Automated Vetting and Protocolling of MRI Examinations (AutoProMpt)
Automated Vetting and Protocoling of MRI Examination Referrals Using Explainable Large Language Models (LLM) With Retrieval Augmented Generation (RAG) (XLLM) Techniques- A Multi-stage Study
Background Vetting and assigning of protocols to MRI scan requests are usually carried out by radiologists and radiographers. This way is both time-consuming and prone to error. Recent improvements in Artificial Intelligence (Al) like Large Language Models (LLMs) are better at processing human language. It could be used to improve tasks like image reporting and assigning protocols in radiology.
Approach Firstly, I will find out about the delays in the way this is currently done. I will use a survey to find out the perceptions of radiologists to both the current process and the proposed Al intervention.
I will then use an LLM to undertake referral and protocol tasks. I will compare its performance to the performance of clinical specialists and established guidelines.
I will present the explanation reports to radiologists and ask them if they can be understood and whether they can be trusted as clinically reliable.
Impact My research could help reduce the workload and time radiologists spend dealing with scan requests. The findings will help design future research to consider application in real clinical settings.
調査の概要
状態
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Edozie Iweka, MSc (Dist)
- 電話番号：+441225386989
- メール：eoi29@bath.ac.uk
参加基準
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
受講資格のある性別
サンプリング方法
調査対象母集団
This study is multi-stage multi-center research involving retrospective MRI referral data of patients and collected across three NHS Foundation Trusts in the United Kingdom.
説明
Inclusion Criteria:
- Patients who have had MRI examinations in the study sites
- Patients with MRI referrals submitted through electronic referral systems
- Patients whose MRI referrals were vetted and protocolled prior to examination
Exclusion Criteria:
- Patients who have had other imaging examination outside the MRI
- Patients with paper referrals scanned in electronic referral systems
- Patients for MRI examinations without vetting and protocolling
研究計画
研究はどのように設計されていますか？
デザインの詳細
- 観測モデル：COHORT
- 時間の展望：RETROSPECTIVE
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
Group
Adult Patients undergoing MRI examinations |
No Intervention as this is an experiment on retrospective collected referral data |
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 |
|---|---|---|
|
Accuracy
時間枠：Through study completion, an average of 2 years
|
Accuracy of pretrained LLMs+RAG in automating vetting and protocolling of MRI examination referrals. |
Through study completion, an average of 2 years
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
Clinical Usefulness
時間枠：Through study completion, an average of 2 years
|
Clinical usefulness of explainability reports on the performance of pretrained LLMs+RAG in automating vetting and protocolling of MRI examination referrals. |
Through study completion, an average of 2 years
|
協力者と研究者
スポンサー
研究記録日
主要日程の研究
研究開始 (推定)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
その他の研究ID番号
- 18376
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?
IPD プランの説明
No patient identifiable data will be collected from this study. All collected data will be held by the sponsor institution, University of Bath as per local research data policy.
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
米国FDA規制機器製品の研究
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。