한의학 임상 진단 및 치료 데이터베이스 구축
한의학 임상 진단 및 치료 데이터베이스 구축: 전향적 다기관 단면 연구
연구 개요
상세 설명
대형 언어 모델의 기술 원리는 한의학(TCM)의 실증적 의학 원리와 일치하며, 대형 모델 기술의 부상은 TCM의 발전을 크게 촉진할 수 있습니다. 그러나 현재 TCM 인공지능(AI) 대형 모델 훈련을 위한 TCM 특성을 갖춘 임상 진단 및 치료 데이터베이스가 부족합니다.
현재 일반적인 TCM 혀 모양을 모델링하기 위한 대규모 혀 이미지 데이터베이스가 아직 구축되지 않았으므로 TCM 진단의 정확성과 일관성을 보장하고 TCM 진단 개발의 객관적인 표준화를 촉진합니다.
한의학 체질 조사 설문지는 양이 많고, 시간이 오래 걸리고, 특정한 주관적 문제가 있다는 임상 작업 피험자의 피드백을 고려하여, 한의학 체질 과정을 최적화하기 위한 대규모 임상 관찰 연구를 수행할 계획입니다. 신분증.
한의학(TCM) 의사-환자 대화 및 의료 기록 작성은 TCM 진단 및 치료 과정에서 생성되는 필수 요소입니다. 의사와 환자의 대화를 바탕으로 상담, 의료 기록 생성, 치료 계획 권장 사항을 지원하는 것은 중요한 임상 및 연구 가치를 갖습니다. 따라서 우리는 다수의 의사-환자 대화 및 외래 진료 기록을 수집하여 의사-환자 대화 데이터베이스를 구축하고 대화형 대규모 TCM 모델의 최적화를 미리 준비할 계획입니다.
요약하면, 한의학 임상진단 및 치료 데이터베이스 구축에 관한 연구는 중요한 임상적, 과학적 연구 가치를 지닌다. 이는 TCM 진단 및 치료의 표준화 및 정상화를 개선하고 TCM의 현대화 및 국제화를 지원하는 데 도움이 될 것입니다. 빅데이터 분석과 인공지능 기술을 적용하면 한의학 진단 및 치료 정보에 대한 심층 탐구가 가능해지며, 한의학 분야의 임상 의사결정 및 과학적 연구 탐색을 위한 보다 풍부하고 정확한 데이터 리소스를 제공할 수 있습니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Yulong Zhang, Doctor
- 전화번호: 18810550602
- 이메일: zhongxiyi1101@163.com
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 신체검사 및 진료를 위해 병원을 방문하시는 분들;
- 참가자는 자발적으로 연구에 참여합니다.
제외 기준:
- 혀 확장, 의사소통 등에 어려움이 있어 데이터 수집에 협조할 수 없는 대상자;
- 연구자들은 피험자가 연구를 종료하도록 강요할 수 있는 다른 요인이 있다고 판단했습니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
한의학 혀 이미지 그룹
내부적으로는 무작위 할당을 이용하여 훈련그룹과 검증그룹으로 구분
|
관찰 연구, 비 개입
|
|
한의학 체질 데이터 그룹
내부적으로는 무작위 할당을 이용하여 훈련그룹과 검증그룹으로 구분
|
관찰 연구, 비 개입
|
|
한의학 의사 환자 대화 데이터 그룹
한의학 모델 미세 조정에 사용되는 데이터
|
관찰 연구, 비 개입
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
혀 이미지 기반 기계학습 도구 개발
기간: 20개월
|
|
20개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
TCM 헌법 다중 모드 모델
기간: 20개월
|
|
20개월
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
한의학(TCM) 의사-환자 대화 데이터베이스
기간: 20개월
|
|
20개월
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Qi Zeng, Doctor, Fifth Affiliated Hospital, Sun Yat-Sen University
간행물 및 유용한 링크
일반 간행물
- Yuan L, Yang L, Zhang S, Xu Z, Qin J, Shi Y, Yu P, Wang Y, Bao Z, Xia Y, Sun J, He W, Chen T, Chen X, Hu C, Zhang Y, Dong C, Zhao P, Wang Y, Jiang N, Lv B, Xue Y, Jiao B, Gao H, Chai K, Li J, Wang H, Wang X, Guan X, Liu X, Zhao G, Zheng Z, Yan J, Yu H, Chen L, Ye Z, You H, Bao Y, Cheng X, Zhao P, Wang L, Zeng W, Tian Y, Chen M, You Y, Yuan G, Ruan H, Gao X, Xu J, Xu H, Du L, Zhang S, Fu H, Cheng X. Development of a tongue image-based machine learning tool for the diagnosis of gastric cancer: a prospective multicentre clinical cohort study. EClinicalMedicine. 2023 Feb 6;57:101834. doi: 10.1016/j.eclinm.2023.101834. eCollection 2023 Mar.
- Tian F, Liu D, Wei N, Fu Q, Sun L, Liu W, Sui X, Tian K, Nemeth G, Feng J, Xu J, Xiao L, Han J, Fu J, Shi Y, Yang Y, Liu J, Hu C, Feng B, Sun Y, Wang Y, Yu G, Kong D, Wang M, Li W, Chen K, Li X. Prediction of tumor origin in cancers of unknown primary origin with cytology-based deep learning. Nat Med. 2024 May;30(5):1309-1319. doi: 10.1038/s41591-024-02915-w. Epub 2024 Apr 16.
- Tan Y, Zhang Z, Li M, Pan F, Duan H, Huang Z, Deng H, Yu Z, Yang C, Shen G, Qi P, Yue C, Liu Y, Hong L, Yu H, Fan G, Tang Y. MedChatZH: A tuning LLM for traditional Chinese medicine consultations. Comput Biol Med. 2024 Apr;172:108290. doi: 10.1016/j.compbiomed.2024.108290. Epub 2024 Mar 13.
연구 기록 날짜
연구 주요 날짜
연구 시작 (추정된)
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
- ZDWY.ZYZLK.009
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
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. .