評価は、入院後最初の72時間以内に収集されます。
|
この探索的結果は、各評価時点の48時間以内に腎不全を予測する2つの方法について、受信機動作特性曲線(AUROC)の下の領域を比較します:(1)ICU臨床医のリスク推定値、および(2)以前に公開された機械学習(ML )モデルは遡及的に適用されます。
各評価について、臨床医とMLモデルのためにAUROCを個別に計算します。
Aurocsの違いは、主要な結果と同じ方法論的フレームワークを使用して評価されます。
|
評価は、入院後最初の72時間以内に収集されます。
|
|
公開されたMLモデルと比較した臨床医の死亡率予測の探索分析
時間枠:評価は、入院後最初の72時間以内に収集されます。
|
McNemarのテストによる全死因死亡率予測。
臨床医によるそれぞれの評価のパフォーマンス(バイナリ応答)および機械学習モデルによる対応する(ペアの)予測を使用して評価およびテストされました(バイナリ応答に還元された確率予測)。 <28日、<6か月、<12か月。
各地平線について、マシンベースの確率は臨床医の感度に合わせてしきい値が付けられており、McNemarのテストが実行され、予測能力の有意差がテストされ、P値は必要に応じて複数のテストを考慮して調整されます。
|
評価は、入院後最初の72時間以内に収集されます。
|
|
医師と治療看護師の治療の予測精度の探索分析
時間枠:評価は、入院後最初の72時間以内に収集されます。
|
医師を治療し、看護師をペアのタイムポイント評価で治療することにより、それぞれの評価を使用して、一次、二次、および最初の探索的結果(すなわち、循環、呼吸、および腎不全のリスク)と同じと同じように評価およびテストされます。
|
評価は、入院後最初の72時間以内に収集されます。
|
|
治療の予測精度と非治療医師の比較
時間枠:評価は、入院後最初の72時間以内に収集されます。
|
臨床医によるそれぞれの評価(治療)によるそれぞれの評価を使用して、プライマリ、セカンダリ、および最初の探索的結果(すなわち、循環、呼吸、および腎不全のリスク)と同じと同じように評価およびテストされ、ペアの時間でEHRデータ(非治療)に依存することのみを使用します。 - ポイント評価。
|
評価は、入院後最初の72時間以内に収集されます。
|
|
臨床医の予測スコアのキャリブレーション分析
時間枠:評価は、入院後最初の72時間以内に収集されます。
|
臨床医の予測スコアのキャリブレーション分析。
この研究では、臨床医の集団の予測能力を評価しています。
ただし、人間は確率の推定値を提供することに関して、互いの間で不正に調整される可能性があります。
互いの間で個人を校正せずに集団のパフォーマンスを評価することは、臨床医が十分に調整されている場合、臨床医の実際の予測能力を過小評価する可能性があります。
プライマリおよびセカンダリの結果を再評価することを提案しますが、さらに医師の間でリスクスコアのキャリブレーションを実行します。
|
評価は、入院後最初の72時間以内に収集されます。
|
|
人間と機械の評価者における予測パフォーマンスのパターン(例えば、系統的エラー/バイアス)の探索的分析
時間枠:評価は、入院後最初の72時間以内に収集されます。
|
|
評価は、入院後最初の72時間以内に収集されます。
|
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
捜査官
- 主任研究者:Martin Faltys, Dr. med.、Insel Gruppe AG, University Hospital Bern
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)
2024年11月18日
一次修了 (実際)
2025年5月15日
研究の完了 (推定)
2026年5月15日
試験登録日
最初に提出
2024年11月18日
QC基準を満たした最初の提出物
2025年2月3日
最初の投稿 (実際)
2025年2月7日
学習記録の更新
投稿された最後の更新 (推定)
2025年8月28日
QC基準を満たした最後の更新が送信されました
2025年8月27日
最終確認日
2024年11月1日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- BASEC-01046
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?
未定
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。