고급 데이터 지원 의학 파트 폐암 (ADAMpartlung)
ADAM 하위 연구 Luik 2: 폐암 환자의 결과에 대한 AI 예측 모델 구성 및 검증에 대한 관찰 후향적 단일 센터 코호트 연구
연구 개요
상세 설명
이 연구의 목적은 현실 세계 증거(RWE)를 도출하기 위한 목표로 분석 및 인공 모델 구성을 위해 고립된 현실 세계 데이터(RWD)를 준비하고 잠금을 해제하는 것입니다. 요즘 의사와 간호사는 환자로부터 데이터를 수집하고 전자 건강 기록 시스템에 데이터를 등록합니다. 데이터 포인트는 구조화된 형식으로 사용할 수 없는 경우가 많으므로 요청 시 수동으로 데이터 수집 및 잠금 해제가 수행됩니다. 인공 지능 도구를 사용하여 수집된 데이터를 신중하게 분석하면 예정되지 않은 의료 사용, 응급실 방문 및 병원 입원의 위험이 가장 높은 환자를 예측하는 데 도움이 될 수 있습니다. 따라서 관련 결과를 예측할 수 있는 모델은 의사의 일상 업무에 큰 도움이 될 것입니다.
주요 목표 폐암 환자 치료를 위한 의사 결정 과정에서 의사를 지원하는 AI 모델을 개발하고 검증합니다. 이 AI 모델은 가능한 폐암 치료에 대한 결과의 확률 또는 진화를 예측해야 합니다. 모델 입력 데이터 소스는 인구 통계, 기본 건강 상태, 이전 치료, 영상 데이터 및 생리학적 데이터, 상세한 치료 데이터와 같은 병원 데이터입니다.
보조 목표
- 추가 연구 및 분석을 위해 데이터를 즉시 사용할 수 있도록 폐암 데이터 포인트의 자동 잠금 해제, 수집 및 OMOP 공통 데이터 모델로 변환
- OMOP 공통 데이터 모델에서 사용 가능한 모든 데이터를 제공하는 AI 모델을 교육하여 디지털 환자 구성
- 비지도 학습 기술을 통해 AI 모델 성능을 향상시키기 위한 디지털 환자 검증 및 최적의 기능 선택
환자를 나타내기 위해 변환기를 적용하는 잠재력은 진정으로 개인화되고 심지어 예측 의학입니다. 그 이유는 변압기가 수백만 개의 상호 작용하고 비선형적으로 작동하는 매개변수를 처리할 수 있게 해주는 도구이기 때문입니다. 따라서 위 그림의 데이터 소스는 유전 정보 등을 포함하도록 확장될 수 있습니다. 디지털 환자의 최적 기능 선택을 사용하여 비지도 학습 기술을 통해 AI 모델 성능을 향상하고 일상적인 실습을 위해 예측 모델을 미세 조정합니다.
모집단 분석 및 모델 구축이 임상적으로 관련되도록 환자를 자세하게 나타내는 가상 트윈을 구축합니다.
연구 유형
등록 (예상)
연락처 및 위치
연구 연락처
- 이름: Peter De Jaeger, PhD
- 전화번호: 003251237650
- 이메일: peter.dejaeger@azdelta.be
연구 연락처 백업
- 이름: Ingel Demedts, MD
- 전화번호: 003251237111
연구 장소
-
-
West-Vlaanderen
-
Roeselare, West-Vlaanderen, 벨기에, 8800
- 모병
- AZ Delta
-
연락하다:
- Peter De Jaeger, PhD, Prof
- 전화번호: 003251237650
- 이메일: peter.dejaeger@azdelta.be
-
수석 연구원:
- Ingel Demedts, Prof
-
부수사관:
- Hannelore Bode, MD
-
부수사관:
- Bernard Bouckaerts, MD
-
부수사관:
- Kris Carron, MD
-
부수사관:
- Stephanie Dobbelaere, MD
-
부수사관:
- Ulrike Himpe, MD
-
부수사관:
- Heidi Mariën, MD
-
부수사관:
- Peter Van Haecke, MD
-
부수사관:
- Wim Verbeke, MD
-
부수사관:
- Peter De Jaeger, Prof, PhD
-
부수사관:
- Pieter-Jan Lammertyn
-
부수사관:
- Louise Berteloot
-
부수사관:
- Kim Denturck, Msc ir
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 폐암 환자 경로에 포함된 폐암 환자
제외 기준:
- 지정되지 않음
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI 입력을 위해 준비된 국제 공통 데이터 모델로의 데이터
기간: 2022년
|
폐암 병원 데이터는 UMLS 개념으로 번역되고 임상적으로 검증되었으며 OMOP 공통 데이터 모델에 저장됩니다.
|
2022년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
디지털 환자 구성
기간: 2023년
|
AI 모델 훈련을 통한 디지털 환자 구성
|
2023년
|
|
지도 머신 러닝
기간: 2023년
|
폐암 환자 결과를 예측하기 위한 입력으로 선택된 기능의 제한된 집합을 사용하여 지도 머신 러닝 모델을 교육하고 검증합니다.
|
2023년
|
|
폐암 환자 예측 AI 모델 구축 및 검증
기간: 2024년
|
예측 AI 모델 타당성 접근법의 구성 및 검증 30일 사망률, 30일 응급실 방문, QoL 진화, 급성 치료 합병증과 같은 예측 결과 AI 모델 구성
|
2024년
|
공동 작업자 및 조사자
스폰서
수사관
- 수석 연구원: Ingel Demedts, MD, AZ Delta
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (예상)
연구 완료 (예상)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
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. .