다중모달 의료 영상 대형 모델 구축 및 검증에 관한 연구
다중 모달 의료 영상 대형 모델의 구축 및 검증에 관한 연구
의료 영상 및 전자 건강 기록(EHRs)과 같은 다중 모드 임상 데이터의 축적과 함께, 정확한 진단과 지능형 의사 결정을 달성하기 위해 다중 소스 정보를 효율적으로 활용하는 것이 의료 인공지능(AI)의 핵심 방향이 되었습니다. 기존의 단일 모드 알고리즘은 특정 작업에서 결과를 도출했지만, 영상, 텍스트 및 실험실 데이터 간의 의미적 상관관계를 모델링할 수 없어 진단 결과의 안정성 부족과 제한된 해석 가능성으로 인해 복잡한 임상 시나리오에서 포괄적인 의사 결정의 요구를 충족시키기 어렵습니다.
최근 몇 년 동안, 다중 모드 대형 모델은 자연 이미지 및 일반 비전-언어 작업에서 우수한 교차 모드 이해와 지식 전이 능력을 보여주어 의료 AI에 새로운 패러다임을 제공했습니다. 그러나 의료 시나리오에서의 직접 적용은 여전히 도전에 직면하고 있습니다: 첫째, 의료 의미 체계는 일반 언어 모델과 크게 다르며, 질병 특성과 영상 세부 사항의 정확한 표현을 방해합니다; 둘째, 의료 데이터에서 병변의 복잡한 형태와 불균일한 샘플 분포는 모델 일반화의 어려움을 증가시킵니다; 셋째, 임상 데이터는 개인정보를 포함하므로 데이터 보안과 윤리적 준수가 연구의 전제 조건으로 작용합니다.
의료 다중 모드 대형 모델 연구는 다중 소스 이질적 의료 데이터를 통합하고, 통일된 의미 표현 및 추론 메커니즘을 구축하며, 질병 식별 및 병변 국소화를 포함한 전과정 지능형 분석을 실현하는 것을 목표로 합니다. 이 접근 방식은 임상 진단의 효율성과 정확성을 향상시킬 뿐만 아니라 임상의에게 해석 가능하고 추적 가능한 보조 의사 결정 지원을 제공하여 광범위한 응용 가능성을 지닙니다.
병원의 임상 데이터 자원과 연구팀의 알고리즘 기반을 바탕으로, 본 연구는 의료 영상 진단을 위한 다중 모드 대형 모델 시스템을 구축하여 다중 모드 정보 융합에서 진단 보고서 생성까지 폐쇄형 지능형 분석을 가능하게 할 예정입니다. 연구는 엄격히 의료 윤리 기준을 준수하며, 환자의 정보 권리, 사생활 보호권 및 데이터 보안을 보호할 것입니다. 프로젝트 공식 시작 전, 윤리 심의를 통과해야 하며, 관련 규정을 준수하여 과학 연구와 윤리의 일치를 보장하며, 후속 임상 검증 및 보급을 위한 규정 준수 기반을 마련할 것입니다.
연구 개요
상세 설명
의료 영상, 전자 건강 기록(EHRs) 및 다중 모드 임상 데이터의 지속적인 축적과 함께, 다원적 의료 정보를 효율적으로 활용하여 정밀 진단 및 지능형 의사 결정을 달성하는 방법은 의료 인공 지능(AI) 발전의 핵심 방향이 되었습니다. 기존의 단일 모드 알고리즘(예: CT, MRI 또는 초음파 영상만을 기반으로 한 모델)은 특정 작업에서 일부 성과를 거두었지만, 영상, 텍스트 및 실험실 데이터 간의 의미적 상관 관계를 모델링할 수 없어 종종 진단 결과의 안정성 부족과 해석 가능성의 한계를 초래하며, 복잡한 임상 시나리오의 포괄적 의사 결정 요구를 충족시키기 어렵습니다.
최근 몇 년간, 다중 모드 대규모 언어 모델(MLLMs)은 자연 이미지 처리 및 일반 시각-언어 작업에서 놀라운 교차 모드 이해와 지식 전이 능력을 보여주며, 의료 AI에 새로운 기술 패러다임을 제공하고 있습니다. 그러나 이러한 모델을 의료 시나리오에 직접 적용하는 것은 여전히 여러 가지 과제에 직면해 있습니다: 첫째, 의료 의미 체계와 일반 언어 모델 간에 상당한 차이가 있어 질병 특성 및 영상 세부 사항의 정확한 표현을 방해합니다; 둘째, 의료 데이터에서 병변의 복잡한 형태와 불균형한 샘플 분포는 모델 일반화의 어려움을 증가시킵니다; 셋째, 임상 데이터는 개인정보 민감 정보를 포함하므로, 데이터 보안과 윤리적 준수가 연구의 전제 조건이 됩니다.
의료 다중 모드 대규모 모델 연구는 의료 영상(예: CT, MRI, X-ray), EHRs 및 실험실 보고서와 같은 다원적 이질 데이터를 포괄적으로 활용하여 통일된 의미 표현 및 추론 메커니즘을 구축하고, 질병 식별, 병변 위치 파악, 보고서 생성 및 질병 진행 예측을 포함한 종단 간 지능형 분석을 가능하게 하는 것을 목표로 합니다. 이 연구 방향은 임상 진단의 효율성과 정확성을 향상시키는 데 도움이 될 뿐만 아니라, 임상 의사에게 해석 가능하고 추적 가능한 보조 의사 결정 지원을 제공하여, 광범위한 임상 적용 전망을 가지고 있습니다.
병원의 풍부한 임상 데이터 자원과 연구 팀의 알고리즘 개발 기반을 바탕으로, 본 연구는 의료 영상 진단을 위한 다중 모드 대규모 모델 시스템을 구축하여, 다중 모드 정보 융합부터 진단 보고서 생성까지의 폐쇄형 지능형 분석 파이프라인을 실현하고자 합니다.
연구 수행 과정에서, 의료 윤리 기준을 엄격히 준수하여 환자의 사전 동의 권리, 개인정보 보호 및 데이터 보안을 충분히 보호할 것입니다. 연구 설계의 과학성과 준수성을 보장하기 위해, 본 프로젝트는 공식 시작 전에 윤리 심의를 통과해야 합니다. 헬싱키 선언, 인간을 대상으로 한 건강 관련 연구에 대한 국제 윤리 지침 및 인간을 대상으로 한 생명 과학 및 의학 연구에 대한 윤리 심의 조치를 포함한 관련 규정에 따라, 우리는 과학 연구와 윤리 원칙의 유기적 통합을 달성하여, 후속 임상 검증 및 적용 확산을 위한 준수 기반을 마련할 것입니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: ding Yuan, Doctor
- 전화번호: +86 18858101960
- 이메일: dingyuan@zju.edu.cn
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
연구 대상 인구는 사전 설정된 포함 기준을 충족하고 배제 기준이 없는 성인 환자들로 구성되었습니다.
포함 요건 측면에서, 적격 환자는 18세 이상이었으며 연구 기간 동안 병원에서 컴퓨터 단층 촬영(CT), 자기 공명 영상(MRI) 또는 초음파를 포함한 영상 검사를 받았습니다. 검사 항목은 연구의 초점인 간담췌 시스템을 대상으로 해야 했습니다. 등록된 모든 환자는 최소한 완전한 영상 데이터와 방사선학적 진단 보고서를 갖추어야 했으며, 관련 의무 기록 정보가 보조 방식으로 활용되었습니다. 또한, 환자 본인이나 법적 대리인으로부터 서면 동의서를 받아야 했으며, 이들은 환자의 비식별화된 데이터가 과학 연구 모델의 검증에 사용될 수 있음에 동의했습니다. 마지막으로, 선정된 환자의 모든 사례 데이터는 엄격한 자격
설명
포함 기준:
- 만 18세 이상의 성인 환자.
- 연구 기간 동안 본 병원에서 영상 검사(CT, MRI, 초음파 등)를 받은 환자.
- 검사 항목이 연구에서 중점적으로 다루는 질병 유형 또는 시스템(간담췌 시스템)과 일치하는 경우.
- 최소한 완전한 영상 데이터, 방사선학적 진단 보고서를 보유하고, 관련 의무 기록 정보를 보조 수단으로 갖춘 경우.
- 환자 및 법정 대리인이 동의서에 서명하여, 비식별화된 데이터가 과학적 연구 모델 검증에 사용되는 것에 동의한 경우.
제외 기준:
- 동의서 서명을 거부하는 환자.
- 심한 움직임 인공물, 불완전한 스캔 또는 장비 이상으로 인해 평가할 수 없는 영상 사례.
- 임상 데이터가 심각하게 부족하거나 영상 데이터와 일치하지 않는 사례.
- 모델 분석의 일관성에 영향을 미치는 특수 병리적 상태 또는 수술 후 상태(예: 광범위 절제, 방사선 치료 후의 중대한 구조적 변화)가 있는 사례.
- 개인정보 보호 또는 법적 위험이 있는 데이터 샘플.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
|---|
|
그룹1: 이 연구는 영상 검사(포함)를 받은 18세 이상의 성인 환자를 등록했습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
질병 진단 작업
기간: 등록부터 3일차 진단 종료까지
|
주요 결과는 다중모드 영상 진단 모델이 고위험 방사선 전문의의 임상 진단 금기 기준과 비교하여 대상 질환을 식별하고 분류하는 데 있어 정확성과 신뢰도입니다.
|
등록부터 3일차 진단 종료까지
|
|
병변 위치 파악 및 분할 작업
기간: 등록부터 진단 종료까지 최대 3일
|
여기에는 정확한 병변 위치 파악, 윤곽 분할 및 정량적 측정에서의 모델 성능이 포함되며, Dice 유사도 계수, IoU 및 위치 오차로 평가됩니다.
|
등록부터 진단 종료까지 최대 3일
|
|
진단 보고서 생성 작업
기간: 등록부터 진단 종료까지 최대 3일
|
이 평가는 자동 생성된 영상의학 보고서를 수동 보고서와 비교하여 임상적 타당성, 완성도, 일관성 및 가독성을 평가합니다.
|
등록부터 진단 종료까지 최대 3일
|
공동 작업자 및 조사자
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
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
이 연구에서 개별 참가자 데이터(IPD)를 공유하지 않기로 한 결정은 주로 윤리적, 개인정보 보호, 법적 준수 고려사항 및 관련 연구 데이터의 고유한 특성에 기반합니다.
첫째, 이 연구의 핵심 데이터는 환자의 비식별화된 영상 자료, 방사선 진단 보고서 및 관련 의무 기록을 포함하며, 이는 개인 건강 정보와 밀접하게 연결되어 있습니다. 데이터 수집 및 정리 과정에서 비식별화 절차를 시행했음에도 불구하고, 엄격한 제한 없이 데이터를 공유할 경우 개별 참가자를 재식별할 수 있는 잠재적 위험이 존재합니다. 이러한 위험은 관련 개인정보 보호 법규 및 환자와 그 법적 대리인이 서명한 동의서의 규정을 위반할 것입니다. 동의서는 참가자의 비식별화된 데이터가 오직 내부 용도로만 사용된다는 점을 명확히 명시하고 있음을 강조해야 합니다.
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. .
간 질환에 대한 임상 시험
-
University Hospital, Basel, Switzerland아직 모집하지 않음
-
University of Pennsylvania완전한Intrntl Classification of Diseases, 9th Revision, (ICD-9-CM) 410의 주진단 또는 이차진단 코드가 있는 환자(5번째 숫자가 2인 경우 제외)미국