안전하고 설명 가능한 AI
2026년 2월 23일 업데이트: Abramson Cancer Center at Penn Medicine
개인화된 임상 결정 지원을 위한 안전하고 설명 가능한 AI 기반 의사 결정
현재 AI 기술은 일부 반복적인 임상 작업을 자동화하는 데 적합하지만 환자 및 질병 관리 영역에서 중요하고 유익한 문제를 해결하는 데는 기술적 과제가 남아 있습니다.
제안된 연구는 의료 지식을 효과적으로 통합하고, 임상의에게 AI 권장 사항을 설명하고, 안전 보장을 확립하는 등 의료 AI의 문제를 해결하려고 합니다.
연구 개요
연구 유형
관찰
등록 (추정된)
300000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Haideliza Soto Calderon
- 전화번호: 215-220-9425
- 이메일: Haideliza.Soto-Calderon@pennmedicine.upenn.edu
연구 연락처 백업
- 이름: Nicholas Bishop
- 이메일: nicholas.bishop@pennmedicine.upenn.edu
연구 장소
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, 미국, 19104
- 모병
- Hospital of the University of Pennsylvania
-
연락하다:
- Haideliza Soto Calderon
- 전화번호: 215-237-4509
- 이메일: haideliza.soto-calderon@pennmedicine.upenn.edu
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
이번 연구에서는 패혈증 발병 위험이 있는 심장, 종양학 및 환자의 EMR 데이터를 조사할 예정입니다.
각 그룹에는 포함-배제 기준이 명확하게 정의되어 있습니다. 심실성 부정맥 및 병원 내 심정지를 예측하는 기계 학습 모델을 위해 2020년부터 2020년까지 Penn Medicine 병원 내 Sickbay 접근 가능 병상에 입원한 성인(즉, 18세 이상) 환자로 구성된 환자 코호트를 구축할 것입니다. EHR 기록을 통해 심정지를 경험한 것으로 확인된 환자도 포함됩니다.
설명
포함 기준:
심장내과 18세 이상, 2017년부터 현재까지 Penn Medicine 병원에 입원함. 패혈증 2017년 7월 1일부터 응급실에 입원하거나 Penn Medicine 병원에 입원할 당시 18세인 패혈증은 패혈증에 걸릴 위험이 있는 인구 집단을 대표하므로 자격이 됩니다. Penn 암 등록부에서 침습성 유방암(1-4기) 진단
제외 기준 모든 예측 모델은 환자 데이터 세트에서 18세 미만의 환자를 제외합니다.
심장학 일차 입원 진단이 심정지였던 환자 패혈증 패혈증 정의, 받은 치료 및 결과에 대한 적격성이 기존 치료 제한에 의해 중요하고 다양하게 영향을 받을 수 있으므로 기존에 연명 치료에 제한이 있었던 환자는 제외됩니다. . 종양학 다른 예외는 없습니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
심장학
이 임상 사례 시나리오의 주요 목표는 병원에 입원한 중환자실(ICU) 환자 사이에서 실시간 심장 원격 측정은 물론 기타 임상, 인구통계 및 영상 구조화된 데이터 소스를 활용하여 ML 모델을 평가하여 병원 내 심장 박동이 임박한 것을 예측하는 것입니다. 심정지의 잠재적으로 가역적인 원인을 식별하고, 충격 가능한 리듬(예: 심실성 빈맥(VT) 또는 심실세동(VF))으로 인해 심장 마비가 임박할 수 있는 환자를 예측합니다.
|
맞춤형 임상 결정 지원을 위한 AI 기반 의사 결정
|
|
종양학 - 유방암
이 임상 사례 시나리오의 주요 목표는 암 외래환자의 임상, 인구통계, 종양 분자 및 생식세포 시퀀싱에서 얻은 구조화된 데이터와 구조화되지 않은 데이터를 활용하여 ML 모델을 평가하여 단기 사망률 및/또는 증상 감소를 예측하는 것입니다.
유방암 환자의 치료 반응 예측 모델은 두 가지 예후 도구와 비교됩니다. 1) 펜실베니아 대학교에서 일상적인 임상 결정 지원을 위해 사용된 이전에 검증된 기계 학습 사망률 예측 도구인 Conversation Connect와 2) Elixhauser Comorbidity Index는 연구 및 위험 조정에 일반적으로 사용되는 동반 질환 기반 예후 지수입니다.
|
맞춤형 임상 결정 지원을 위한 AI 기반 의사 결정
|
|
부패
이 임상 사례 시나리오의 주요 목표는 다중 모드 임상 데이터(예: 인구 통계, 실험실 테스트 결과 및 활력 징후와 같은 구조화된 EHR 데이터, 임상 경험 기록 텍스트를 포함한 구조화되지 않은 EHR 데이터 및 , 가능한 경우 실시간 심장, 혈역학 및 호흡 모니터링 장치의 파형)을 사용하여 패혈증으로 입원한 환자에 대한 광범위한 항균 요법의 시작 필요성을 예측합니다.
구현 가능하고 설명 가능한 AI에 중점을 두고 병상에서도 임상적으로 의미가 있는 잘 보정된 예측을 생성하여 진단 및 치료 시작에 대한 실시간 의사 결정을 지원합니다.
패혈증의 적시 진단 및 개입을 위한 모델은 널리 사용되는 상용 및 오픈 소스 패혈증 예측 모델과 비교됩니다.
|
맞춤형 임상 결정 지원을 위한 AI 기반 의사 결정
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
신경기호 학습 알고리즘
기간: 새로운 학습 알고리즘의 프로토타입을 만들고 개발합니다. 18개월. 학습 알고리즘을 벤치마킹하고 평가합니다. 24개월. 연구 결과를 출판합니다. 24개월
|
신경기호 모델 훈련을 위한 새로운 알고리즘을 개발하고 평가합니다.
우리는 신경기호 모델의 엔드투엔드 훈련을 위한 데이터 및 컴퓨팅 효율적인 알고리즘을 개발할 것입니다.
이 작업을 통해 임상의 전문가는 방대한 EHR 데이터에 대한 세부적인 라벨을 제공해야 하는 부담을 줄일 수 있습니다.
|
새로운 학습 알고리즘의 프로토타입을 만들고 개발합니다. 18개월. 학습 알고리즘을 벤치마킹하고 평가합니다. 24개월. 연구 결과를 출판합니다. 24개월
|
|
설명 방법
기간: 새로운 설명 알고리즘의 프로토타입을 만들고 개발합니다. 18개월. 설명을 위해 인증된 보증을 도출합니다. 18개월. 설명 알고리즘을 벤치마킹하고 평가합니다. 24개월. 인증서를 새로운 속성 및 작업으로 확장합니다. 30개월. 공개
|
우리는 검증 가능한 보증과 함께 제공되는 새로운 설명 가능한 AI 기술을 개발할 것입니다.
이러한 보장은 근본적인 수준에서 AI에 대한 신뢰와 투명성을 가능하게 합니다.
|
새로운 설명 알고리즘의 프로토타입을 만들고 개발합니다. 18개월. 설명을 위해 인증된 보증을 도출합니다. 18개월. 설명 알고리즘을 벤치마킹하고 평가합니다. 24개월. 인증서를 새로운 속성 및 작업으로 확장합니다. 30개월. 공개
|
|
안전 보장 방법
기간: 새로운 규칙 학습 알고리즘의 프로토타입을 만들고 개발합니다. 30개월. 규칙 학습 알고리즘을 더 큰 데이터 설정으로 확장합니다. 36개월. 복잡한 규칙을 표현하기 위해 새로운 기본 요소를 통합합니다. 36개월. 기본 작업에 대한 규칙 학습 알고리즘 구현
|
우리는 통계적으로 보장되는 데이터 내에서 안전을 관리하는 복잡한 논리적 규칙을 확장 가능하게 추출할 수 있는 새로운 알고리즘을 개발할 것입니다.
이러한 기술은 통계 분석에 뿌리를 두고 있으며 사용자가 배포 데이터를 식별하고 이상 현상을 감지하는 데 도움이 됩니다.
|
새로운 규칙 학습 알고리즘의 프로토타입을 만들고 개발합니다. 30개월. 규칙 학습 알고리즘을 더 큰 데이터 설정으로 확장합니다. 36개월. 복잡한 규칙을 표현하기 위해 새로운 기본 요소를 통합합니다. 36개월. 기본 작업에 대한 규칙 학습 알고리즘 구현
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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)
2025년 11월 29일
기본 완료 (추정된)
2028년 11월 1일
연구 완료 (추정된)
2028년 11월 1일
연구 등록 날짜
최초 제출
2024년 11월 15일
QC 기준을 충족하는 최초 제출
2024년 11월 15일
처음 게시됨 (실제)
2024년 11월 19일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 2월 25일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 2월 23일
마지막으로 확인됨
2026년 2월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- 34124
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
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. .