태아 흐름 관리 개선을 위한 인간-AI 협업 인텔리전스
태아 흐름 관리 개선을 위한 인간-AI 협업 지능: 무작위 시험
이 무작위 대조 연구는 산부인과에서 도플러 초음파 이미지(UA 및 MCA)에 대한 임상의의 해석을 개선하는 데 있어 설명 가능한 AI(XAI)의 효과를 평가합니다. 여기에는 92명의 임상의가 참여하고 중재 그룹과 통제 그룹으로 무작위 배정되었습니다. 중재 그룹은 XAI 피드백을 받아 초음파 해석 및 의학적 의사 결정의 정확성을 향상시키는 것을 목표로 합니다.
목표:
- 도플러 스펙트럼 이미지에 대한 품질 피드백을 제공하고 잠재적인 게이트 배치를 제안하기 위해 일반적으로 사용되는 도플러 흐름, 특히 제대동맥(UA) 및 중대뇌동맥(MCA)의 Pulsatility Index(PI)에 대한 해석 가능한 모델을 개발합니다.
- 초음파 해석 및 관리의 정확성에 대한 피드백이 없는 경우와 비교하여 임상의에게 XAI(Explainable AI) 피드백을 제공하는 효과를 테스트합니다.
연구 개요
상세 설명
현재 도플러 초음파 속도계는 산과 실습, 특히 자궁태반-태아 순환에서 제대동맥(UA) 및 중대뇌동맥(MCA)을 평가하는 데 중요한 도구로 사용됩니다. 도플러 초음파는 태아 빈혈 및 태반 부전과 같은 상태를 감지하는 데 유용하지만 정확성은 작업자의 전문 지식에 달려 있습니다. 인공 지능(AI)은 특히 고위험 임신에서 잠재적인 향상을 제공합니다. 그러나 기존 태아 초음파 AI 애플리케이션은 투명성이 부족해 사용자 불신으로 이어지는 경우가 많습니다. 이 연구는 고위험 임신 관리 개선을 위해 임상의가 UA 및 MCA의 도플러 초음파 이미지를 해석하는 데 도움이 되는 설명 가능한 AI 모델을 개발하여 이러한 한계를 해결하는 것을 목표로 합니다.
연구의 목적은 다음과 같습니다.
- 도플러 스펙트럼 이미지에 대한 품질 피드백을 제공하고 잠재적인 게이트 배치를 제안하기 위해 일반적으로 사용되는 도플러 흐름, 특히 제대동맥(UA) 및 중대뇌동맥(MCA)의 Pulsatility Index(PI)에 대한 해석 가능한 모델을 개발합니다.
- 초음파 해석 및 관리의 정확성에 대한 피드백이 없는 경우와 비교하여 임상의에게 XAI(Explainable AI) 피드백을 제공하는 효과를 테스트합니다.
모든 참가자는 제대동맥과 MCA의 흐름 이미지에 대한 게이트 배치를 제공하고 결과 흐름 곡선의 품질을 평가하도록 지시받습니다. 각 참가자는 총 40개의 고유 이미지(UA 및 MCA의 경우 각각 10개의 흐름 이미지, UA 및 MCA의 경우 10개의 스펙트럼 도플러 이미지)를 평가해야 합니다. 4개 그룹(UA-flow, UA-spectrum, MCA-flow & MCA-spectrum)에서 조사관은 각 병원(PGY 1) 내 경험 수준에 맞게 참가자에게 제공되는 일치하는 40개의 이미지 세트를 제공합니다. -2, PGY 3-5, 위원회 인증 산부인과 의사). 흐름 이미지의 경우 참가자는 가장 적절한 게이트 배치를 식별하도록 지시받습니다. 스펙트럼 흐름 곡선의 경우 참가자는 흐름 곡선이 의료 관리 결정을 알리기에 충분한 품질인지 평가하도록 요청받습니다.
MCA 및 UA 이미지의 포함 기준은 3분기(>= 28주)에 촬영한 이미지입니다.
연구 설계: 무작위 대조 시험
데이터 출처: 제대동맥(UA) 및 중대뇌동맥(MCA) 측정을 포함한 1,840개의 고유한 초음파 스캔. 1840개의 고유 이미지에는 UA 흐름 이미지 460개, UA 스펙트럼 이미지 460개, MCA 흐름 이미지 460개, MCA 스펙트럼 이미지 460개가 포함됩니다.
참가자: 4개 대학병원에서 다양한 역량 수준을 갖춘 92명의 임상의.
개입: MCA/UA 도플러 스펙트럼 곡선 및 게이트 배치 제안에 대한 XAI 피드백.
제어 그룹: XAI 피드백이 없습니다.
절차: 임상의는 병원 전체의 경험 수준에 맞춰 각각 46명씩 두 그룹으로 나뉩니다. 통제 그룹은 MCA/UA 이미지에 게이트를 배치하고 AI 피드백 없이 도플러 스펙트럼을 평가하는 반면, 개입 그룹은 AI 피드백에 액세스하여 동일한 작업을 수행합니다.
결과 측정: 두 그룹의 참가자의 반응은 참가자의 답변을 서로 독립적으로 평가하는 두 명의 태아 의학 초음파 검사자가 검토합니다. 의견이 일치하지 않는 두 초음파 검사자는 토론 후 합의에 도달합니다.
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 연락처
- 이름: Zahra Bashir, MD
- 전화번호: 71871407
- 이메일: zahra.bashir@regionh.dk
연구 장소
-
-
Capital Region Of Denmark
-
Copenhagen, Capital Region Of Denmark, 덴마크, 2100
- 모병
- Rigshospitalet
-
연락하다:
- Zahra Bashir, MD
-
수석 연구원:
- Zahra Bashir, MD
-
-
Region Zealand
-
Slagelse, Region Zealand, 덴마크, 4200
- 모병
- Slagelse Hospital
-
연락하다:
- Zahra Bashir, MD
-
수석 연구원:
- Zahra Bashir, MD
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 포함 기준은 최소 일주일에 한 번 경복부 산과 초음파를 사용하는 것입니다.
제외 기준:
- 제외 기준은 경복부 산과 초음파 검사 경험이 없다는 것입니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 건강 서비스 연구
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 더블
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: "MCA/UA 도플러 스펙트럼 곡선 및 게이트 배치 제안에 대한 XAI 피드백"
XAI 피드백 그룹은 MCA/UA 이미지에 게이트를 배치하고 AI 피드백을 통해 도플러 스펙트럼을 평가합니다. N=46명의 임상의(임상의는 병원 전체의 경험 수준에 맞춰 각각 46명의 두 그룹(XAI 피드백 및 XAI 없음 피드백 그룹)으로 나뉩니다.) |
이 연구에는 UA 및 MCA 흐름 및 스펙트럼 이미지로 분할된 1,840개의 초음파 이미지가 포함되어 있으며, 각 이미지는 총 3,680개의 이미지로 복제되어 설명 가능한 AI(XAI) 피드백과 피드백이 없는 것을 비교합니다. 조사관은 일치하는 40개의 이미지 세트(XAI 그룹용 1개, 비XAI 그룹용 1개)를 참가자에게 제공합니다. 참가자는 각 병원 내 경험 수준(산과 초음파 경험이 있는 상주 의사, 산부인과 의사, 산부인과 의사)에 따라 매칭됩니다. 모든 참가자는 제대 동맥과 중뇌 동맥의 흐름 이미지에 게이트를 배치하고 결과 흐름 곡선의 품질을 평가하도록 지시받습니다. 특히 흐름 이미지의 경우 참가자는 가장 적절한 게이트 배치를 식별해야 합니다. 스펙트럼 흐름 곡선의 경우 곡선이 의료 관리 결정을 안내하기에 충분한 품질인지 결정해야 합니다. |
|
간섭 없음: "XAI 피드백 없음"
통제 그룹은 MCA/UA 이미지에 게이트를 배치하고 AI 피드백 없이 도플러 스펙트럼을 평가합니다. N=46명의 임상의(임상의는 병원 전체의 경험 수준에 맞춰 각각 46명의 두 그룹(XAI 피드백 및 XAI 없음 피드백 그룹)으로 나뉩니다.) |
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
답변은 두 명의 태아 의학 초음파검사자가 독립적으로 검토하며, 두 전문가 사이에 의견이 일치하지 않는 경우 합의에 도달합니다.
기간: 1개월
|
각 그룹(AI 피드백 그룹 및 AI 피드백 없음 그룹)의 정확도는 두 명의 태아 의학 초음파 검사자가 평가한 두 그룹 간의 올바르게 관리된 흐름 이미지 수의 백분율 차이로 정의되었습니다. 올바른 관리는 올바른 게이트 배치(다중 사이트 가능) 및 의학적 의사 결정을 내릴 수 있을 만큼 적절한 품질의 흐름 곡선을 올바르게 식별하는 것으로 정의됩니다. |
1개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
역량그룹 간 플로우 이미지 관리의 정확성
기간: 1개월
|
두 번째 결과는 참가자를 역량 그룹(산과 경험이 있는 수련생, 산부인과 의사 및 산부인과 의사)으로 분류한 다음 AI 피드백과 비 AI 피드백 모두에서 이러한 역량 그룹 간의 플로우 이미지 관리 정확도의 백분율 차이를 조사하는 것입니다. 피드백 그룹.
|
1개월
|
공동 작업자 및 조사자
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 연구와 관련된 용어
기타 연구 ID 번호
- 3-3031-2915/1
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .