인공 지능과 임신성 당뇨병
2026년 1월 6일 업데이트: JOSE FERNANDO VILELA-MARTIN
교육 및 임신성 당뇨병 여성 모니터링에서의 인공지능
인공 지능(AI) 기술은 임신성 당뇨병(GDM) 여성의 원격 모니터링 및 지속 교육에 의료 팀을 지원하여 중재 준수도를 개선하고 결과에 영향을 미칠 수 있습니다.
ChamouDr 기술 팀이 만든 "약물 치료를 사용하는 GDM 여성 모니터링 모델"이라는 AI 원격 모니터링 모델은 질병 교육, 혈당 조절 모니터링 및 치료 중재에 초점을 맞춰 분석될 것입니다.
GDM으로 진단된 여성은 연구에 참여하고 무료 및 정보에 입각한 동의서에 서명하도록 초대됩니다.
AI 도구는 임산부의 휴대전화에 설치되며, 이들은 프로토콜에 따라 하루 6회 모세혈관 혈당을 집에서 측정하고 결과를 WhatsApp을 통해 연구 도구에 보고하라는 지침을 받습니다.
자가 혈당 측정(SMBG)을 기반으로 AI 모델이 생성한 알고리즘은 지난 주의 당뇨병 조절 상태에 대해 알려줍니다.
대시보드는 웹 브라우저를 통해 접근 가능하며, 각각 만족스러운 조절과 불만족스러운 조절을 나타내는 초록색과 빨간색 신호로 표시됩니다.
따라서 AI 모델은 팀의 환자 분석 및 적절한 치료 시간을 간단하고 비용 효율적이며 접근 가능한 방식으로 최적화합니다.
연구 개요
상세 설명
AI 기술은 GDM이 있는 여성의 원격 모니터링 및 지속 교육을 의료진이 지원하는 데 도움을 줄 수 있습니다.
목적: GDM 및 약물 치료를 받는 여성의 원격 모니터링 및 지속 교육에서 AI 모델 사용 결과를 분석하고, 이를 모체-태아 이항의 임상 결과와 연관시키는 것입니다.
방법: 지역 윤리 위원회의 승인을 받은 전향적, 종단적, 중재적 임상 연구입니다.
환자들은 참여에 대한 동의서에 서명했습니다.
ChamouDr 기술 팀이 개발한 "약물 요법을 사용하는 GDM 여성 모니터링 모델"이라는 AI 원격 모니터링 모델은 질병 교육, 혈당 조절 모니터링 및 치료적 개입에 초점을 맞춰 분석될 것입니다.
이 모델은 구조화된 챗봇과 AI 자원을 통해 WhatsApp®을 사용하여 참가자와 소통합니다.
3차 병원 산부인과의 고위험 산전 클리닉에서 추적 관찰된 인슐린 요법을 받는 GDM 임신부 100명으로 구성된 두 그룹(사례 그룹: AI 모델 사용 vs 대조 그룹: 이 기술을 사용하지 않고 기존의 대면 감독 하에 이전에 모니터링된 환자들) 간 비교 분석이 수행됩니다.
AI 모델이 SMBG를 기반으로 생성한 알고리즘은 지난 주의 당뇨병 조절 상태에 대해 알려줍니다.
대시보드는 웹 브라우저를 통해 접근 가능하며, 각각 만족스러운 조절과 불만족스러운 조절을 나타내는 초록색과 빨간색 신호를 표시합니다.
따라서 AI 모델은 간단하고 비용 효율적이며 접근 가능한 방식으로 적절한 환자 분석 및 치료에 팀의 시간을 최적화합니다.
연구 유형
중재적
등록 (추정된)
100
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
São Paulo
-
São José do Rio Preto, São Paulo, 브라질, 15090-000
- Fundacao Faculdade Regional de Medicina de Sao Jose Do Rio Preto
-
-
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
건강한 자원 봉사자를 받아들입니다
아니
설명
포함 기준:
- 임신 28주 6일 이내의 임신성 당뇨병 여성
- 자유롭고 충분한 설명에 따른 동의서에 서명한 임신성 당뇨병 여성
제외 기준:
- 첫 상담 시 임신 기간이 28주 이상인 경우
- 현성 당뇨병이 있는 참가자(공복 혈당 > 126 mg/dl 또는 식후 혈당 > 200 mg/dl)
- 결과를 알 수 없는 경우.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 치료
- 할당: 무작위화되지 않음
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 장치 그룹: 사례 그룹 (AI 모델 사용)
대조군 - 장치군.
인슐린 치료 중인 임신성 당뇨병 여성을 치료하기 위해 포도당 조절을 모니터링하고 교육 자료를 전송하는 AI 모델.
|
WhatsApp®를 통한 인공 지능 모델로 인슐린 치료 중인 임신성 당뇨병을 원격 모니터링하며, 질병 교육, 혈당 조절 모니터링 및 치료적 개입에 중점을 둡니다.
다른 이름들:
|
|
간섭 없음: 대조군 (AI 모델 미사용)
장치 사용 그룹 없음: 대조군 - 인공지능 모델을 사용하지 않고 기존 치료법 하에 인슐린 치료를 받는 임신성 당뇨병 여성.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
태아 사망
기간: 무작위 배정 시점부터 분만까지(임신 40주까지)
|
임신성 당뇨로 인한 대사 변화로 인한 태아 사망
|
무작위 배정 시점부터 분만까지(임신 40주까지)
|
|
태아 출생 체중
기간: 무작위 배정 시점부터 분만까지(임신 40주까지)
|
정밀 체중계를 사용하여 측정한 출생 시 태아 체중.
|
무작위 배정 시점부터 분만까지(임신 40주까지)
|
|
신생아 저혈당증
기간: 무작위 배정 시점부터 분만까지(임신 40주까지), 그리고 출생 시부터 출생 후 48시간까지의 신생아 혈당 수치 평가.
|
신생아 저혈당증은 신생아의 혈액 내 포도당 수치가 뇌와 다른 조직의 대사 요구를 충족시키기에 불충분하다고 간주되는 수준까지 비정상적으로 감소하는 것을 의미합니다. 혈장 포도당 기준: 출생 후 4시간 이내 < 40 mg/dL, 생후 4~24시간 사이 < 45 mg/dL, 24시간 이후 < 50-60 mg/dL |
무작위 배정 시점부터 분만까지(임신 40주까지), 그리고 출생 시부터 출생 후 48시간까지의 신생아 혈당 수치 평가.
|
|
혈당 조절
기간: 무작위 배정 시점부터 분만까지(임신 40주까지)
|
혈당 조절은 하루 6회(공복 시, 식사 전, 식사 후 1시간) 측정한 모세혈관 혈당 측정치를 기준으로 평가되며, 목표 범위는 공복 시 70~95 mg/dL, 식사 전 70~100 mg/dL, 식사 후 100~140 mg/dL입니다.
|
무작위 배정 시점부터 분만까지(임신 40주까지)
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
신생아 중환자실 입원
기간: 무작위 배정 시점부터 출산까지(임신 40주까지), 그리고 출생 후 48시간까지
|
신생아가 산모의 혈당 조절 부진과 관련된 대사 장애로 인해 중환자실에 입원해야 할 필요성
|
무작위 배정 시점부터 출산까지(임신 40주까지), 그리고 출생 후 48시간까지
|
|
어머니 체중 증가
기간: 무작위 배정 시점부터 분만까지(임신 40주까지).
|
임신 추적 기간 동안 분만 시까지 평가된 모체 체중 증가.
|
무작위 배정 시점부터 분만까지(임신 40주까지).
|
|
분만 시 임신 주수
기간: 무작위 배정 시점부터 분만까지(임신 40주까지).
|
자연 분만 또는 제왕 절개 시의 임신 주수
|
무작위 배정 시점부터 분만까지(임신 40주까지).
|
|
투여 경로
기간: 무작위 배정 시점부터 분만까지(임신 40주까지).
|
자연분만인지 제왕절개인지에 대한 설명.
|
무작위 배정 시점부터 분만까지(임신 40주까지).
|
|
혈압
기간: 무작위 배정 시점부터 분만 시점까지(임신 40주까지).
|
임신 중 및 출산 시까지 고혈압 유무를 평가하고 혈압 수준을 평가하십시오.
|
무작위 배정 시점부터 분만 시점까지(임신 40주까지).
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: José F Vilela-Martin, MD, PhD, Hospital de Base
- 수석 연구원: Vanessa V Goulart, MD, MSc, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- 연구 의자: Ligia C Junqueira, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- 연구 의자: Amanda T Lotierzo, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- 연구 의자: Carolina C Amorim, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- 연구 의자: Maria Amalia BC Cançado, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- 연구 의자: Leticia A Mantoani, student, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- 연구 의자: Rodrigo F Zancaner, Chamoudr company
- 연구 의자: Rafael Beolchi, Chamoudr company
- 연구 의자: Lucas F Queiroz, Chamoudr company
- 연구 의자: Luciana N Cosenso-Martin, MD, PhD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- HAPO Study Cooperative Research Group; Metzger BE, Lowe LP, Dyer AR, Trimble ER, Chaovarindr U, Coustan DR, Hadden DR, McCance DR, Hod M, McIntyre HD, Oats JJ, Persson B, Rogers MS, Sacks DA. Hyperglycemia and adverse pregnancy outcomes. N Engl J Med. 2008 May 8;358(19):1991-2002. doi: 10.1056/NEJMoa0707943.
- Sweeting A, Wong J, Murphy HR, Ross GP. A Clinical Update on Gestational Diabetes Mellitus. Endocr Rev. 2022 Sep 26;43(5):763-793. doi: 10.1210/endrev/bnac003.
- Grunebaum A, Chervenak J, Pollet SL, Katz A, Chervenak FA. The exciting potential for ChatGPT in obstetrics and gynecology. Am J Obstet Gynecol. 2023 Jun;228(6):696-705. doi: 10.1016/j.ajog.2023.03.009. Epub 2023 Mar 15.
- Ye W, Luo C, Huang J, Li C, Liu Z, Liu F. Gestational diabetes mellitus and adverse pregnancy outcomes: systematic review and meta-analysis. BMJ. 2022 May 25;377:e067946. doi: 10.1136/bmj-2021-067946.
- Dhombres F, Bonnard J, Bailly K, Maurice P, Papageorghiou AT, Jouannic JM. Contributions of Artificial Intelligence Reported in Obstetrics and Gynecology Journals: Systematic Review. J Med Internet Res. 2022 Apr 20;24(4):e35465. doi: 10.2196/35465.
- Akazawa M, Hashimoto K. Artificial intelligence in gynecologic cancers: Current status and future challenges - A systematic review. Artif Intell Med. 2021 Oct;120:102164. doi: 10.1016/j.artmed.2021.102164. Epub 2021 Sep 3.
- Mistry SK, Das Gupta R, Alam S, Kaur K, Shamim AA, Puthussery S. Gestational diabetes mellitus (GDM) and adverse pregnancy outcome in South Asia: A systematic review. Endocrinol Diabetes Metab. 2021 Oct;4(4):e00285. doi: 10.1002/edm2.285. Epub 2021 Jul 3.
- Ugwudike B, Kwok M. Update on gestational diabetes and adverse pregnancy outcomes. Curr Opin Obstet Gynecol. 2023 Oct 1;35(5):453-459. doi: 10.1097/GCO.0000000000000901. Epub 2023 Aug 9.
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 6월 1일
기본 완료 (추정된)
2026년 12월 20일
연구 완료 (추정된)
2027년 12월 20일
연구 등록 날짜
최초 제출
2025년 11월 13일
QC 기준을 충족하는 최초 제출
2026년 1월 6일
처음 게시됨 (실제)
2026년 1월 15일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 1월 15일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 1월 6일
마지막으로 확인됨
2025년 1월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- 78204024.6.0000.5415.
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
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. .