AI-ondersteunde medische besluitvorming
27 februari 2025 bijgewerkt door: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Een cohortstudie om een kunstmatig intelligentiemodel te evalueren voor het helpen van medische besluitvorming met behulp van realtime ziekenhuisbrede elektronische gezondheidsgegevens
Deze studie bouwt en past een AI -model toe om artsen te helpen bij het voorspellen van diagnoses en resultaten van patiënten, zoals overleving of verblijf in het ziekenhuis.
We zullen realtime, multimodale gegevens (laboratoria, vitale tekens, geschiedenis, beeldvorming) gebruiken uit ziekenhuisrecords.
Patiënten worden gevolgd om de prestaties van de AI te vergelijken met standaardzorg.
Het doel is om de nauwkeurigheid van de diagnose en behandeling te verbeteren in een real-world, prospectieve studie.
Studie Overzicht
Toestand
Werving
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Deze studie heeft als doel een kunstmatige intelligentie (AI) te bouwen en toe te passen om artsen te helpen bij het voorspellen van de diagnoses en resultaten van de patiënt, zoals overleving of verblijf in het ziekenhuis.
We zullen patiënten in het ziekenhuis inschrijven en realtime, multimodale gezondheidsgegevens gebruiken, inclusief laboratoriumresultaten, vitale tekens, medische geschiedenis en beeldvorming van elektronische gezondheidsdossiers.
De studie volgt de deelnemers om de prestaties van het AI -model te evalueren tegen de standaardpraktijk.
Ons doel is om de nauwkeurigheid en snelheid van diagnoses en behandelingen te verbeteren, waardoor de patiëntenzorg wordt verbeterd.
Deze prospectieve studie test het model in real-world ziekenhuisomgevingen.
Studietype
Observationeel
Inschrijving (Geschat)
50000000
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studiecontact
- Naam: Fei Liu, MD
- Telefoonnummer: +86 13810512704
- E-mail: liufei_2359@163.com
Studie Locaties
-
-
Zhejiang
-
Wenzhou, Zhejiang, China
- Werving
- First Affiliated Hospital of Wenzhou Medical University
-
Contact:
- Cheng Tang
- Telefoonnummer: +86-0577-88002888
- E-mail: c249325687@163.com
-
Wenzhou, Zhejiang, China
- Werving
- Second Affiliated Hospital of Wenzhou Medical University
-
Contact:
- Linfeng Liu
- E-mail: llfwfe@163.com
-
-
Deelname Criteria
Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Ja
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Deze studie omvat alle patiënten die zijn opgenomen op elke ziekenhuisafdeling, met realtime gegevens van elektronische gezondheidsdossiers (bijv. Labs, vitale tekenen, geschiedenis, beeldvorming).
Deelnemers moeten instemmen met het verzamelen van gegevens.
Beschrijving
Inclusiecriteria:
- Patiënten opgenomen op een afdeling van het ziekenhuis (bijv. ICU, algemene afdelingen, noodsituaties, poliklinische diensten) tijdens de studieperiode.
- Patiënten met beschikbare realtime elektronische gezondheidsdossier (EPD) gegevens, waaronder ten minste twee van de volgende: laboratoriumresultaten, vitale tekenen, medische geschiedenis en beeldgegevens.
Uitsluitingscriteria:
Patiënten die momenteel zijn ingeschreven voor een andere klinische studie die de gegevensverzameling of de resultaten van deze studie zou kunnen verstoren.
Studie plan
Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Ziekenhuisbreed patiëntcohort
|
De interventie in deze studie omvat een AI-systeem dat multimodale gegevensfusie gebruikt om de klinische besluitvorming en evaluatie van ziekten te ondersteunen.
Patiënten in dit cohort zullen standaardonderzoeken ondergaan, met klinische beslissingen geleid door de aanbevelingen die door het AI -systeem worden gegenereerd.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Gebied onder de curve (AUC)
Tijdsspanne: 1 jaar
|
AUC van de ROC-curve, gebruikt om de diagnostische nauwkeurigheid te kwantificeren.
Geen eenheid (een verhouding of percentage, meestal uitgedrukt als een getal tussen 0 en 1).
|
1 jaar
|
|
Algemene verbetering van het gebruik van ziekenhuisresource
Tijdsspanne: 1 jaar
|
De procentuele vermindering van het totale gebruik van ziekenhuisresource (bijv. Beddagen, ICU-opnames, diagnostische tests) toegeschreven aan AI-geassisteerde besluitvorming, uitgedrukt als een percentage.
|
1 jaar
|
|
Populatieniveau diagnostische nauwkeurigheid verbetering
Tijdsspanne: 1 jaar
|
De algemene verbetering van de diagnostische nauwkeurigheid bij alle ziekenhuispatiënten (bijv. Percentage correcte diagnoses of vermindering van verkeerde diagnoses) gefaciliteerd door het AI -model, uitgedrukt als een percentage of verhouding.
|
1 jaar
|
|
Systeembrede verlaging van de bijwerkingen
Tijdsspanne: 1 jaar
|
De procentuele vermindering van grote bijwerkingen (bijv. Mortaliteit, ernstige complicaties of langdurige verblijf) in alle ziekenhuispatiënten als gevolg van AI-geassisteerde besluitvorming, uitgedrukt als een percentage.
|
1 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Algemene verbetering van de resultaten van de ziekenhuispatiënt
Tijdsspanne: 1 jaar
|
De totale verbetering van de belangrijkste patiëntuitkomsten (bijv. Mortaliteit, morbiditeit, herstelpercentages) over de gehele ziekenhuispopulatie als gevolg van AI-ondersteunde besluitvorming, uitgedrukt als een samengestelde score of percentage.
|
1 jaar
|
|
Verbetering van de efficiëntie van de gezondheidszorgsystemen
Tijdsspanne: 1 jaar
|
De algehele verbetering van de operationele efficiëntie van het ziekenhuis (bijvoorbeeld verminderde wachttijden, geoptimaliseerde resource -toewijzing, verminderde werklast van het personeel) toegeschreven aan het AI -model, uitgedrukt als een percentage of kwalitatieve rating.
|
1 jaar
|
|
Bevolking gezondheidsimpactscore
Tijdsspanne: 1 jaar
|
Een samengestelde score die het effect van het AI -model op de populatiegezondheid binnen het stroomgebied van het ziekenhuis weerspiegelt (bijvoorbeeld verminderde ziektelast, verbeterde chronische ziektebeheer), uitgedrukt als een gestandaardiseerde index of procentuele verandering.
|
1 jaar
|
|
Langdurige index voor de voordelen voor volksgezondheid
Tijdsspanne: 1 jaar
|
Een samengestelde index die de langdurige bijdrage van het AI-model aan de volksgezondheid meet (bijvoorbeeld verminderde prevalentie van ziekten, verbeterde levensverwachting), uitgedrukt als een gestandaardiseerde score of percentage verbetering.
|
1 jaar
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Studie record data
Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.
Bestudeer belangrijke data
Studie start (Werkelijk)
24 februari 2025
Primaire voltooiing (Geschat)
1 juni 2026
Studie voltooiing (Geschat)
1 juni 2026
Studieregistratiedata
Eerst ingediend
24 februari 2025
Eerst ingediend dat voldeed aan de QC-criteria
24 februari 2025
Eerst geplaatst (Werkelijk)
25 maart 2025
Updates van studierecords
Laatste update geplaatst (Werkelijk)
25 maart 2025
Laatste update ingediend die voldeed aan QC-criteria
27 februari 2025
Laatst geverifieerd
1 februari 2025
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- AI Prediction
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Nee
product vervaardigd in en geëxporteerd uit de V.S.
Nee
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 .