이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

갑상선암 관리 지원을 위한 인공지능 임상 보조 도구 평가

2026년 7월 17일 업데이트: Dr. Carlos King-Ho Wong, The University of Hong Kong

의대생 및 임상의들을 대상으로 갑상선암 병기 분류 및 위험도 계층화를 위한 인공지능 임상 보조 도구의 효과를 평가하는 무작위 대조 시험

이 연구는 갑상선암의 임상적 관리를 개선하기 위해 인공지능(AI) 기반 모델을 도입하는 것의 임상적 타당성을 평가하는 것을 목표로 합니다.

연구 개요

상태

상태

현재 모집 상태 또는 확장 액세스 상태를 나타냅니다.
초대로 등록

정황

정황

연구 중인 질병, 장애, 증후군, 질환 또는 부상입니다. ClinicalTrials.gov에서 조건에는 수명, 삶의 질 및 건강 위험과 같은 기타 건강 관련 문제도 포함될 수 있습니다.

개입 / 치료

개입 / 치료

임상 연구의 초점이 되는 프로세스 또는 작업입니다. 개입에는 약물, 의료 기기, 절차, 백신 및 조사 중이거나 이미 사용 가능한 기타 제품이 포함됩니다. 개입에는 교육이나 식이요법 및 운동 수정과 같은 비침습적 접근법도 포함될 수 있습니다.

상세 설명

최근 기술 발전으로 인해 AI는 임상 환경에서 시각적 텍스트 인식에 광범위하게 적용 가능해졌습니다. AI 기반 텍스트 인식은 의사 결정 및 맞춤형 의학을 위한 매우 효율적이고 지속 가능하며 비용 효율적인 도구로 부상하고 있습니다. 많은 연구에서 자연어 처리(NLP) 알고리즘, 특히 대규모 언어 모델(LLM)을 사용하여 전자 건강 기록(EHR) 내 임상 상담 노트의 비정형 자유 텍스트를 구조화된 데이터로 변환함으로써 EHR 데이터베이스의 개별 임상 프로필을 풍부하게 하고 있습니다. 시간이 지남에 따라 이러한 AI 모델은 자기 학습(또는 비지도 학습)을 통해 예측 정확도와 성능을 지속적으로 향상시켜 왔습니다. 해외 종양학 진료에서 AI 모델이 상당한 영향을 미쳤음에도 불구하고, 홍콩에서는 종양학 분야 텍스트 인식에 대한 그 유용성이 여전히 제한적입니다. 본 제안된 연구는 갑상선암 관리에서 AI 지원 워크플로우를 사용하여 진단 정확도 및 위험 예측에 대한 최종 사용자의 신뢰도를 향상시키기 위해 AI 기반 모델을 채택하는 임상적 타당성을 평가하는 것을 목표로 합니다.

연구 유형

연구 유형

임상 연구의 특성을 설명합니다. 연구 유형에는 중재 연구(임상 시험이라고도 함), 관찰 연구(환자 등록 포함) 및 확장된 액세스가 포함됩니다.
중재적

등록 (추정된)

등록

임상 연구의 참가자 수. "예상" 등록은 연구원이 연구에 필요한 참가자의 목표 수입니다.
76

단계

단계

미국 식품의약국(FDA)에서 개발한 정의에 따라 약물 또는 생물학적 제품을 연구하는 임상 시험 단계입니다. 이 단계는 연구의 목적, 참가자 수 및 기타 특성을 기반으로 합니다. 초기 1단계(이전에는 0단계로 나열됨), 1단계, 2단계, 3단계 및 4단계의 5단계가 있습니다. 해당 없음은 장치 또는 행동 개입의 시험을 포함하여 FDA에서 정의한 단계가 없는 시험을 설명하는 데 사용됩니다.
  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

  • 홍콩
      • Hong Kong, 홍콩
        • School of Public Health, The University of Hong Kong
      • Hong Kong, 홍콩
        • Department of Surgery, School of Clinical Medicine, The University of Hong Kong

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

자격 기준

임상 연구에 참여하고자 하는 사람들이 충족해야 하는 주요 요구 사항 또는 그들이 가져야 할 특성. 자격 기준은 포함 기준(사람이 연구에 참여하는 데 필요함)과 제외 기준(사람이 참여하지 못하게 하는 것)으로 구성됩니다. 적격성 기준 유형에는 연구가 건강한 지원자를 받아들이는지, 연령 또는 연령 그룹 요구 사항이 있는지 또는 성별에 따라 제한되는지가 포함됩니다.

공부할 수 있는 나이

  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

예

설명

포함 기준:

  • 의과대학 학생
  • 임상 의사 (외과 의사, 종양 전문의, 병리 의사 등 포함)

제외 기준:

  • 임상 실험 연구 시작 전에 임상 기록을 검토했거나 임상 기록 처리에 관여한 의과대학 학생 및 임상 의사

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 건강 서비스 연구
  • 할당: 무작위
  • 중재 모델: 크로스오버 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔

참가자 그룹 / 팔

시험 프로토콜에 따라 특정 중재/치료를 받거나 중재를 받지 않는 임상 시험 참가자 그룹 또는 하위 그룹입니다.
개입 / 치료

개입 / 치료

임상 연구의 초점이 되는 프로세스 또는 작업입니다. 개입에는 약물, 의료 기기, 절차, 백신 및 조사 중이거나 이미 사용 가능한 기타 제품이 포함됩니다. 개입에는 교육이나 식이요법 및 운동 수정과 같은 비침습적 접근법도 포함될 수 있습니다.
실험적: AI 기반 임상 지원 도구
참가자들은 AI 기반 임상 어시스턴트를 중재로 사용하여 각 갑상선암 환자의 암 병기 및 위험 범주와 함께 위 진단 평가에 대한 참가자의 신뢰도를 제공합니다. AI 어시스턴트는 LLM으로 구동되며 임상 대시보드로 구성됩니다. 임상 대시보드는 원본 임상 기록을 표시하고 임상 어시스턴트의 백엔드 처리에서 생성된 각 갑상선암 환자의 암 병기 및 위험 범주를 요약합니다. 원본 임상 기록의 지원 증거도 참가자의 검증을 위해 강조 표시됩니다.
다른: AI 기반 임상 지원 도우미
참가자는 중재 수단으로 AI 기반 임상 어시스턴트를 활용하여 각 갑상선암 환자의 암 병기 및 위험 범주와 함께 위 진단 평가에 대한 참가자의 신뢰도를 제공할 것입니다. AI 어시스턴트는 LLM으로 구동되며 임상 대시보드를 포함합니다. 임상 대시보드는 원본 임상 기록을 표시하고 임상 어시스턴트의 백엔드 처리에서 생성된 각 갑상선암 환자의 암 병기 및 위험 범주를 요약합니다. 참가자의 검증을 위해 원본 임상 기록의 지원 증거도 강조 표시됩니다.
간섭 없음: 수기 차트 검토
참가자들은 수동 차트 검토를 통해 각 갑상선암 환자의 암 병기 및 위험 범주와 함께 위 진단 평가에 대한 참가자의 신뢰도를 제공할 것입니다.

연구는 무엇을 측정합니까?

주요 결과 측정

주요 결과 측정

임상 연구 프로토콜에서 개입/치료의 효과를 평가하는 데 가장 중요한 계획된 결과 측정. 대부분의 임상 연구에는 하나의 주요 결과 측정이 있지만 일부는 둘 이상입니다.
결과 측정
측정값 설명
기간
Efficiency
기간: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
The time required to complete reviewing one set of clinical notes is compared between intervention and non-intervention groups
Between intervention group and non-intervention group. Cross-over in 4-26 weeks

2차 결과 측정

2차 결과 측정

임상 연구 프로토콜에서 개입의 효과를 평가하기 위한 1차 결과 측정만큼 중요하지는 않지만 여전히 관심이 있는 계획된 결과 측정입니다. 대부분의 임상 연구에는 하나 이상의 2차 결과 측정이 있습니다.
결과 측정
측정값 설명
기간
Accuracy of Cancer Staging and Risk Stratification by Participants Compared with Ground Truth across Intervention and Non-intervention Groups
기간: Between intervention group and non-intervention group. Cross-over in 4-26 weeks

The study will compare the accuracy of cancer staging and risk category assessed by the participants across the intervention group with AI assitance and non-intervention group without AI asssitance.

The participants will review the clinical notes and assess the cancer staging and risk category for each thyroid cancer patient with or without the AI assistant. Participant provided assessments will be compared against the ground truth established by the clinical investigators of the study to guage the accuracy which is quantified as the percentage of correctly graded cancer staging and risk stratification. The accuracy will be compared between the intervention group and non-intervention groups using t-tests to evaluate the clinical impact of the AI assistant.
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
Participants' Confidence in Cancer Staging and Risk Stratification as Assessed by a 0-10 Scale Questionnaire
기간: Between intervention group and non-intervention group. Cross-over in 4-26 weeks

The study will compare the participants' confidence in grading cancer staging and risk category between the intervention group with AI assistance and non-intervention group without AI-assistance.

After evaluating each thyroid cancer case for providing cancer staging and risk category, participants will complete a short questionnaire rating their confidence in providing their assessments on a scale from 0 (lowest) to 10 (hightest). Meanw confidence score will be compared between the intervention group and non-intervention group to evaluate the clinical impact of the AI assitant.
Between intervention group and non-intervention group. Cross-over in 4-26 weeks

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

스폰서

연구를 시작하고 연구에 대한 권한과 통제권을 가진 조직 또는 사람.
The University of Hong Kong

협력자

협력자

임상 연구를 지원하는 스폰서 이외의 조직. 이 지원에는 자금 조달, 설계, 구현, 데이터 분석 또는 보고와 관련된 활동이 포함될 수 있습니다.
Innovation and Technology Commission, Hong Kong

수사관

수사관

임상 연구에 참여하는 연구원. 관련 용어에는 사이트 주임 조사관, 사이트 하위 조사자, 연구 의자, 연구 책임자 및 연구 주임 조사관이 포함됩니다.
  • 수석 연구원: King Ho Carlos Wong, School of Public Health The University of Hong Kong
  • 수석 연구원: Man Him Matrix Fung, Department of Surgery, School of Clinical Medicine, The University of Hong Kong

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

일반 간행물

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

연구 시작

첫 번째 참가자가 임상 연구에 등록된 실제 날짜입니다. "예상" 연구 시작 날짜는 연구자가 연구 시작 날짜가 될 것이라고 생각하는 날짜입니다.
2025년 10월 2일

기본 완료 (추정된)

기본 완료

임상 연구의 마지막 참가자가 1차 결과 측정을 위한 최종 데이터를 수집하기 위해 검사를 받거나 개입을 받은 날짜입니다. 임상 연구가 프로토콜에 따라 종료되었는지 또는 종료되었는지 여부는 이 날짜에 영향을 미치지 않습니다. 완료 날짜가 다른 1차 결과 측정이 둘 이상인 임상 연구의 경우 이 용어는 모든 1차 결과 측정에 대한 데이터 수집이 완료된 날짜를 나타냅니다. "예상" 기본 완료 날짜는 연구원이 연구의 기본 완료 날짜가 될 것이라고 생각하는 날짜입니다.
2027년 3월 31일

연구 완료 (추정된)

연구 완료

임상 연구의 마지막 참가자가 1차 결과 측정, 2차 결과 측정 및 부작용(즉, 마지막 참가자의 마지막 방문)에 대한 최종 데이터를 수집하기 위해 검사를 받거나 중재/치료를 받은 날짜입니다. "예상" 연구 완료 날짜는 연구원이 연구 완료 날짜가 될 것이라고 생각하는 날짜입니다.
2027년 4월 30일

연구 등록 날짜

최초 제출

최초 제출

연구 후원자 또는 연구자가 최초로 ClinicalTrials.gov에 연구 기록을 제출한 날짜. 일반적으로 처음 제출한 날짜와 ClinicalTrials.gov에서 기록을 사용할 수 있는 날짜(첫 게시 날짜) 사이에는 며칠의 지연이 있습니다.
2025년 9월 29일

QC 기준을 충족하는 최초 제출

QC 기준을 충족하는 최초 제출

연구 스폰서 또는 연구자가 국립 의학 도서관(NLM) 품질 관리(QC) 검토 기준과 일치하는 연구 기록을 처음 제출한 날짜입니다. 의뢰자 또는 조사자는 NLM의 QC 검토 기준이 충족되기 전에 연구 기록을 한 번 이상 수정하고 제출해야 할 수 있습니다. 연구 기록이 NLM QC 검토 기준과 일치하는지 확인하는 것은 후원자 또는 조사자의 책임입니다.
2025년 11월 16일

처음 게시됨 (실제)

처음 게시됨

National Library of Medicine(NLM) 품질 관리(QC) 검토가 완료된 후 ClinicalTrials.gov에서 연구 기록을 처음 사용할 수 있는 날짜입니다. 일반적으로 연구 후원자 또는 연구자가 연구 기록을 제출한 날짜와 처음 게시된 날짜 사이에는 며칠의 지연이 있습니다.
2025년 11월 18일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

마지막 업데이트 게시됨

ClinicalTrials.gov에서 연구 기록이 변경된 가장 최근 날짜. 연구 후원자 또는 연구자가 변경 사항을 ClinicalTrials.gov에 제출한 시점(마지막 업데이트 제출 날짜)과 마지막 업데이트 게시 날짜 사이에 지연이 있을 수 있습니다.
2026년 7월 21일

QC 기준을 충족하는 마지막 업데이트 제출

QC 기준을 충족하는 마지막 업데이트 제출

연구 후원자 또는 연구자가 국립 의학 도서관(NLM) 품질 관리(QC) 검토 기준과 일치하는 연구 기록에 대한 변경 사항을 제출한 가장 최근 날짜. 연구 기록이 NLM QC 검토 기준과 일치하는지 확인하는 것은 후원자 또는 조사자의 책임입니다.
2026년 7월 17일

마지막으로 확인됨

마지막으로 확인됨

연구 후원자 또는 조사자가 ClinicalTrials.gov에서 임상 연구에 대한 정보가 정확하고 최신 정보라고 확인한 가장 최근 날짜. 모집 상태가 모집인 연구인 경우; 아직 모집하지 않았습니다. 또는 활성, 비모집이 지난 2년 이내에 확인되지 않은 경우 연구의 모집 상태는 알 수 없음으로 표시됩니다.
2026년 7월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

기타 연구 ID 번호

연구 후원자, 기금 제공자 또는 다른 사람이 임상 연구에 할당한 NCT 번호 이외의 식별자 또는 ID 번호. 이 번호에는 다른 시험 등록의 고유 식별자와 미국 국립보건원(National Institutes of Health) 보조금 번호가 포함될 수 있습니다.
  • UW24-319-RCT

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

예

IPD 계획 설명

개인의 재식별이 불가능하도록, 결과 출판물에 사용된 익명화된 IPD만 공유됩니다.

IPD 공유 기간

연구가 완료된 후(예상 완료일: 2025년 12월 31일) 결과 확산 또는 발표와 함께 IPD 및 지원 정보가 제공되며, 제거 요구가 있을 때까지 무기한으로 유지됩니다.

IPD 공유 액세스 기준

IPD 및 지원 정보는 결과 배포 및 출판과 함께 문서 업로드 또는 첨부 파일로 제공됩니다. 기사에 접근할 수 있는 모든 사람은 모든 문서에 접근할 수 있습니다.

IPD 공유 지원 정보 유형

  • 연구_프로토콜
  • 수액
  • ICF
  • ANALYTIC_CODE

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

쿠키 설정

당사는 당사 웹 사이트에서 최상의 경험을 제공하기 위해 쿠키를 사용합니다. 자세한 내용은 개인 정보 보호 및 쿠키 정책 을주의 깊게 읽어보십시오. ...>>>귀하는 정책에 설명 된대로 귀하의 웹 사이트 또는 컴퓨터에서 쿠키를 삭제하여 언제든지 귀하의 기본 설정을 변경하거나 동의를 철회 할 수 있습니다. 동의하고 아래 "설정 관리"섹션에서 해당 상자를 선택하여 기본 설정을 선택하십시오. 이 웹 사이트의 일부를 사용하기 전에 서비스 약관 을주의 깊게 읽어 보시기 바랍니다.
«설정 관리