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

뇌졸중 호출에서 인공 지능(AI) 지원 (AISMEC)

2025년 9월 19일 업데이트: Haukeland University Hospital

뇌졸중 호출에서 인공 지능(AI) 지원 - "AISIS 연구" - 인공 지능이 응급 의료 호출에서 급성 뇌졸중 식별의 정확도를 향상시킬 수 있습니까?

매년 노르웨이에서 12,000명 이상의 환자가 급성 뇌졸중으로 고통받고 있지만, 혈전용해 치료를 위해 현재 치료 기간 내에 병원에 도착하는 환자는 절반 미만입니다. 뇌졸중은 사망원인 3위, 장기요양이 필요한 중증장애원인 1위다. 결과적으로 이는 연간 약 100억 NOK로 추정되는 치료와 관련된 높은 비용 외에도 사회, 환자 및 가족에게 큰 영향을 미칩니다. 노르웨이의 응급의료통신센터(EMCC)에 대한 연구는 거의 없지만, 일부에서는 응급의료통신센터의 성능을 향상시킬 수 있음을 보여주었다. 이 프로젝트는 인공 지능(AI)을 사용하여 EMCC의 급성 뇌졸중 문의 처리를 수정하여 최적의 치료를 위해 제 시간에 환자를 병원에 데려가는 데 기여할 것입니다.

연구 개요

상태

모집하지 않고 적극적으로

정황

개입 / 치료

다른: 긴급 통화에 대한 인공 지능

상세 설명

이 프로젝트에서 조사관은 2019년 Helse Bergen에서 퇴원한 모든 뇌졸중 환자(약 노르웨이 뇌졸중 등록부(NSR)를 통해 1000명의 환자). 이러한 환자의 경우 Helse Bergen의 구조화된 병원 데이터를 검색하고 뇌졸중에 관한 긴급 전화의 음성 내용을 기반으로 조사관은 기계 학습을 사용하여 뇌졸중 위험을 계산합니다. 과거 병원 데이터를 비상 호출의 음성과 연결하면 소리 분석만 하는 것과 비교하여 새로운 방식으로 비상 호출 분석을 증폭합니다.

뇌졸중 환자 데이터를 검색하고 연결한 후 조사관은 2019년 데이터를 사용하여 딥 네트워크를 훈련합니다. 이에 따라 2020년 상반기부터 환자를 대상으로 검사를 진행할 예정이다. 데이터를 훈련, 테스트 및 검증으로 분리하면 훈련된 네트워크가 훈련 데이터에 과도하게 적합하지 않고 이전에 본 적이 없는 환자에 대해 유사한 결과를 재현할 수 있습니다. 마지막으로 조사관은 AMK Bergen에서 약 1년 동안 AI를 실시간으로 사용한 데이터에 대한 통계 분석을 통해 AI의 성능을 현재 시스템과 비교할 것입니다. 이를 통해 민감도와 특이성 측면에서 EMCC 운영자의 의사 결정 프로세스 내에서 시스템이 어느 정도 개선될 수 있는지 평가할 수 있습니다.

요약하면 주요 목표는 응급 의료 호출 시 평가를 개선하기 위해 급성 뇌졸중을 실시간으로 식별할 수 있는 강력하고 작동하는 AI 시스템 프로토타입을 구축하는 것입니다.

우리의 두 번째 목표는 다음과 같습니다.

병원 기록 내에서 사용 가능한 데이터 소스와 긴급 통화의 오디오를 기반으로 환자가 급성 뇌졸중을 앓고 있는지 여부를 빠르게 예측할 수 있는 AI 시스템을 구현합니다.
AI 시스템을 사용하여 EMCC 운영자의 분류 결정 절차를 지원하고 개선할 수 있음을 증명합니다.

예상되는 결과는 빠르게 전달하는 것입니다(즉, 초) EMCC 운영자가 급성 뇌졸중 환자를 인식하는 데 도움이 되는 예측 점수는 수동 평가에만 비해 향상된 민감도와 특이성을 제공합니다.

연구 유형

관찰

등록 (추정된)

1000

연락처 및 위치

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

연구 장소

노르웨이
- Bergen
  - Bergen, Bergen, 노르웨이, 5021
    - Haukeland Universitetssykehus, Kirurgisk serviceklinikk, Nasjonalt kompetansesenter for helsetjenestens kommunikasjonsberedskap

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

18년 이상 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

샘플링 방법

확률 샘플

연구 인구

Bergen에서 113번으로 거는 모든 전화는 AI의 적용을 받습니다. 호출 내용과 병원 기록의 과거 데이터를 결합할 때 뇌졸중 위험이 특정 한도를 초과하면 EMCC 운영자에게 경고가 제공됩니다.

설명

포함 기준:

Bergen의 의료 응급 전화 번호 113에 대한 모든 발신자

제외 기준:

18세 미만

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

관찰 모델: 케이스 전용
시간 관점: 유망한

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정	측정값 설명	기간
응급 의료 호출 시 뇌졸중 인식 기간: 9월 22일~9월 23일	기존 시스템과 비교한 Survey AI의 뇌졸중 인식 능력	9월 22일~9월 23일

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Haukeland University Hospital

협력자

Oslo University Hospital

Helse Vest

Western Norway University of Applied Sciences

The Norwegian Heart and Lung Patient Organization

Helsetjenestens driftsorganisasjon for nødnett HF (HDO)

The Norwegian Stroke Register

수사관

연구 책임자: Guttorm Brattebo, Professor II, Haukeland University Hospital

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 9월 1일

기본 완료 (추정된)

2026년 8월 31일

연구 완료 (추정된)

2026년 8월 31일

연구 등록 날짜

최초 제출

2020년 11월 23일

QC 기준을 충족하는 최초 제출

2020년 11월 23일

처음 게시됨 (실제)

2020년 12월 1일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2025년 9월 22일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 9월 19일

마지막으로 확인됨

2025년 3월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

108573

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

IPD 계획 설명

이 단계에서는 관련이 없습니다.

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

미국에서 제조되어 미국에서 수출되는 제품

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. .