FibroX AI를 활용한 1차 진료에서의 간 섬유화 진단 개선
1차 진료에서 MASLD 진행성 간 섬유증 진단 향상을 위한 AI 도구 검증: 공급자 수준 교차 무작위 대조 시험 파일럿
이 임상 시험의 목표는 FibroX라는 인공 지능(AI) 도구가 일차 의료 제공자가 대사 기능 장애 연관 지방간 질환(MASLD)을 가진 성인에서 중증 간 섬유증(≥F2) 및 임상적으로 유의미한 문맥 고혈압을 더 잘 진단하는 데 도움이 되는지 알아보는 것입니다.
이 시험이 답하고자 하는 주요 질문은 다음과 같습니다:
- FibroX가 일반적인 치료에 비해 중증 간 섬유증(≥F2) 및 임상적으로 유의미한 문맥 고혈압 진단의 정확도를 향상시킬 수 있는가?
- FibroX가 시뮬레이션된 임상 환경에서 일차 의료 제공자에게 사용하기 쉽고 수용 가능한가?
- 의료 제공자들이 의사 결정 지원 도구로서 FibroX를 신뢰하는가?
연구자들은 FibroX 보조 치료와 일반적인 치료를 비교하여 FibroX가 진단 정확도, 제공자 신뢰도를 향상시키고 더 나은 의사 결정을 지원하는지 확인할 것입니다.
참가자는 다음과 같습니다:
- 다양한 클리닉의 일차 의료 제공자(MD, DO, NP, PA)
- MASLD 위험 요소를 가진 시뮬레이션된 환자 사례를 검토
- 일반적인 치료 도구(표준 검사 및 선택적 FIB-4 계산기) 또는 FibroX(AI 생성 위험 점수, 분류 등급, 설명 가능성 패널) 사용
- 각 사례에 대한 진단 및 의뢰 결정 내리기
- 사용 용이성, AI 신뢰도, 자신감 및 인지 작업 부하에 대한 설문 조사 완료
이 연구는 FibroX가 실제 일차 의료 업무 흐름에 통합되어 간 섬유증 및 문맥 고혈압의 조기 및 보다 정확한 발견을 지원할 수 있는지 판단하는 데 도움이 될 것이며, 이는 진단 누락, 불필요한 의뢰를 줄이고 환자 결과를 개선할 수 있습니다.
연구 개요
상세 설명
이 연구는 대사 장애 관련 지방간 질환(MASLD)을 가진 성인에서 중증 간 섬유화(≥F2) 및 임상적으로 유의한 문맥 고혈압 진단 개선을 위해 개발된 설명 가능한 인공지능(AI) 도구인 FibroX의 실행 가능성, 사용성, 의료진 신뢰도 및 예비 효과를 평가하기 위해 설계된 12개월 파일럿 임상 시험입니다. MASLD는 간경변, 간부전 및 심혈관 위험 증가로 이어질 수 있는 흔하고 진행성 간 질환입니다. 현재 지침은 치료 시작(예: ≥F2 섬유화의 경우 resmetirom 또는 semaglutide, 문맥 고혈압의 경우 베타 차단제)을 권장하기 때문에 이러한 상태의 조기 발견은 매우 중요합니다. 그러나 FIB-4와 같은 기존 도구는 일상적인 1차 진료에서 정확성과 사용성이 부족한 경우가 많습니다.
FibroX는 연령, 간 효소, 혈소판 수, BMI 및 신장 기능과 같은 일상적으로 이용 가능한 임상 데이터를 사용하여 중증 섬유화 및 문맥 고혈압의 확률을 추정함으로써 이러한 한계를 해결합니다. 이 도구는 분류 대역(제외, 불확정, 포함)과 예측에 가장 큰 영향을 미친 임상 요인에 대한 한 줄 설명을 제공합니다. 이러한 투명성은 AI가 결론에 도달한 방식을 임상의가 이해하는 데 도움이 되는 Shapley Additive Explanations(SHAP)를 사용하여 달성됩니다.
후향적 연구에서 FibroX는 FIB-4와 비교하여 우수한 진단 성능(AUROC 0.97 대 0.62)을 보였으며 장기 사망 위험과 연관되어 진단 유용성 이상의 예후적 가치를 시사했습니다.
이 파일럿 시험은 실제 1차 진료 워크플로우를 시뮬레이션하여 임상의가 FibroX를 효과적으로 사용할 수 있는지 테스트할 것입니다. 이 연구는 4-6개의 다양한 클리닉에서 30-40명의 1차 진료 의료진(MD, DO, NP, PA)을 모집할 것입니다. 각 의료진은 MASLD 위험 요인을 가진 성인을 반영하는 16개의 합성 또는 비식별화된 환자 사례를 포함하는 두 번의 시뮬레이션 기간에 참여할 것입니다. 섬유화 단계 및 문맥 고혈압에 대한 기준 진단은 생검 또는 진동 제어 일과성 탄성 측정(VCTE) 및 지침 기반 기준을 사용한 전문가 합의로 결정될 것입니다.
의료진은 두 시퀀스 중 하나에서 사례를 검토하도록 무작위로 배정됩니다:
- FibroX 지원 치료: 의료진은 FibroX의 위험 확률, 분류 대역 및 설명 가능성 패널을 받습니다.
- 일반 치료: 의료진은 표준 검사 및 활력 징후를 사용하며, 선택적으로 FIB-4 계산기에 접근할 수 있습니다.
1주일의 휴약 기간 후, 의료진은 다른 조건으로 전환할 것입니다. 각 사례에 대해 의료진은 관리 결정(예: 조치 없음, VCTE 주문, 간 전문의에게 의뢰)을 내리고, 자신감 수준을 기록하며, 사용성, AI 신뢰도 및 인지 부하에 대한 설문조사를 완료할 것입니다.
주요 결과
- 실행 가능성: 모집률 ≥70%, 완료률 ≥85%, 중앙 결정 시간 ≤3.5분.
- 사용성 및 수용성: 시스템 사용성 척도(SUS) 점수 ≥70.
- 의료진 신뢰도: AI 신뢰도 척도 점수 ≥6.
- 효과성: 중증 섬유화(≥F2) 및 임상적으로 유의한 문맥 고혈압에 대한 의료진 내 진단 정확도.
부차적 결과
- 적절한 의뢰율
- 순 재분류 개선(NRI)
- 교정 지표(절편, 기울기)
- 의료진 자신감 및 인지 부하(NASA-TLX)
- 의도된 하류 검사 부담
- 분류 권장사항 채택 및 충실도
- 재정의율 및 이유
- 하위 그룹(연령, 성별, BMI, 인종/민족) 간 공정성 분석
모든 의료진 행동 및 결정 시간은 자동으로 기록됩니다. 사후 기간 설문조사 및 질적 브리핑은 FibroX 사용의 장벽과 촉진 요인을 탐구할 것입니다.
연구 의의 이 파일럿 연구는 향후 다기관 시험 및 FibroX의 전자 건강 기록 통합을 지원하기 위한 중요한 데이터를 생성할 것입니다. 성공한다면, FibroX는 1차 진료에서 중증 간 섬유화 및 문맥 고혈압에 대한 확장 가능하고 지침에 부합하는 검진을 가능하게 하여 놓친 진단과 불필요한 의뢰를 줄일 수 있습니다. 이는 정밀의학 및 의료 분야에서 책임 있는 AI 구현에 대한 국가적 우선순위와 일치합니다.
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 연락처
- 이름: Basile Njei, MD, MPH, PhD, FRCP
- 전화번호: 475-227-5537
- 이메일: basile.njei@yale.edu
연구 연락처 백업
- 이름: Ulrick S Kanmounye, MD, MPH, MSc
- 전화번호: 5705404973
- 이메일: ulricksidney@gmail.com
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 면허를 보유한 1차 진료 제공자(MD, DO, NP, PA)
- 현재 성인 1차 진료에 종사 중(풀타임 기준 0.5 이상)
- 참여 클리닉(학술, 지역사회, 연방 자격 건강 센터) 중 한 곳에 소속됨
- 전자 건강 기록(EHR) 기반 시뮬레이션 사례 검토에 참여할 의사와 능력이 있음
- 정보에 입각한 동의를 제공할 수 있음
제외 기준:
- 성인 1차 진료에 적극적으로 종사하지 않는 제공자
- 임상 실습에서 풀타임 기준 0.5 미만의 제공자
- FibroX 도구의 개발 또는 검증에 이전에 참여한 경험이 있음
- 일정 또는 기타 제약으로 인해 두 시뮬레이션 기간을 모두 완료할 수 없음
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 크로스오버 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: FibroX-활성화 간호
이 그룹에서는 일차 진료 제공자들이 AI 기반 임상 의사 결정 지원 도구인 FibroX를 사용하여, 중증 간 섬유화(≥F2) 및 임상적으로 중증인 문맥 고혈압에 대한 시뮬레이션 환자 사례를 평가합니다.
FibroX는 위험 확률 점수, 분류 등급(제외, 불확정, 포함), 그리고 예측에 가장 큰 영향을 미친 임상적 요인을 보여주는 한 줄 설명 패널을 표시합니다.
제공자들은 이 정보를 활용하여 진단 및 의뢰 결정(예: VCTE 검사 지시, 간담도학과 의뢰, 가이드라인 기반 치료 시작)을 내립니다.
각 제공자는 이 중재 기간 동안 16건의 사례를 검토합니다.
목표는 기존 치료와 비교하여 FibroX가 진단 정확도, 제공자 신뢰도, 사용성 및 업무 흐름 효율성에 미치는 영향을 평가하는 것입니다.
|
FibroX는 대사기능이상 관련 지방간질환(MASLD) 환자에서 중증 간 섬유화(≥F2)와 임상적으로 의미 있는 문맥 고혈압을 진단하는 데 1차 진료 제공자들을 지원하도록 설계된 설명 가능한 인공지능(AI) 도구입니다.
이 도구는 일상적으로 이용 가능한 임상 데이터(예: 연령, AST, ALT, 혈소판, BMI, HbA1c, 크레아티닌)를 사용하여 위험 확률 점수, 분류 등급(제외, 불확정, 포함), Shapley Additive Explanations(SHAP)를 이용한 한 줄 설명 패널을 생성합니다.
진료 제공자들은 시뮬레이션된 환자 상담 중에 FibroX를 사용하여 진단 및 의뢰 결정(예: VCTE 검사 지시, 간학과 의뢰, 지침 기반 치료 시작)을 안내합니다.
이 도구는 진단 정확도 향상, 진료 제공자의 신뢰도 증가, 누락된 진단 감소, 1차 진료에서 지침에 부합하는 분류 지원을 목표로 합니다.
|
|
활성 비교기: 일반 치료
이 그룹에서는 일차 진료 제공자가 일상 진료에서 사용 가능한 표준 임상 도구를 사용하여 시뮬레이션된 환자 사례를 평가합니다.
여기에는 검사실 결과, 활력 징후, 문제 목록, 약물 및 이전 영상 검사가 포함됩니다.
의료진은 선택적으로 FIB-4 계산기를 사용하여 간 섬유화 위험을 추정할 수 있습니다.
각 의료진은 이 기간 동안 16건의 사례를 검토합니다.
AI 의사결정 지원은 제공되지 않습니다.
이 그룹은 FibroX가 중증 간 섬유화(≥F2) 및 임상적으로 중요한 문맥압 항진증에 대한 진단 정확도, 그리고 의료진의 신뢰도, 사용성 및 업무 효율성을 기존 진료 대비 개선하는지 평가하기 위한 대조군 역할을 합니다.
|
일반 치료 조건에서는 1차 진료 제공자가 일상적인 진료에서 사용 가능한 표준 임상 도구를 사용하여 시뮬레이션된 환자 사례를 평가합니다.
여기에는 검사 결과, 활력 징후, 문제 목록, 약물 및 이전 영상 검사가 포함됩니다.
의료 제공자는 선택적으로 FIB-4 계산기를 사용하여 간 섬유화 위험을 추정할 수 있습니다.
AI 의사결정 지원은 제공되지 않습니다.
이 중재는 FibroX가 중증 간 섬유화(≥F2) 및 임상적으로 유의한 문맥압 항진증에 대한 진단 정확도, 그리고 의료 제공자의 신뢰, 의사결정 품질 및 업무 효율성을 일반 치료와 비교하여 개선하는지 평가하기 위한 대조군 역할을 합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
FibroX를 사용한 중증 간 섬유화(≥F2) 및 임상적으로 중대한 문맥압 항진에 대한 진단 정확도: 일반 치료와의 비교
기간: 각 시뮬레이션 기간 직후, 최대 24주까지
|
시뮬레이션된 1차 진료 상황에서 유의미한 간 섬유화(≥F2) 및 임상적으로 유의미한 문맥 고혈압을 탐지하기 위한 의료 제공자 내 진단 정확도. 정확도는 임상적으로 관련된 임계값에서 민감도, 특이도 및 AUROC를 사용하여 평가됩니다. 섬유화 단계 및 문맥 고혈압에 대한 기준 진단은 생검, 진동 제어 일시적 탄성 측정(VCTE) 기반 전문가 합의 및 지침 정의 기준에서 도출됩니다. 측정 단위: 비율(민감도 및 특이도는 %, AUROC는 단위 없는 값) |
각 시뮬레이션 기간 직후, 최대 24주까지
|
|
FibroX 통합을 위한 시스템 사용성 척도(SUS) 점수
기간: 각 시뮬레이션 기간 직후, 최대 24주
|
FibroX의 사용성은 검증된 10항목 설문지인 시스템 사용성 척도(SUS)를 사용하여 평가되었으며, 점수는 0에서 100까지이며, 점수가 높을수록 사용성이 더 좋음을 나타냅니다. 측정 단위: 점수 (범위: 0-100; 점수가 높을수록 사용성이 더 좋음) |
각 시뮬레이션 기간 직후, 최대 24주
|
|
AI 도구(FibroX)에 대한 제공자 신뢰
기간: FibroX 활성 시뮬레이션 기간 직후부터 최대 24주까지
|
검증된 AI-신뢰 척도를 사용하여 FibroX에 대한 의료 제공자의 신뢰를 평가했습니다. 이 척도는 리커트 척도로 점수가 매겨진 12개 항목으로 구성됩니다. 높은 점수는 AI 도구에 대한 더 큰 신뢰를 나타냅니다. 측정 단위: 점수 (범위: 12-60; 점수가 높을수록 신뢰도가 높음) |
FibroX 활성 시뮬레이션 기간 직후부터 최대 24주까지
|
|
사례당 중앙 결정 시간
기간: 각 시뮬레이션 기간 직후, 최대 24주 동안
|
FibroX 대 일반 치료를 사용한 시뮬레이션 MASLD 사례에 대한 관리 결정을 완료하는 데 소요된 중앙 시간(분 단위). 측정 단위: 분 |
각 시뮬레이션 기간 직후, 최대 24주 동안
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
적절한 의뢰율
기간: 각 시뮬레이션 기간 직후, 최대 24주
|
MASLD 위험 계층화를 위한 지침에 부합하는 분류 규칙과 의료 공급자의 의뢰 결정(예: 간학과 의뢰, VCTE 주문)이 일치하는 시뮬레이션 사례의 비율. 측정 단위: 비율 (%) |
각 시뮬레이션 기간 직후, 최대 24주
|
|
순 재분류 개선도 (NRI)
기간: 각 시뮬레이션 기간 직후, 최대 24주까지
|
FibroX를 사용할 때 일반 치료에 비해 MASLD 위험 범주(제외, 불확정, 포함)에 대한 분류 정확도 변화. 측정 단위: NRI 점수(단위 없음) |
각 시뮬레이션 기간 직후, 최대 24주까지
|
|
위험 예측 교정
기간: 각 시뮬레이션 기간 직후, 최대 24주
|
관찰된 결과와 비교한 FibroX 예측의 교정은 교정 절편, 기울기 및 교정 플롯을 사용하여 평가됩니다. 측정 단위: 절편 및 기울기 (단위 없음) |
각 시뮬레이션 기간 직후, 최대 24주
|
|
의사 결정에 대한 공급자 확신
기간: 각 시뮬레이션 기간 직후, 최대 24주
|
시뮬레이션된 사례 동안 MASLD 관리 결정에 대한 제공자가 보고한 확신도로, 5점 리커트 척도로 측정됨(1 = 매우 낮은 확신; 5 = 매우 높은 확신). 측정 단위: 점수(범위: 1-5; 점수가 높을수록 확신도가 높음) |
각 시뮬레이션 기간 직후, 최대 24주
|
|
사례 검토 중 인지 부하
기간: 각 시뮬레이션 기간 직후, 최대 24주까지
|
NASA Task Load Index(NASA-TLX)를 사용하여 평가된 제공자 인지 부하량으로, 6가지 차원에 걸쳐 0에서 100까지의 전반적인 작업 부하 점수를 제공합니다. 측정 단위: 점수(범위: 0-100; 점수가 높을수록 작업 부하가 큼) |
각 시뮬레이션 기간 직후, 최대 24주까지
|
|
의도된 다운스트림 검사 부담
기간: 각 시뮬레이션 기간 직후, 최대 24주
|
각 시뮬레이션 케이스 후 의료진이 추가로 예정하는 검사나 진료 의뢰(예: VCTE, 간질환 전문의 상담)의 수와 유형. 측정 단위: 건수(케이스당 검사/진료 의뢰 수) |
각 시뮬레이션 기간 직후, 최대 24주
|
|
분류 권고사항의 채택 및 충실도
기간: 각 시뮬레이션 기간 직후, 최대 24주
|
제공자가 무시 없이 FibroX 분류 권장 사항(예: 배제, 불확정, 포함)을 따르는 사례의 비율. 측정 단위: 비율 (%) |
각 시뮬레이션 기간 직후, 최대 24주
|
|
재정률 및 사유
기간: 각 시뮬레이션 기간 직후, 최대 24주까지
|
제공자가 FibroX 권장사항을 재정의한 경우의 비율 및 재정의에 대한 문서화된 사유. 측정 단위: 비율 (%) |
각 시뮬레이션 기간 직후, 최대 24주까지
|
|
하위 그룹 간 공정성 분석
기간: 각 시뮬레이션 기간 직후, 최대 24주
|
인구통계학적 하위 그룹(연령, 성별, BMI, 인종/민족)에 따른 FibroX의 성능(민감도, 특이도, 보정). 측정 단위: 비율(%) 및 AUROC(무차원) |
각 시뮬레이션 기간 직후, 최대 24주
|
공동 작업자 및 조사자
스폰서
간행물 및 유용한 링크
일반 간행물
- Wong VW, Vergniol J, Wong GL, Foucher J, Chan HL, Le Bail B, Choi PC, Kowo M, Chan AW, Merrouche W, Sung JJ, de Ledinghen V. Diagnosis of fibrosis and cirrhosis using liver stiffness measurement in nonalcoholic fatty liver disease. Hepatology. 2010 Feb;51(2):454-62. doi: 10.1002/hep.23312.
- Njei, B., et al., FIBROX: an explainable AI model for accurate prediction of advanced liver fibrosis and cardiovascular mortality in MASLD. Gastroenterology, 2024. 169(1): p. S-131-S-132.
- Njei B, Osta E, Njei N, Al-Ajlouni YA, Lim JK. An explainable machine learning model for prediction of high-risk nonalcoholic steatohepatitis. Sci Rep. 2024 Apr 13;14(1):8589. doi: 10.1038/s41598-024-59183-4.
- Ratziu V, Charlotte F, Heurtier A, Gombert S, Giral P, Bruckert E, Grimaldi A, Capron F, Poynard T; LIDO Study Group. Sampling variability of liver biopsy in nonalcoholic fatty liver disease. Gastroenterology. 2005 Jun;128(7):1898-906. doi: 10.1053/j.gastro.2005.03.084.
- Decharatanachart P, Chaiteerakij R, Tiyarattanachai T, Treeprasertsuk S. Application of artificial intelligence in non-alcoholic fatty liver disease and liver fibrosis: a systematic review and meta-analysis. Therap Adv Gastroenterol. 2021 Dec 21;14:17562848211062807. doi: 10.1177/17562848211062807. eCollection 2021.
- Meng F, Zheng Y, Zhang Q, Mu X, Xu X, Zhang H, Ding L. Noninvasive evaluation of liver fibrosis using real-time tissue elastography and transient elastography (FibroScan). J Ultrasound Med. 2015 Mar;34(3):403-10. doi: 10.7863/ultra.34.3.403.
- Boursier J, de Ledinghen V, Zarski JP, Fouchard-Hubert I, Gallois Y, Oberti F, Cales P; multicentric groups from SNIFF 32, VINDIAG 7, and ANRS/HC/EP23 FIBROSTAR studies. Comparison of eight diagnostic algorithms for liver fibrosis in hepatitis C: new algorithms are more precise and entirely noninvasive. Hepatology. 2012 Jan;55(1):58-67. doi: 10.1002/hep.24654.
- Yoon JH, Lee JM, Joo I, Lee ES, Sohn JY, Jang SK, Lee KB, Han JK, Choi BI. Hepatic fibrosis: prospective comparison of MR elastography and US shear-wave elastography for evaluation. Radiology. 2014 Dec;273(3):772-82. doi: 10.1148/radiol.14132000. Epub 2014 Jul 7.
- Mondal A, Debnath A, Dhandapani G, Sharma A, Lukhmana S, Yadav G. Prevalence of High and Moderate Risk of Liver Fibrosis Among Patients With Diabetes at a Noncommunicable Diseases (NCD) Clinic in a Primary Healthcare Center in Northern India. Cureus. 2023 Nov 23;15(11):e49286. doi: 10.7759/cureus.49286. eCollection 2023 Nov.
- Estes C, Anstee QM, Arias-Loste MT, Bantel H, Bellentani S, Caballeria J, Colombo M, Craxi A, Crespo J, Day CP, Eguchi Y, Geier A, Kondili LA, Kroy DC, Lazarus JV, Loomba R, Manns MP, Marchesini G, Nakajima A, Negro F, Petta S, Ratziu V, Romero-Gomez M, Sanyal A, Schattenberg JM, Tacke F, Tanaka J, Trautwein C, Wei L, Zeuzem S, Razavi H. Modeling NAFLD disease burden in China, France, Germany, Italy, Japan, Spain, United Kingdom, and United States for the period 2016-2030. J Hepatol. 2018 Oct;69(4):896-904. doi: 10.1016/j.jhep.2018.05.036. Epub 2018 Jun 8.
- Targher G, Byrne CD, Tilg H. MASLD: a systemic metabolic disorder with cardiovascular and malignant complications. Gut. 2024 Mar 7;73(4):691-702. doi: 10.1136/gutjnl-2023-330595.
- Maher S, Rajapakse J, El-Omar E, Zekry A. Role of the Gut Microbiome in Metabolic Dysfunction-Associated Steatotic Liver Disease. Semin Liver Dis. 2024 Nov;44(4):457-473. doi: 10.1055/a-2438-4383. Epub 2024 Oct 10.
- Younossi ZM, Mangla KK, Berentzen TL, Grau K, Kjaer MS, Ladelund S, Nitze LM, Coolbaugh C, Hsu CY, Hagstrom H. Liver histology is associated with long-term clinical outcomes in patients with metabolic dysfunction-associated steatohepatitis. Hepatol Commun. 2024 May 10;8(6):e0423. doi: 10.1097/HC9.0000000000000423. eCollection 2024 Jun 1.
유용한 링크
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
- 2000027433
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
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. .