Klinische workflowoptimalisatie met behulp van kunstmatige intelligentie voor dermatologische aandoeningen (IDEI_2023)
Optimalisatie van de klinische workflow bij patiënten met verschillende dermatologische aandoeningen door middel van kunstmatige intelligentie
Kunstmatige intelligentie (AI) op basis van beeldvorming heeft een enorm potentieel om de visuele diagnostische nauwkeurigheid in de medische sector te verbeteren. Tijdens de COVID-19-pandemie zorgde de beperkte toegang tot persoonlijke gezondheidszorg voor verschuivingen in de medische zorg, waardoor de adoptie van telegeneeskunde werd bespoedigd. In deze context kan het gebruik van AI voor triage en beslissingsondersteuning van cruciaal belang zijn voor professionals om de werklast te beheersen en de prestaties te verbeteren. In de dermatologie zijn gepigmenteerde laesies, acne en alopecia drie terugkerende pathologiegroepen waar veel vraag naar is in dermatologische centra. Zowel triage, klinische evaluatie als patiëntfollow-up vereisen persoonlijke middelen en specialistische toewijding. Het inzetten van tools als AI kan deze professionals ten goede komen bij het verminderen van dergelijke processen en het optimaliseren van de werkdruk.
Vooruitgang op het gebied van beeldherkenning en -interpretatie, evenals op het gebied van kunstmatige intelligentie, heeft geleid tot innovaties bij het diagnosticeren van verschillende pathologieën, waaronder huidaandoeningen. Computerondersteunde diagnosesystemen (CAD) en andere op algoritmen gebaseerde technologieën hebben het vermogen aangetoond om laesiebeelden te classificeren met een competentie die vergelijkbaar is met die van een deskundige arts.
In deze studie zal de Legit.Health-tool, ontwikkeld door AI LABS GROUP S.L., die kunstmatige intelligentie gebruikt om de klinische stroom en patiëntenzorgprocessen voor huidaandoeningen te optimaliseren, worden geëvalueerd. Het doel van deze tool is om automatisch prioriteit te geven aan patiënten met een grotere urgentie, het type consult toe te wijzen (dermatologisch of esthetisch), de diagnostische mogelijkheden en detectie van kwaadaardige gepigmenteerde laesies bij hulppersoneel te verbeteren en een visueel verslag (foto) van de aandoening te bieden voor latere beoordeling door externe deskundigen.
Het belangrijkste doel van deze studie is dus om te valideren dat Legit.Health, gebaseerd op kunstmatige intelligentie, de efficiëntie in de klinische stroom en patiëntenzorgprocessen verbetert, waardoor de tijd en kosten van patiëntenzorg worden verminderd door verbeterde diagnostische nauwkeurigheid en bepaling van de ernst.
De secundaire doelstellingen zijn gericht op het meten van de diagnostische prestaties van Legit.Health:
Demonstreer dat Legit.Health het vermogen van zorgverleners vergroot om kwaadaardige of verdachte gepigmenteerde laesies te detecteren.
Aantonen dat Legit.Health het vermogen en de precisie van gezondheidszorgprofessionals verbetert bij het meten van de mate van betrokkenheid bij patiënten met vrouwelijke alopecia androgenetica.
Aantonen dat Legit.Health het vermogen en de nauwkeurigheid van zorgprofessionals verbetert bij het meten van de mate van betrokkenheid bij patiënten met acne.
Bovendien heeft het onderzoek tot doel het nut van deze tool te beoordelen:
Automatiseer het triage-/initiële beoordelingsproces bij patiënten met gepigmenteerde laesies.
Evalueer de vermindering van het gebruik van gezondheidszorgmiddelen door het centrum door het aantal triageconsulten te verminderen en de patiënt rechtstreeks naar het juiste consult (esthetisch of dermatologisch) te verwijzen.
Evalueer de bruikbaarheid van Legit.Health voor de patiënt. Laat zien dat Legit.Health de tevredenheid van specialisten vergroot. Evalueer de vermindering van het gebruik van gezondheidszorgmiddelen door het aantal triageconsultaties te verminderen en de patiënt rechtstreeks naar het juiste consult te verwijzen, zowel in esthetische als in dermatologische omgevingen.
Methodologie Studieontwerptype Dit is een observationeel onderzoek, zowel prospectief met een longitudinaal karakter als retrospectieve casusreeksen.
Onderzoeksperiode Dit onderzoek schat een rekruteringsperiode van 3 maanden. De totale onderzoeksduur wordt geschat op 6 maanden, inclusief de voorgaande tijd voor retrospectieve analyse en de benodigde tijd na het werven van het laatste onderwerp voor het sluiten en bewerken van de database, data-analyse en het opstellen van het definitieve onderzoeksrapport.
De totale onderzoeksduur voor elke deelnemer met gepigmenteerde laesies bedraagt 1-3 maanden. De duur voor patiënten met acne en alopecia bedraagt 1 dag.
Onderzoekspopulatie Volwassen patiënten (≥ 18 jaar) met huidpathologieën behandeld op de afdeling Dermatologie van IDEI.
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Kunstmatige intelligentie (AI) op basis van beelden biedt een enorm potentieel voor het verbeteren van de visuele diagnostische nauwkeurigheid in de medische sector. Tijdens de COVID-19-pandemie zorgde de beperkte toegang tot persoonlijke gezondheidszorg voor veranderingen in de medische zorg, waardoor de acceptatie van telegeneeskunde werd versneld. In deze context kan het gebruik van AI voor triage en beslissingsondersteuning van cruciaal belang zijn voor professionals om de werklast te beheersen en de prestaties te verbeteren. In de dermatologie zijn gepigmenteerde laesies, acne en alopecia drie terugkerende pathologiegroepen waar veel vraag naar is in een dermatologisch centrum. Zowel de triage van deze patiënten, de klinische evaluatie als de follow-up ervan vereisen persoonlijke middelen en de toewijding van de specialist en het personeel. Het gebruik van tools zoals AI kan deze professionals ten goede komen bij het verminderen van deze processen en het optimaliseren van de werkdruk.
Vooruitgang op het gebied van beeldherkenning en -interpretatie, evenals op het gebied van kunstmatige intelligentie, heeft geleid tot innovaties bij het diagnosticeren van verschillende pathologieën, waaronder huidaandoeningen. Computerondersteunde diagnosesystemen (CAD) en andere op algoritmen gebaseerde technologieën hebben hun vermogen aangetoond om laesiebeelden te classificeren met een competentie die vergelijkbaar is met die van een deskundige arts.
In deze studie zal de Legit.Health-tool, ontwikkeld door AI LABS GROUP S.L., die kunstmatige intelligentie gebruikt om de klinische stroom en het zorgproces van patiënten met huidaandoeningen te optimaliseren, worden geëvalueerd. Het doel van deze tool is het automatisch prioriteren van patiënten met een grotere urgentie, het toewijzen van het type consult (dermatologisch of esthetisch), het verbeteren van de diagnostische capaciteit en detectie van kwaadaardige gepigmenteerde laesies bij ondersteunend personeel, en het bieden van een visueel verslag (foto ) van de voorwaarde voor latere beoordeling door externe deskundigen.
Het belangrijkste doel van deze studie is dus om te valideren dat de Legit.Health-tool, gebaseerd op kunstmatige intelligentie, de efficiëntie in de klinische stroom en het zorgproces van patiënten verbetert, waardoor de tijd en kosten van zorg per patiënt worden verminderd door verbeterde diagnostische nauwkeurigheid en vastberadenheid. van de mate van maligniteit of ernst.
De secundaire doelstellingen zijn gericht op het meten van de diagnostische prestaties van Legit.Health:
Demonstreer dat Legit.Health het vermogen van gezondheidszorgprofessionals verbetert om kwaadaardige of verdachte gepigmenteerde laesies op te sporen.
Aantonen dat Legit.Health het vermogen en de nauwkeurigheid van gezondheidszorgprofessionals verbetert bij het meten van de mate van betrokkenheid bij patiënten met vrouwelijke alopecia androgenetica.
Aantonen dat Legit.Health het vermogen en de nauwkeurigheid van zorgprofessionals verbetert bij het meten van de mate van betrokkenheid bij patiënten met acne.
Bovendien heeft het onderzoek tot doel het nut van deze tool te beoordelen:
Automatiseer het triage-/initiële beoordelingsproces bij patiënten die consulteren voor gepigmenteerde laesies.
Evalueer de vermindering van het gebruik van gezondheidszorgmiddelen door het centrum door het aantal triageconsultaties te verminderen en de patiënt rechtstreeks door te verwijzen naar het juiste consult (esthetisch of dermatologisch).
Evalueer de bruikbaarheid van Legit.Health voor de patiënt. Laat zien dat Legit.Health de tevredenheid van specialisten vergroot. Evalueer de vermindering van het gebruik van gezondheidszorgmiddelen door het aantal triageconsultaties te verminderen en de patiënt rechtstreeks door te verwijzen naar het juiste consult, zowel in esthetische als in dermatologische omgevingen.
Methodologie:
Type studieontwerp:
Het betreft een observationeel onderzoek, zowel prospectief met een longitudinaal karakter als retrospectieve casusreeksen.
Studeer periode:
Dit onderzoek schat een rekruteringsperiode van 3 maanden.
De totale onderzoeksduur wordt geschat op 6 maanden, inclusief de voorgaande tijd voor retrospectieve analyse en de benodigde tijd na het werven van het laatste onderwerp voor het sluiten en bewerken van de database, data-analyse en het opstellen van het definitieve onderzoeksrapport.
De totale onderzoeksduur voor elke deelnemer met gepigmenteerde laesies bedraagt 1-3 maanden. De duur voor patiënten met acne en alopecia bedraagt 1 dag.
Studiepopulatie:
Volwassen patiënten (≥ 18 jaar) met huidpathologieën die worden behandeld op de afdeling Dermatologie van IDEI.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Jordi Barrachina, PhD
- Telefoonnummer: +34 660675578
- E-mail: jordibarrachina@legit.health
Studie Contact Back-up
- Naam: Miguel Sánchez-Viera, PhD
- E-mail: sanchez.viera@ideidermatologia.com
Studie Locaties
-
-
-
Madrid, Spanje, 28009
- Werving
- IDEI Hospital
-
Onderonderzoeker:
- Alfonso Medela, MsC
-
Onderonderzoeker:
- Taig Mac Carthy, MsC
-
Contact:
- Miguel Sánchez-Viera, PhD
- Telefoonnummer: +34 915740990
- E-mail: sanchez.viera@ideidermatologia.com
-
Hoofdonderzoeker:
- Miguel Sánchez-Viera, PhD
-
Onderonderzoeker:
- Concetta Alessandro, MD
-
Onderonderzoeker:
- Alejandra Capote, MD
-
Onderonderzoeker:
- Pablo López-Andina, MD
-
Onderonderzoeker:
- Allison Marie Bell-Smythe Sorg, MD
-
Onderonderzoeker:
- Alejandra Vallejos, MD
-
Onderonderzoeker:
- Isabel del Campo, MD
-
Onderonderzoeker:
- Juliana Machado, MD
-
Onderonderzoeker:
- Raúl Lucas-Escobar, MD
-
Onderonderzoeker:
- Beatriz Torres
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Patiënten van 18 jaar of ouder (16 jaar voor acne).
- Patiënten met gepigmenteerde laesies die aan een van de volgende voorwaarden voldoen:
- Voor het eerst presenteren met een gepigmenteerde laesie.
- Eerder gepland voor de eerste keer een dermoscopieconsult of voor beoordeling van gepigmenteerde laesies.
- Patiënten met actieve inflammatoire acne.
- Vrouwen met androgenetische alopecia.
Uitsluitingscriteria:
- Patiënten die volgens de onderzoeker niet in staat of bereid zijn om aan de onderzoeksprocedures te voldoen.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Patiënten met gepigmenteerde laesies en vermoedelijke maligniteit
Patiënten behandeld in IDEI-ziekenhuizen met huidlaesies met pigmenten, waarvan vermoed wordt dat ze kwaadaardig zijn.
De behandelaars maken een foto van de laesie en uploaden deze naar de tool om zowel de diagnose als het vermoeden van een maligniteit te bevestigen
|
|
Patiënten met de diagnose acne
Patiënten behandeld in IDEI-ziekenhuizen en gediagnosticeerd met acne.
Beoefenaars zullen een foto maken van het gezicht van de patiënt en deze in de tool uploaden om de ernst van acne te controleren en deze te vergelijken met de gouden standaard
|
|
Patiënten met de diagnose vrouwelijke androgenetische alopecia
Patiënten behandeld in IDEI-ziekenhuizen en gediagnosticeerd met vrouwelijke alopecia androgenetica.
Beoefenaars zullen een foto van de bovenkant van het hoofd maken en deze in de tool uploaden om de ernst van alopecia te controleren en deze te vergelijken met de gouden standaard
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Overeenstemming tussen de diagnose van de arts en die van het hulpmiddel.
Tijdsspanne: Op het moment van inschrijving maximaal 1 jaar
|
Analyse van de overeenstemming tussen de diagnose van de dermatoloog en de diagnose vastgesteld door de Legit.Health-tool.
|
Op het moment van inschrijving maximaal 1 jaar
|
|
Overeenstemming van gedetecteerde maligniteit tussen de dermatoloog en de Legit.Health-tool
Tijdsspanne: Op het moment van inschrijving maximaal 1 jaar
|
Correlatieanalyse van de vermoedelijke maligniteit tussen de dermatoloog en de tool voor kunstmatige intelligentie
|
Op het moment van inschrijving maximaal 1 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Ernst van acne
Tijdsspanne: Op het moment van inschrijving maximaal 1 jaar
|
De ernst van acne beoordeeld door zowel artsen als de Legit.Health-tool door middel van het tellen van laesies.
Er zal een correlatieanalyse worden uitgevoerd om de verschillen in criteria tussen beide te controleren
|
Op het moment van inschrijving maximaal 1 jaar
|
|
Ernst van alopecia
Tijdsspanne: Op het moment van inschrijving maximaal 1 jaar
|
De ernst van alopecia androgenetica beoordeeld door zowel artsen als de Legit.Health-tool met de Ludwig-schaal.
Er zal een correlatieanalyse worden uitgevoerd om de verschillen in criteria tussen beide te controleren
|
Op het moment van inschrijving maximaal 1 jaar
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Onderzoekers
- Hoofdonderzoeker: Miguel Sánchez-Viera, PhD, IDEI 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 (Werkelijk)
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
- 24.12.2266-GHM
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .