Evaluatie van een op kunstmatige intelligentie gebaseerde klinische assistent ter ondersteuning van schildklierkankerbeheer
17 juli 2026 bijgewerkt door: Dr. Carlos King-Ho Wong, The University of Hong Kong
Een gerandomiseerde gecontroleerde studie ter evaluatie van een met kunstmatige intelligentie uitgeruste klinische assistent voor stadiëring en risicostratificatie van schildklierkanker onder geneeskundestudenten en clinici
Deze studie heeft tot doel de klinische haalbaarheid te evalueren van het gebruik van op kunstmatige intelligentie (AI) gebaseerde modellen om het klinisch management van schildklierkanker te verbeteren.
Studie Overzicht
Toestand
Aanmelden op uitnodiging
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Met recente vooruitgang in technologie is AI algemeen toepasbaar geworden voor visuele tekstherkenning in klinische settings.
AI-gestuurde tekstherkenning ontwikkelt zich als een uiterst efficiënt, duurzaam en kosteneffectief hulpmiddel voor besluitvorming en gepersonaliseerde geneeskunde.
Talloze studies hebben natuurlijke taalverwerking (NLT) algoritmen gebruikt, in het bijzonder grote taalmodelen (GTM), om ongestructureerde vrije tekst uit klinische consultnotities binnen elektronische patiëntendossiers (EPD) om te zetten in gestructureerde gegevens, waardoor individuele klinische profielen in de EPD-databases worden verrijkt.
In de loop der tijd hebben deze AI-modellen continu hun voorspellende nauwkeurigheid en prestaties verbeterd door zelflerend (of niet-gesuperviseerd leren).
Hoewel AI-modellen een significante impact hebben gemaakt in oncologiepraktijken in het buitenland, blijft hun bruikbaarheid voor tekstherkenning in oncologie beperkt in Hong Kong.
Dit voorgestelde onderzoek heeft tot doel de klinische haalbaarheid te evalueren van het adopteren van AI-gebaseerde modellen om het vertrouwen van eindgebruikers in diagnostische nauwkeurigheid en risicovoorspelling te verbeteren met behulp van AI-ondersteunde workflows in schildklierkankerbeheer.
Studietype
Ingrijpend
Inschrijving (Geschat)
76
Fase
- Niet toepasbaar
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
-
Hong Kong, Hongkong
- School of Public Health, The University of Hong Kong
-
Hong Kong, Hongkong
- Department of Surgery, School of Clinical Medicine, The University of Hong Kong
-
-
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
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Ja
Beschrijving
Insluitingscriteria:
- geneeskundestudenten
- klinisch specialisten (inclusief maar niet beperkt tot chirurgen, oncologen, pathologen)
Uitsluitingscriteria:
- geneeskundestudenten en klinisch specialisten die de klinische notities hadden beoordeeld of betrokken waren bij de verwerking van de klinische notities vóór de start van klinische experimentele studies
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
- Primair doel: Onderzoek naar gezondheidsdiensten
- Toewijzing: Gerandomiseerd
- Interventioneel model: Crossover-opdracht
- Masker: Enkel
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: AI-gestuurde klinische assistent
Deelnemers zullen de kankerstadiering en risicocategorie van elke schildklierkankerpatiënt verstrekken, evenals het vertrouwen van de deelnemers in de bovengenoemde diagnostische beoordelingen met de door AI ondersteunde klinische assistent als interventie.
De AI-assistent wordt aangedreven door LLM's en omvat een klinisch dashboard.
Het klinische dashboard toont de oorspronkelijke klinische notities en vat de kankerstadiering en risicocategorie van elke schildklierkankerpatiënt samen, gegenereerd door de backendverwerking van de klinische assistent.
Ondersteunend bewijs uit de oorspronkelijke klinische notities wordt ook gemarkeerd voor verificatie door de deelnemers.
|
Deelnemers zullen de kankerstadiëring en risicocategorie van elke schildklierkankerpatiënt verstrekken, evenals het vertrouwen van de deelnemers in de bovengenoemde diagnostische beoordelingen met de door AI ingeschakelde klinische assistent als interventie.
De AI-assistent wordt aangedreven door LLM's en omvat een klinisch dashboard.
Het klinisch dashboard toont de originele klinische notities en vat de kankerstadiëring en risicocategorie van elke schildklierkankerpatiënt samen, gegenereerd door de backendverwerking van de klinische assistent.
Ondersteunend bewijs uit originele klinische notities wordt ook gemarkeerd voor verificatie door deelnemers.
|
|
Geen tussenkomst: Handmatige dossierbeoordeling
Deelnemers zullen het kankerstadium en risicocategorie van elke schildklierkankerpatiënt verstrekken, evenals het vertrouwen van de deelnemers in de bovenstaande diagnostische beoordelingen met handmatige dossierbeoordeling.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Efficiency
Tijdsspanne: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The time required to complete reviewing one set of clinical notes is compared between intervention and non-intervention groups
|
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Accuracy of Cancer Staging and Risk Stratification by Participants Compared with Ground Truth across Intervention and Non-intervention Groups
Tijdsspanne: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The study will compare the accuracy of cancer staging and risk category assessed by the participants across the intervention group with AI assitance and non-intervention group without AI asssitance. The participants will review the clinical notes and assess the cancer staging and risk category for each thyroid cancer patient with or without the AI assistant. Participant provided assessments will be compared against the ground truth established by the clinical investigators of the study to guage the accuracy which is quantified as the percentage of correctly graded cancer staging and risk stratification. The accuracy will be compared between the intervention group and non-intervention groups using t-tests to evaluate the clinical impact of the AI assistant. |
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
|
Participants' Confidence in Cancer Staging and Risk Stratification as Assessed by a 0-10 Scale Questionnaire
Tijdsspanne: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The study will compare the participants' confidence in grading cancer staging and risk category between the intervention group with AI assistance and non-intervention group without AI-assistance. After evaluating each thyroid cancer case for providing cancer staging and risk category, participants will complete a short questionnaire rating their confidence in providing their assessments on a scale from 0 (lowest) to 10 (hightest). Meanw confidence score will be compared between the intervention group and non-intervention group to evaluate the clinical impact of the AI assitant. |
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Medewerkers
Onderzoekers
- Hoofdonderzoeker: King Ho Carlos Wong, School of Public Health The University of Hong Kong
- Hoofdonderzoeker: Man Him Matrix Fung, Department of Surgery, School of Clinical Medicine, The University of Hong Kong
Publicaties en nuttige links
De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.
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)
2 oktober 2025
Primaire voltooiing (Geschat)
31 maart 2027
Studie voltooiing (Geschat)
30 april 2027
Studieregistratiedata
Eerst ingediend
29 september 2025
Eerst ingediend dat voldeed aan de QC-criteria
16 november 2025
Eerst geplaatst (Werkelijk)
18 november 2025
Updates van studierecords
Laatste update geplaatst (Werkelijk)
21 juli 2026
Laatste update ingediend die voldeed aan QC-criteria
17 juli 2026
Laatst geverifieerd
1 juli 2026
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- UW24-319-RCT
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
JA
Beschrijving IPD-plan
Alleen geanonimiseerde IPD die in resultatenpublicaties wordt gebruikt, wordt gedeeld zodat heridentificatie van individuen niet mogelijk is.
IPD-tijdsbestek voor delen
De IPD en ondersteunende informatie zullen beschikbaar zijn na voltooiing van de studie (verwachte datum 31 december 2025) met resultaatverspreiding of publicatie, en zullen onbeperkt beschikbaar blijven totdat verwijdering vereist is.
IPD-toegangscriteria voor delen
De IPD en ondersteunende informatie zullen beschikbaar zijn bij de verspreiding en publicatie van resultaten als documentuploads of bijlagen.
Iedereen die toegang heeft tot de artikelen zal toegang kunnen krijgen tot alle documenten.
IPD delen Ondersteunend informatietype
- LEERPROTOCOOL
- SAP
- ICF
- ANALYTIC_CODE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .