AI 지원 의료 의사 결정
2025년 2월 27일 업데이트: Kang Zhang, The Eye Hospital of Wenzhou Medical University
실시간 병원 전체 전자 건강 기록 데이터를 사용하여 의료 의사 결정 지원을위한 인공 지능 모델을 평가하기위한 코호트 연구
이 연구는 의사가 생존 또는 입원과 같은 환자 진단 및 결과를 예측할 수 있도록 AI 모델을 구축하고 적용합니다.
병원 기록에서 실시간, 멀티 모달 데이터 (실험실, 활력 징후, 기록, 이미징)를 사용할 것입니다.
환자는 AI의 성능을 표준 치료와 비교하기 위해 추적 될 것입니다.
목표는 실제 연구에서 진단 및 치료 정확도를 향상시키는 것입니다.
연구 개요
상세 설명
이 연구는 의사가 생존 또는 입원 길이와 같은 환자 진단 및 결과를 예측하는 데 도움이되는 인공 지능 (AI) 모델을 구축하고 적용하는 것을 목표로합니다.
우리는 병원 전역의 환자를 등록하고 실험실 결과, 활력 징후, 병력 및 전자 건강 기록을 포함한 실시간의 멀티 모달 건강 데이터를 사용합니다.
이 연구는 참가자들을 따라 표준 실습에 대한 AI 모델의 성능을 평가할 것입니다.
우리의 목표는 진단 및 치료의 정확성과 속도를 향상시켜 환자 치료를 향상시키는 것입니다.
이 전향 적 연구는 실제 병원 환경에서 모델을 테스트합니다.
연구 유형
관찰
등록 (추정된)
50000000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Fei Liu, MD
- 전화번호: +86 13810512704
- 이메일: liufei_2359@163.com
연구 장소
-
-
Zhejiang
-
Wenzhou, Zhejiang, 중국
- 모병
- First Affiliated Hospital of Wenzhou Medical University
-
연락하다:
- Cheng Tang
- 전화번호: +86-0577-88002888
- 이메일: c249325687@163.com
-
Wenzhou, Zhejiang, 중국
- 모병
- Second Affiliated Hospital of Wenzhou Medical University
-
연락하다:
- Linfeng Liu
- 이메일: llfwfe@163.com
-
-
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
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
샘플링 방법
비확률 샘플
연구 인구
이 연구에는 실시간 전자 건강 기록 데이터 (예 : 실험실, 활력 징후, 기록, 영상)가 포함 된 모든 병원 부서에 입원 한 모든 환자가 포함됩니다.
참가자는 데이터 수집에 동의해야합니다.
설명
포함 기준 :
- 환자는 연구 기간 동안 병원 (예 : ICU, 일반 병동, 응급, 외래 환자 서비스)에 입원했습니다.
- 실험실 결과, 활력 징후, 병력 및 영상 데이터를 포함하여 이용 가능한 실시간 전자 건강 기록 (EHR) 데이터가있는 환자.
제외 기준 :
현재이 연구의 데이터 수집 또는 결과를 방해 할 수있는 다른 임상 시험에 등록한 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 |
개입 / 치료 |
|---|---|
|
병원 전체 환자 코호트
|
이 연구의 중재에는 임상 의사 결정 및 질병의 평가를 지원하기 위해 멀티 모달 데이터 융합을 활용하는 AI 시스템이 포함됩니다.
이 코호트의 환자는 AI 시스템에 의해 생성 된 권장 사항에 따라 임상 결정과 함께 표준 검사를받습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
곡선 아래 면적(AUC)
기간: 1년
|
ROC 곡선의 AUC는 진단 정확도를 정량화하는 데 사용됩니다.
단위 (비율 또는 백분율, 일반적으로 0과 1 사이의 숫자로 표현됨).
|
1년
|
|
전반적인 병원 자원 활용 개선
기간: 1 년
|
AI 지원 의사 결정에 기인 한 전체 병원 자원 사용 (예 : 침대 일, ICU 입학, 진단 테스트)의 감소 비율은 백분율로 표시됩니다.
|
1 년
|
|
인구 수준 진단 정확도 향상
기간: 1 년
|
AI 모델에 의해 촉진 된 모든 병원 환자의 진단 정확도 (예 : 올바른 진단의 백분율 또는 잘못 진단의 감소)의 전반적인 개선은 백분율 또는 비율로 표현됩니다.
|
1 년
|
|
부작용 이벤트 속도의 시스템 전체 감소
기간: 1 년
|
AI 지원 의사 결정으로 인해 모든 병원 환자에 대한 주요 부작용 (예 : 사망, 심각한 합병증 또는 장기 체류)의 감소 비율은 백분율로 표시됩니다.
|
1 년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
병원 환자 결과의 전반적인 개선
기간: 1 년
|
AI 지원 의사 결정으로 인해 주요 환자 결과 (예 : 사망률, 이환율, 회복률)의 집계 개선은 복합 점수 또는 백분율로 표현됩니다.
|
1 년
|
|
의료 시스템 효율성 향상
기간: 1 년
|
병원 운영 효율성의 전반적인 개선 (예 : 대기 시간 감소, 최적화 된 자원 할당, 직원 작업량 감소)은 백분율 또는 질적 등급으로 표시됩니다.
|
1 년
|
|
인구 건강 영향 점수
기간: 1 년
|
병원 집수 지역 내 인구 건강에 대한 AI 모델의 영향 (예 : 질병 부담 감소, 만성 질환 관리 개선)을 반영하는 복합 점수는 표준화 된 지수 또는 백분율 변화로 표현됩니다.
|
1 년
|
|
장기 공중 보건 혜택 지수
기간: 1 년
|
공중 보건에 대한 AI 모델의 장기 기여 (예 : 질병 유병률 감소, 기대 수명 개선)를 측정하는 복합 지수는 표준화 된 점수 또는 백분율 개선으로 표현됩니다.
|
1 년
|
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 2월 24일
기본 완료 (추정된)
2026년 6월 1일
연구 완료 (추정된)
2026년 6월 1일
연구 등록 날짜
최초 제출
2025년 2월 24일
QC 기준을 충족하는 최초 제출
2025년 2월 24일
처음 게시됨 (실제)
2025년 3월 25일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2025년 3월 25일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 2월 27일
마지막으로 확인됨
2025년 2월 1일
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. .