질병 분류를 위한 eTriaging 시스템의 효능
2024년 1월 17일 업데이트: Yingfeng Zheng, Sun Yat-sen University
지역사회 인구의 질병 분류를 위한 eTriaging 시스템 사용의 효율성
인구가 증가하고 질병 유병률이 증가함에 따라 긴 대기 시간은 공중 보건 시스템에서 일반적인 문제가 되었습니다.
빠르고 정확하며 비용 효율적인 신속한 분류 서비스가 절실히 필요합니다.
따라서 우리는 eTriaging 시스템을 개발하고 인간과 그 효능을 비교하는 것을 목표로 했습니다.
연구 개요
연구 유형
중재적
등록 (실제)
535
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Guangdong
-
Guangzhou, Guangdong, 중국, 510000
- Zhognshan Ophthalmic Center, Sun Yat-sen University
-
-
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
설명
포함 기준:
- 18세 이상인 사람.
- 스마트폰/태블릿이 있고 eTriaging 앱을 보고 작동할 수 있습니다.
- 기꺼이 연구에 참여하고 정보에 입각한 콘텐츠를 제공합니다.
제외 기준:
- NA
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 다른
- 할당: 해당 없음
- 중재 모델: 단일 그룹 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 대형 언어 모델을 기반으로 한 자기 평가 도구
대규모 언어 모델을 기반으로 하는 자체 평가 도구는 포괄적인 생성, 결정, 조치 및 안전 프레임워크를 통해 사용자 쿼리를 처리하여 최적의 응답을 제공합니다.
시스템의 주요 기능에는 신뢰할 수 있는 웹사이트에서 정보를 소싱하여 생성된 응답을 향상시키는 검색 증강 상황 내 학습이 포함됩니다.
또한 전달 전에 콘텐츠를 검증하여 응답에서 잠재적으로 유해한 콘텐츠를 완화하는 Guardrail 모듈을 통합합니다.
또한 이 시스템은 다중 회전 대화 전반에 걸쳐 필수적인 임상 특성을 유지하는 자가 점검 메모리 모듈을 갖추고 있어 사용자와의 일관되고 지속적인 상호 작용을 보장합니다.
|
기본 평가 후에 참가자는 자가 평가 도구를 독립적으로 사용하여 당뇨병성 망막병증(DR)의 위험을 평가하도록 안내됩니다. 이 도구는 LLM 기반의 대화형 AI 시스템과 기존 물류 진단 모델을 융합한 것입니다. AI 시스템은 연령, 당뇨병 기간, 체질량지수(BMI), 인슐린 사용량 등 임상 변수를 수집하도록 설계됐다. 또한 환자의 이름과 ID를 사용하여 평균 동맥압, HbA1c, 혈청 크레아티닌, 미세알부민뇨증과 같은 임상 테스트 데이터가 로컬 데이터세트에서 추출됩니다. 수집된 데이터는 DR 존재 여부를 확인하기 위한 추가 분석을 위해 서버 기반 진단 모델로 전송됩니다. |
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
자체 평가 도구의 AUROC
기간: 챗봇 사용 직후
|
자체 평가 도구의 성능은 안저 사진을 바탕으로 수석 안과 의사의 진단 라벨을 참조하여 정확도를 평가합니다.
|
챗봇 사용 직후
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Yingfeng Zheng, Zhongshan Ophthalmic Center, Sun Yat-sen University
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)
2023년 5월 1일
기본 완료 (실제)
2023년 7월 30일
연구 완료 (실제)
2023년 7월 30일
연구 등록 날짜
최초 제출
2022년 1월 29일
QC 기준을 충족하는 최초 제출
2022년 1월 29일
처음 게시됨 (실제)
2022년 2월 9일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
2024년 1월 19일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 1월 17일
마지막으로 확인됨
2024년 1월 1일
추가 정보
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. .