피부 질환에 대한 인공 지능을 사용한 임상 워크플로우 최적화 (IDEI_2023)
인공지능을 통한 다양한 피부 질환 환자의 임상 워크플로우 최적화
영상을 기반으로 한 인공지능(AI)은 의료 분야에서 시각 진단 정확도를 향상시킬 수 있는 엄청난 잠재력을 가지고 있습니다. 코로나19 팬데믹 상황에서 대면 의료 서비스에 대한 제한된 접근으로 인해 의료 방식이 바뀌면서 원격 의료 도입이 가속화되었습니다. 이러한 맥락에서 분류 및 의사 결정 지원을 위한 AI 사용은 전문가가 작업 부하를 관리하고 성과를 향상시키는 데 매우 중요할 수 있습니다. 피부과에서는 색소성 병변, 여드름, 탈모증이 세 가지 재발성 병리학 그룹으로 피부과 센터에서 수요가 높습니다. 분류, 임상 평가, 환자 후속 조치 모두 직접 리소스와 전문가의 헌신이 필요합니다. AI와 같은 도구를 사용하면 이러한 전문가가 프로세스를 줄이고 작업 부하를 최적화하는 데 도움이 될 수 있습니다.
이미지 인식 및 해석, 인공 지능의 발전은 피부 상태를 포함한 다양한 병리 진단에 혁신을 가져왔습니다. CAD(Computer-Aided Diagnosis) 시스템과 기타 알고리즘 기반 기술은 전문 의사와 동등한 역량으로 병변 이미지를 분류하는 능력을 입증했습니다.
본 연구에서는 AI LABS GROUP S.L.이 개발한 Legit.Health 도구를 평가합니다. 이 도구는 인공 지능을 활용하여 피부 상태에 대한 임상 흐름과 환자 관리 프로세스를 최적화합니다. 이 도구의 목적은 긴급한 환자의 우선 순위를 자동으로 지정하고, 상담 유형(피부과 또는 미용)을 지정하고, 보조 직원의 진단 능력 및 악성 색소 병변 발견을 강화하고, 환자의 상태에 대한 시각적 기록(사진)을 제공하는 것입니다. 추후 외부 전문가의 검토를 거쳐야 합니다.
따라서 본 연구의 주요 목적은 인공 지능을 기반으로 하는 Legit.Health가 임상 흐름 및 환자 치료 프로세스의 효율성을 향상시켜 향상된 진단 정확도 및 중증도 결정을 통해 환자 치료 시간과 비용을 절감한다는 것을 검증하는 것입니다.
두 번째 목표는 Legit.Health의 진단 성능을 측정하는 데 중점을 둡니다.
Legit.Health가 악성 또는 의심스러운 색소 병변을 감지하는 의료 전문가의 능력을 향상시킨다는 것을 입증합니다.
Legit.Health가 여성 남성형 탈모증 환자의 참여 정도를 측정하는 의료 전문가의 능력과 정확성을 향상시킨다는 것을 입증합니다.
Legit.Health가 여드름 환자의 참여 정도를 측정하는 의료 전문가의 능력과 정확성을 향상시킨다는 것을 입증합니다.
또한 이 연구는 이 도구의 유용성을 평가하는 것을 목표로 합니다.
색소 병변이 있는 환자의 선별/초기 평가 과정을 자동화합니다.
분류 상담 횟수를 줄이고 환자를 적절한 상담(미용 또는 피부과)으로 직접 안내하여 센터의 의료 자원 사용량 감소를 평가합니다.
환자의 Legit.Health 사용성을 평가합니다. Legit.Health가 전문가의 만족도를 높인다는 사실을 입증하세요. 분류 상담 횟수를 줄이고 미적 환경이든 피부과 환경이든 관계없이 환자를 적절한 상담으로 직접 안내하여 의료 자원 사용량 감소를 평가합니다.
방법론 연구 설계 유형 이것은 종단적 성격을 지닌 전향적 연구와 회고적 사례 시리즈를 모두 포함하는 관찰 연구입니다.
연구기간 본 연구에서는 채용기간을 3개월로 추정하고 있습니다. 총 연구 기간은 전향적 분석을 위한 이전 시간과 데이터베이스 폐쇄 및 편집, 데이터 분석, 최종 연구 보고서 작성을 위해 마지막 대상자를 모집한 후 필요한 시간을 포함하여 6개월로 추정됩니다.
색소 병변이 있는 각 참가자의 총 연구 기간은 1~3개월입니다. 여드름 및 탈모증 환자의 지속기간은 1일이다.
연구 집단 IDEI 피부과에서 치료를 받는 피부 병변이 있는 성인 환자(≥ 18세).
연구 개요
상세 설명
영상을 기반으로 한 인공지능(AI)은 의료 분야에서 시각 진단 정확도를 향상시킬 수 있는 엄청난 잠재력을 제시합니다. 코로나19 팬데믹 기간 동안 대면 의료 서비스에 대한 제한된 접근으로 인해 의료 변화가 발생하여 원격 의료 도입이 가속화되었습니다. 이러한 맥락에서 분류 및 의사결정 지원을 위해 AI를 사용하는 것은 전문가가 워크로드를 관리하고 성과를 향상시키는 데 매우 중요할 수 있습니다. 피부과에서는 색소성 병변, 여드름, 탈모증이 세 가지 재발성 병리학 그룹으로 피부과 센터에서 수요가 높습니다. 이러한 환자의 분류, 임상 평가 및 후속 조치에는 직접 리소스와 전문가 및 직원의 헌신이 필요합니다. AI와 같은 도구를 사용하면 이러한 전문가가 이러한 프로세스를 줄이고 작업 부하를 최적화하는 데 도움이 될 수 있습니다.
이미지 인식 및 해석, 인공 지능의 발전은 피부 상태를 포함한 다양한 병리 진단에 혁신을 가져왔습니다. CAD(Computer-Aided Diagnosis) 시스템과 기타 알고리즘 기반 기술은 전문의에 필적하는 역량으로 병변 이미지를 분류하는 능력을 입증했습니다.
본 연구에서는 AI LABS GROUP S.L.이 개발한 Legit.Health 도구를 평가합니다. 이 도구는 인공 지능을 사용하여 임상 흐름과 피부 질환 환자의 치료 과정을 최적화합니다. 이 도구의 목적은 긴급한 환자의 자동 우선순위를 지정하고, 상담 유형(피부과 또는 미용)을 지정하고, 보조 직원의 진단 능력 및 악성 색소 병변 발견을 개선하고, 시각적 기록(사진)을 제공하는 것입니다. ) 외부 전문가의 추후 검토를 위한 조건입니다.
따라서 본 연구의 주요 목적은 인공 지능을 기반으로 한 Legit.Health 도구가 환자의 임상 흐름과 치료 과정의 효율성을 향상시키고 향상된 진단 정확도와 결정을 통해 환자당 치료 시간과 비용을 절감한다는 것을 검증하는 것입니다. 악성 정도나 중증도.
두 번째 목표는 Legit.Health의 진단 성능을 측정하는 데 중점을 둡니다.
Legit.Health가 악성 또는 의심스러운 색소 병변을 감지하는 의료 전문가의 능력을 향상시킨다는 것을 입증합니다.
Legit.Health가 여성 남성형 탈모증 환자의 참여 정도를 측정하는 의료 전문가의 능력과 정확성을 향상시킨다는 것을 입증합니다.
Legit.Health가 여드름 환자의 참여 정도를 측정하는 의료 전문가의 능력과 정확성을 향상시킨다는 것을 입증합니다.
또한 이 연구는 이 도구의 유용성을 평가하는 것을 목표로 합니다.
색소 병변에 대해 상담하는 환자의 분류/초기 평가 프로세스를 자동화합니다.
분류 상담 횟수를 줄이고 환자를 적절한 상담(미용 또는 피부과)에 직접 연결하여 센터의 의료 자원 사용량 감소를 평가합니다.
환자의 Legit.Health 사용성을 평가합니다. Legit.Health가 전문가의 만족도를 높인다는 사실을 입증하세요. 분류 상담 횟수를 줄이고 미적 환경이든 피부과 환경이든 관계없이 환자에게 적절한 상담을 직접 안내하여 의료 자원 사용량 감소를 평가합니다.
방법론:
연구 설계 유형:
이것은 종단적 성격을 지닌 전향적 연구와 회고적 사례 시리즈를 모두 포함하는 관찰 연구입니다.
공부 기간:
본 연구에서는 채용기간을 3개월로 추정하고 있다.
총 연구 기간은 전향적 분석을 위한 이전 시간과 데이터베이스 폐쇄 및 편집, 데이터 분석, 최종 연구 보고서 작성을 위해 마지막 대상자를 모집한 후 필요한 시간을 포함하여 6개월로 추정됩니다.
색소 병변이 있는 각 참가자의 총 연구 기간은 1~3개월입니다. 여드름 및 탈모증 환자의 지속기간은 1일이다.
연구 대상자:
IDEI 피부과에서 치료를 받는 피부 병변이 있는 성인 환자(18세 이상).
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Jordi Barrachina, PhD
- 전화번호: +34 660675578
- 이메일: jordibarrachina@legit.health
연구 연락처 백업
- 이름: Miguel Sánchez-Viera, PhD
- 이메일: sanchez.viera@ideidermatologia.com
연구 장소
-
-
-
Madrid, 스페인, 28009
- 모병
- IDEI Hospital
-
부수사관:
- Alfonso Medela, MsC
-
부수사관:
- Taig Mac Carthy, MsC
-
연락하다:
- Miguel Sánchez-Viera, PhD
- 전화번호: +34 915740990
- 이메일: sanchez.viera@ideidermatologia.com
-
수석 연구원:
- Miguel Sánchez-Viera, PhD
-
부수사관:
- Concetta Alessandro, MD
-
부수사관:
- Alejandra Capote, MD
-
부수사관:
- Pablo López-Andina, MD
-
부수사관:
- Allison Marie Bell-Smythe Sorg, MD
-
부수사관:
- Alejandra Vallejos, MD
-
부수사관:
- Isabel del Campo, MD
-
부수사관:
- Juliana Machado, MD
-
부수사관:
- Raúl Lucas-Escobar, MD
-
부수사관:
- Beatriz Torres
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 18세 이상(여드름의 경우 16세) 환자.
- 다음 중 어느 하나에 해당하는 색소병변 환자
- 색소 병변이 처음으로 나타났습니다.
- 이전에 처음으로 피부경 검사 상담 또는 색소 병변 검토가 예정되어 있었습니다.
- 활동성 염증성 여드름 환자.
- 남성형 탈모증이 있는 여성.
제외 기준:
- 연구자가 연구 절차를 따를 수 없거나 따를 의사가 없는 것으로 간주한 환자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
|---|
|
색소성 병변이 있고 악성종양이 의심되는 환자
IDEI 병원에서 치료를 받고 악성으로 의심되는 색소성 피부 병변을 앓고 있는 환자.
실무자는 악성 종양의 진단과 의심을 모두 확인하기 위해 병변의 사진을 찍어 도구에 업로드합니다.
|
|
여드름 진단을 받은 환자
IDEI 병원에서 치료를 받고 여드름 진단을 받은 환자들.
실무자는 환자의 얼굴 사진을 찍어 도구에 업로드하여 여드름의 심각도를 확인하고 이를 최적 기준과 비교합니다.
|
|
여성형 남성형 탈모증으로 진단받은 환자
IDEI 병원에서 치료를 받고 여성형 남성형 탈모증으로 진단받은 환자.
실무자는 탈모증의 심각도를 확인하고 최적 기준과 비교하기 위해 정수리 사진을 찍어 도구에 업로드합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
의사의 진단과 도구의 진단이 일치합니다.
기간: 가입시 최대 1년
|
피부과 전문의가 발행한 진단과 Legit.Health 도구를 통해 결정된 진단 간의 일치성을 분석합니다.
|
가입시 최대 1년
|
|
피부과 전문의와 Legit.Health 도구 간에 발견된 악성 종양에 대한 동의
기간: 가입시 최대 1년
|
피부과 전문의와 인공지능 툴 간의 악성 의심 상관관계 분석
|
가입시 최대 1년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
여드름 심각도
기간: 가입시 최대 1년
|
의사와 Legit.Health 도구가 병변 계수를 통해 평가한 여드름의 심각도.
두 기준 간의 차이를 확인하기 위해 상관 분석을 수행합니다.
|
가입시 최대 1년
|
|
탈모증의 심각도
기간: 가입시 최대 1년
|
Ludwig 척도를 사용하여 의사와 Legit.Health 도구에서 평가한 남성형 탈모증의 중증도.
두 기준 간의 차이를 확인하기 위해 상관 분석을 수행합니다.
|
가입시 최대 1년
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Miguel Sánchez-Viera, PhD, IDEI Hospital
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
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. .