- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT04648449
Kunstmatige intelligentie (AI) Ondersteuning bij Stroke Calls (AISMEC)
Kunstmatige intelligentie (AI) ondersteuning bij beroerte-oproepen - "De AISIS-studie" -Kan kunstmatige intelligentie de precisie verbeteren bij het identificeren van een acute beroerte bij medische noodoproepen?
Studie Overzicht
Toestand
Interventie / Behandeling
Gedetailleerde beschrijving
In dit project gaan de onderzoekers gegevens verzamelen van alle patiënten met een beroerte die in 2019 uit Helse Bergen zijn ontslagen (ca. 1000 patiënten) via de Norwegian Stroke Registry (NSR). Voor deze patiënten zullen gestructureerde ziekenhuisgegevens uit Helse Bergen worden opgehaald, en op basis van deze en de gesproken inhoud van hun noodoproep over de beroerte, zullen de onderzoekers machine learning gebruiken om het risico op een beroerte te berekenen. De koppeling van historische ziekenhuisgegevens aan de gesproken woorden in de noodoproep, versterkt de analyse van noodoproepen op een nieuwe manier, in vergelijking met alleen geluidsanalyse.
Na het ophalen en koppelen van patiëntgegevens van een beroerte, trainen de onderzoekers het diepe netwerk met behulp van gegevens uit 2019. Dienovereenkomstig zal vanaf de eerste helft van 2020 worden getest op patiënten. Een scheiding van de gegevens in training, test en validatie zorgt ervoor dat ons getrainde netwerk niet te veel op de trainingsgegevens past en vergelijkbare resultaten kan reproduceren bij voorheen ongeziene patiënten. Ten slotte zullen de onderzoekers de prestaties van de AI vergelijken met het huidige systeem door middel van statistische analyses op gegevens uit een periode van ongeveer een jaar live gebruik van de AI in AMK Bergen. Dit zal ons in staat stellen om te evalueren in welke mate het systeem in staat is om te verbeteren binnen het besluitvormingsproces van de EMCC-operators in termen van gevoeligheid en specificiteit.
Samengevat, het primaire doel is het bouwen van een robuust, werkend prototype van een AI-systeem dat in staat is tot real-time identificatie van een acute beroerte voor een betere beoordeling bij medische noodoproepen.
Onze secundaire doelstellingen zijn:
- Een AI-systeem implementeren dat in staat is om snel te voorspellen of een patiënt aan een acute beroerte lijdt of niet, op basis van audio van een noodoproep en beschikbare gegevensbronnen in de ziekenhuisdossiers
- Bewijzen dat AI-systemen kunnen worden gebruikt om de triagebeslissingsprocedure van de EMCC-operator te ondersteunen en te verbeteren.
Het verwachte resultaat is een snelle levering (d.w.z. seconden) voorspellingsscores om de EMCC-operator te helpen bij het herkennen van patiënten met een acute beroerte, wat een verbeterde gevoeligheid en specificiteit biedt in vergelijking met alleen handmatige beoordeling.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
Bergen
-
Bergen, Bergen, Noorwegen, 5021
- Haukeland Universitetssykehus, Kirurgisk serviceklinikk, Nasjonalt kompetansesenter for helsetjenestens kommunikasjonsberedskap
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Alle bellers naar medisch noodnummer 113 in Bergen
Uitsluitingscriteria:
- Leeftijd <18
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Case-Alleen
- Tijdsperspectieven: Prospectief
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Slagherkenning bij medische noodoproepen
Tijdsspanne: 22 september - 23 september
|
Onderzoek het vermogen van AI om een beroerte te herkennen, vergeleken met het huidige systeem
|
22 september - 23 september
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Onderzoekers
- Studie directeur: Guttorm Brattebo, Professor II, Haukeland University Hospital
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 108573
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
product vervaardigd in en geëxporteerd uit de V.S.
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .