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

어린이 클리닉의 인공 지능

2021년 6월 28일 업데이트: Sijia Gu, Shanghai Jiao Tong University School of Medicine

소아과에 인공지능 적용

중국에서 어린이 의료 서비스의 수는 여전히 어린이 건강 관리에 대한 수요 증가에 훨씬 뒤떨어져 있습니다. 아이들의 부모가 등록을 위해 밤새 줄을서는 현상은 더 이상 놀라운 일이 아닙니다. 이는 자녀 수의 증가와 소아과 재능의 부족 때문입니다. 소아과에서는 환자가 해마다 늘어나고 있지만 소아과 전문의는 처음부터 끝까지 공급이 부족하다. 외래 진료 외에도 대형 병원의 소아과 의사는 수술, 과학 연구 및 기타 업무도 수행합니다. 그 결과 많은 의사들이 휴가를 포기해야 했고, 이는 그들을 비참하게 만들고 일에 대한 의욕을 떨어뜨립니다. 긴 대기 시간은 환자의 만족도도 떨어뜨려 소아과 의사와 환자 간 갈등을 증폭시켰다.

이 연구 프로젝트는 인간-컴퓨터 통합 시스템을 만들고 인공 지능(AI)이 내장된 새로운 진단 프로세스를 개발하는 것을 목표로 합니다. AI 시스템의 기능은 주로 3가지 측면을 포함한다. (1) 환자는 의사를 만나기 전에 건강검진을 받을 수 있는 AI가 내장된 휴대전화 애플리케이션을 사용한다. 프로그램은 환자에게 여러 가지 질문을 할 것입니다. 그런 다음 환자의 답변에 따라 AI는 일련의 검사를 추천하고 사전에 의사가 모든 검사를 검토합니다. 환자가 비용을 지불한 후 바로 검사를 받을 수 있습니다. 그래서 다음에 그는 환자가 줄을 서야 하는 수고를 덜어주는 검사 보고서를 가지고 의사에게 갈 수 있었습니다. (2) 동시에 AI 시스템은 의료 기록도 자동화할 수 있습니다. 환자는 여가 시간에 자조 기록 수집을 완료합니다. AI 시스템은 병력을 수집하고 자동으로 의사의 컴퓨터로 가져옵니다. 의사의 본업은 AI가 생성한 병력을 수정하는 것이다. 어느 정도는 의사의 부담을 덜어줍니다. (3) 방문하는 동안 AI 시스템은 환자의 전자 의료 기록에서 정보를 자동으로 캡처하고 가능한 진단을 생성합니다. 이 과정은 후배 의사들에게 큰 도움이 되며 단서가 될 수 있습니다.

요컨대, 이 연구는 환자의 대기 시간을 효과적으로 줄이고 의료 경험을 크게 향상시키는 데 도움이 됩니다. 의사의 업무 강도를 줄이면서 우리 병원의 외래 진료를 효과적으로 최적화하여 소아과 의사의 부족을 어느 정도 완화했습니다.

연구 개요

상세 설명

모바일 애플리케이션 및 컴퓨터 소프트웨어에 의존하여 다음을 달성합니다.

  1. 지능형 안내 및 부서 매칭;
  2. 지능형 의료 기록 수집 및 AI 의료 기록 생성
  3. 검사 항목을 자동으로 추천합니다.
  4. 임상 진단을 돕고 지능적인 진단 제안을 합니다.

연구 유형

중재적

등록 (실제)

626

단계

  • 해당 없음

연락처 및 위치

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

연구 장소

      • Shanghai, 중국
        • Shanghai Children's Medical Center
    • Shanghai
      • Shanghai, Shanghai, 중국, 200127
        • Shanghai Children's Medical Center, Shanghai Jiao Tong University School of Medicine

참여기준

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

자격 기준

공부할 수 있는 나이

2개월 (어린이, 성인)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

모두

설명

포함 기준:

생후 2개월에서 18세 사이의 환자는 상하이 아동 의료 센터에서 치료를 받습니다.

제외 기준:

  1. 참여에 동의하지 않는 사람들.
  2. 협력할 수 없는 사람들.
  3. 따라하기 힘든 사람들.

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: 병렬 할당
  • 마스킹: 없음(오픈 라벨)

무기와 개입

참가자 그룹 / 팔
개입 / 치료
실험적: 일상적인 외래 서비스 프로세스를 가진 환자
등록 후 환자는 진료실 문에서 줄을 서서 기다립니다. 그의 의사는 손으로 의료 기록을 입력하고 독립적으로 진단하는 전통적인 방법을 사용합니다. 그런 다음 환자는 청구서를 지불하기 위해 줄을 서서 기다리고 검사를 위해 줄을 섭니다. 마지막으로 환자는 검사 보고서를 의사에게 다시 가져갑니다.
환자는 접수-대기-출석-대기-진찰-대기-출석의 절차를 따른다.
실험적: AI 지원 외래 환자 서비스 프로세스를 갖춘 환자
등록 후 환자는 외래 환자 번호를 통해 자신의 정보를 휴대폰 애플리케이션에 바인딩합니다. 첫째, AI 시스템은 환자에게 일련의 질문을 합니다. 그런 다음 환자의 반응에 따라 판단을 내립니다. 시스템은 검사 항목을 의사의 컴퓨터로 전송하고 의사의 승인을 받아 항목을 다시 환자에게 보냅니다. 따라서 환자는 곧바로 검사를 받을 수 있습니다. 자신의 차례를 기다리는 동안 환자는 다시 전화 프로그램에 들어가고 AI 시스템은 그의 병력을 수집합니다. 정보는 의사에게 다시 전송됩니다. 환자가 검사 보고서를 가지고 의사의 사무실에 가면 의사의 컴퓨터에는 이미 그의 의료 기록이 있습니다. 의사는 실제 상황에 따라 역사를 조정하기만 하면 됩니다. 병력을 작성한 후 AI 시스템이 자동으로 진단을 내릴 수 있습니다. 의사는 AI의 결과와 자신의 판단을 이용하여 종합적인 진단을 내립니다.
환자는 등록, AI 추천 검사 항목, 셀프 서비스 병력 수집, 검사, 대기, AI 보조 출석 절차를 따릅니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
두 프로세스의 효율성 평가
기간: 최대 1개월
단일 환자의 평균 대기 시간과 단일 환자의 평균 방문 시간을 비교하십시오.
최대 1개월

2차 결과 측정

결과 측정
측정값 설명
기간
의료 과정에 대한 환자의 만족도 평가
기간: 최대 1개월
만족도 설문지는 두 프로세스 간의 만족도를 비교하는 데 사용됩니다.
최대 1개월
경제적 측정
기간: 최대 1개월
외래의 돈을 쓰다, 진찰의 ​​돈을 쓰다 등.
최대 1개월
의사의 업무 효율
기간: 최대 1개월
전후 비교를 위한 과거 데이터를 사용하여 지능형 의료 기록 수집이 각 환자의 방문 시간에 미치는 영향을 비교합니다.
최대 1개월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

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)

2020년 3월 21일

기본 완료 (실제)

2021년 6월 29일

연구 완료 (실제)

2021년 6월 29일

연구 등록 날짜

최초 제출

2019년 11월 12일

QC 기준을 충족하는 최초 제출

2019년 12월 2일

처음 게시됨 (실제)

2019년 12월 4일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2021년 7월 1일

QC 기준을 충족하는 마지막 업데이트 제출

2021년 6월 28일

마지막으로 확인됨

2021년 6월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • SCMCIRB-K2019020-2

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니

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. .

일상적인 진단 프로세스에 대한 임상 시험

3
구독하다