이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

ICU의 장기 실패 위험 예측 평가 (AI4ICU-Obs)

2025년 8월 27일 업데이트: ETH Zurich

중환자 실에서 장기 실패의 위험 예측에 대한 전향 적 평가 - 인간과 AI 위험 예측의 정확성 비교

이 관찰 연구에서, 연구자들은 ICU 임상의가 임박한 장기 실패의 위험을 예측하고 이전에 발표 된 기계 학습 모델의 성능과 후 향적으로 비교할 수있는 능력을 평가하는 것을 목표로합니다. 이 연구의 중심 가설은 치료 의사가 이전에 가장 좋은 기계 학습 모델과 비슷한 정확도를 가진 성인 ICU 환자에서 임박한 장기 실패를 예측할 수 있다는 것입니다.

연구 개요

상태

모집하지 않고 적극적으로

상세 설명

이 관찰 연구에서 ICU 환경에서 임박한 장기 실패 위험에 대한 임상의 (의사 및 간호사) 평가가 전향 적으로 수집됩니다. 순환 부전은 1 차 목표에서 조사되며, 호흡 부전, 신부전 및 사망률은 2 차 목표에서 조사됩니다. 이러한 평가는 임상의 예측에 대한 예측 성능과 영향 요인을 조사합니다. 이 평가는 설문지로 수집되며 환자 치료에 직접 관련된 임상의와 환자 치료에 적극적으로 책임이없는 임상의가 수행합니다. 또한이 연구는 의료 전문가가 동일한 환자와 시점에 대해 AI 위험 점수를 후 향적으로 생성하는 것에 대해 의료 전문가의 이러한 위험 평가를 벤치마킹하는 것을 목표로합니다. AI 위험 점수는 현재 문헌을 체계적으로 검색 한 일련의 모델에서 후 향적으로 계산됩니다. 이 분석에 사용될 AI 모델은 체계적인 검토 프로토콜로 표시된대로 식별되며 다음 두 가지 기준을 충족해야합니다. ICU 체류 중에 정기적으로 수집되는 것 이상의 데이터는 필요하지 않으며 오픈 소스로 액세스 할 수 있습니다. . 이러한 비교는 인간의 성능에 비해 장기 실패 위험과 관련하여 AI 기반 예측의 상대적 정확성과 신뢰성을 이해하는 데 필수적입니다. 이 연구의 데이터 및 결과는 AI 기반 위험 점수의 임상 적 유용성에 대한 증거를 제공하고 의료 응용 프로그램을위한 AI 시스템의 최적화에 대한 향후 연구를위한 길을 열어 줄 것으로 예상됩니다.

연구 유형

관찰

등록 (실제)

499

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

    • Canton of Bern
      • Bern, Canton of Bern, 스위스, 3010
        • University Hospital Inselspital, Berne

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

확률 샘플

연구 인구

University Hospital Bern의 성인 집중 치료실

설명

포함 기준 :

  • 환자 최소 연령 18 세
  • ICU에 대한 응급 입원
  • 제자리에 동맥 선

제외 기준 :

  • 문서화 된 거부 (일반 동의서) 임상 연구에 참여하기위한
  • 환자의 의식 수준을 손상시키는 신경 학적 상태가있는 환자 (뇌졸중, 외상성 뇌 손상, 두개 내 출혈, CNS 감염에 국한되지 않음, 다수도를 제외하고)
  • 기계적 순환지지 시스템 (IABP, VA-ECMO, Impella, VAD) 또는 ICU 체류 기간 동안 언제든지 임시 체외 막 산소화 (VV-ECMO) 환자;
  • 수명 종료 치료를 받거나 장기 기증을 평가할 목적으로 입원하는 환자

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
성인 ICU 환자

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
출판 된 ML 모델과 비교하여 8 시간 이내에 순환 부전의 임상의 예측
기간: 평가는 입원 후 처음 72 시간 이내에 수집됩니다.
이 결과는 각 평가 시점 중 8 시간 내에 순환 실패를 예측하는 두 가지 방법에 대해 수신기 작동 특성 곡선 (AUROC)의 영역을 비교합니다. (1) ICU 임상의 위험 추정 및 (2) 이전에 게시 된 머신 러닝 (ML) 모델은 회고 적으로 적용됩니다. 각 평가에 대해, 우리는 임상의와 동일한 시간 지점 및 환자에 대해 ML 모델에 대해 AUROC를 별도로 계산합니다. Auroc (임상의 마이너스 ML)의 차이는 주된 관심 측정치이며, 마진이 0.025 인 비 등반 프레임 워크에서 평가 된 주요 측정 값입니다.
평가는 입원 후 처음 72 시간 이내에 수집됩니다.

2차 결과 측정

결과 측정
측정값 설명
기간
출판 된 ML 모델과 비교하여 24 시간 이내에 호흡 부전의 임상의 예측
기간: 평가는 입원 후 처음 72 시간 이내에 수집됩니다.
이 결과는 각 평가 시점에서 24 시간 이내에 호흡기 부전을 예측하는 두 가지 방법에 대해 수신기 작동 특성 곡선 (AUROC)의 영역을 비교합니다. (1) ICU 임상의 위험 추정 및 (2) 이전에 게시 된 기계 학습 (ML). 모델은 회고 적으로 적용됩니다. 각 평가에 대해 임상의와 ML 모델을 위해 AUROC를 별도로 계산합니다. Aurocs (임상의 마이너스 ML)의 차이는 주요 관심 측정치이며, 주요 결과와 동일한 방법 론적 프레임 워크를 사용하여 평가 된 주요 측정 값입니다.
평가는 입원 후 처음 72 시간 이내에 수집됩니다.

기타 결과 측정

결과 측정
측정값 설명
기간
출판 된 ML 모델에 비해 48 시간 이내에 신부전의 임상의 예측에 대한 탐색 적 분석
기간: 평가는 입원 후 처음 72 시간 이내에 수집됩니다.
이 탐색 결과는 각 평가 시점에서 48 시간 이내에 신부전을 예측하는 두 가지 방법에 대해 수신기 작동 특성 곡선 (AUROC)의 영역을 비교합니다. ) 모델이 회고 적으로 적용됩니다. 각 평가에 대해 임상의와 ML 모델을 위해 AUROC를 별도로 계산합니다. Aurocs의 차이는 주요 결과와 동일한 방법 론적 프레임 워크를 사용하여 평가됩니다.
평가는 입원 후 처음 72 시간 이내에 수집됩니다.
출판 된 ML 모델과 비교하여 임상의 사망률 예측의 탐색 적 분석
기간: 평가는 입원 후 처음 72 시간 이내에 수집됩니다.
McNemar의 시험에 의한 모든 원인 사망 예측. 임상의 (이진 반응)의 각 평가 성능 (이진 반응) 및 기계 학습 모델 (확률 예측이 이진 응답으로 감소)에 의한 각각의 이진성 데이터에 대해 훈련 된 (이진 반응으로 감소)의 각각의 이진 결과에 대한 각각의 이진 결과에 의한 각각의 이진 결과 (이진 반응으로 감소)를 사용하여 평가 및 테스트했습니다. <28 일, <6 개월, <12 개월. 각 수평선에 대해 별도로 기계 기반 확률은 임상의의 민감도와 일치하도록 임계 값을 달성합니다. McNemar의 테스트는 예측 기능의 유의 한 차이를 테스트하기 위해 수행되며 P- 값은 필요한 경우 다중 테스트를 설명하도록 조정됩니다.
평가는 입원 후 처음 72 시간 이내에 수집됩니다.
의사 치료와 간호사 치료의 예측 정확도에 대한 탐색 적 분석
기간: 평가는 입원 후 처음 72 시간 이내에 수집됩니다.
의사를 치료하고 간호사를 한 쌍의 시간대 평가로 치료하여 각각의 평가를 사용하여 1 차, 2 차 및 첫 번째 탐색 결과 (즉, 순환, 호흡기 및 신부전 위험)와 동일하게 평가 및 테스트했습니다.
평가는 입원 후 처음 72 시간 이내에 수집됩니다.
치료의 예측 정확도와 비 처리 의사의 비교
기간: 평가는 입원 후 처음 72 시간 이내에 수집됩니다.
임상의 (치료)에 의한 각각의 평가를 사용하여 1 차, 2 차 및 첫 번째 탐색 결과 (즉, 순환, 호흡기 및 신부전 위험)와 동일하게 평가 및 테스트를 받고 쌍을 이루는 시간과의 EHR 데이터 (비 치료)에만 의존합니다. -점 평가.
평가는 입원 후 처음 72 시간 이내에 수집됩니다.
임상의 예측 점수의 교정 분석
기간: 평가는 입원 후 처음 72 시간 이내에 수집됩니다.
임상의 예측 점수의 교정 분석. 이 연구는 임상의 집단의 예측 능력을 평가합니다. 그러나 확률 추정치를 제공하는 것과 관련하여 인간은 서로 비교할 수 있습니다. 서로 개인의 교정없이 집단의 성과를 평가하면 임상의가 잘 교정 된 경우 실제 예측 능력을 과소 평가할 수 있습니다. 우리는 1 차 및 2 차 결과를 재평가 할 것을 제안하지만 의사들 사이에서 위험 점수 교정을 추가로 수행 할 것을 제안합니다.
평가는 입원 후 처음 72 시간 이내에 수집됩니다.
인간 및 기계 평가자에서 예측 성능의 패턴 (예 : 체계적인 오류/편견)의 탐색 적 분석
기간: 평가는 입원 후 처음 72 시간 이내에 수집됩니다.
  1. 임상의 선배, 임상의 역할과 같은 임상의의 예측 능력에 대한 영향 요인 (포함 간호사 대 의사), 시간, 주중, 업무량, 환자의 순서 및 참여 임상의에 대한 기타 수집 된 정보.
  2. 인간 전문가 평가 및 환자 연령, 진단 그룹 또는 수집 된 환자 별 또는 임상의 관련 수집 변수에 대한 체계적인 오류 및 기계 학습 기반 예측.
평가는 입원 후 처음 72 시간 이내에 수집됩니다.

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

수사관

  • 수석 연구원: Martin Faltys, Dr. med., Insel Gruppe AG, University Hospital Bern

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)

2024년 11월 18일

기본 완료 (실제)

2025년 5월 15일

연구 완료 (추정된)

2026년 5월 15일

연구 등록 날짜

최초 제출

2024년 11월 18일

QC 기준을 충족하는 최초 제출

2025년 2월 3일

처음 게시됨 (실제)

2025년 2월 7일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2025년 8월 28일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 8월 27일

마지막으로 확인됨

2024년 11월 1일

추가 정보

이 연구와 관련된 용어

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

미정

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

미국에서 제조되어 미국에서 수출되는 제품

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. .

구독하다