Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Generatieve AI-impact op de Diagnose van Complicaties bij Reumatoïde Artritis

22 december 2025 bijgewerkt door: Quan Jiang, Guang'anmen Hospital of China Academy of Chinese Medical Sciences

Impact van generatieve kunstmatige intelligentie op het diagnosticeren van complicaties bij reumatoïde artritis

Generatieve AI (GenAI) gebaseerd op grote taalmodellen (LLM's) zal naar verwachting de diagnose en behandeling van auto-immuunziekten verbeteren. We onderzoeken hoe GenAI de diagnose van verschillende complicaties van reumatoïde artritis (RA) kan beïnvloeden. In een retrospectieve studie met EHR-gegevens van RA-patiënten zullen we het gebruik door artsen van GenAI-voorspellingen voor RA-complicaties en gelijktijdige ziekten kwantificeren. In een prospectieve observationele studie zullen we de haalbaarheid beoordelen van het gebruik van GenAI-voorspellingen als aanvullende klinische informatie om artsen te helpen bij het stellen van completere diagnoses van RA-complicaties en gelijktijdige ziekten, waaronder complexe, ongebruikelijke of zeldzame aandoeningen.

Studie Overzicht

Studietype

Observationeel

Inschrijving (Geschat)

100

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: Quan Jiang Guang'anmen Hospital, China Academy of Chinese Medical Science
  • Telefoonnummer: 010-88001942
  • E-mail: doctorjq@126.com

Studie Locaties

    • Beijing Municipality
      • Beijing, Beijing Municipality, China, 100053
        • Werving
        • Guang'anmen Hospital of China Academy of Chinese Medical Sciences
        • Contact:
        • Hoofdonderzoeker:
          • Quan Jiang, MD

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

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Volwassen mannelijke en vrouwelijke RA-patiënten die zijn opgenomen op onze reumatologieafdeling en voldoen aan de classificatie- en diagnostische criteria van het American College of Rheumatology (ACR)/European League Against Rheumatism (EULAR) uit 2010 voor reumatoïde artritis.

Beschrijving

Inclusiecriteria:

  • Patiënten met een eerste diagnose van reumatoïde artritis (RA).
  • Alle RA-patiënten in de echte wereld die in onze afdeling zijn opgenomen.
  • Opname binnen de studieperiode van de real-world data.

Uitsluitingscriteria:

  • Patiënten bij wie tijdens de studie werd bevestigd dat zij geen RA hadden.

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
RA-patiëntengroep met generatieve AI-voorspellingsrapporten
Patiënten die tussen 1 oktober 2025 en juni 2026 met reumatoïde artritis zijn gediagnosticeerd op onze reumatologieafdeling, worden voor de studie geworven. Artsen zullen GenAI-voorspellingen van mogelijke RA-complicaties en bijkomende ziekten, samen met bevestigende diagnostische tests, als aanvullende input gebruiken in het differentiële diagnoseproces.

Generatieve AI, gebaseerd op meerdere grote taalmodellen (LLM's), wordt gebruikt om mogelijke complicaties en gelijktijdige ziekten te voorspellen bij patiënten met reumatoïde artritis, gebruikmakend van EHR-gegevens die beschikbaar zijn bij opname. Artsen gebruiken deze AI-voorspellingen als aanvullende informatie om hun diagnostische plannen aan te passen tijdens de differentiaaldiagnose. De impact van deze interventie op de uiteindelijke diagnoses bij ontslag zal worden gemeten.

Voordat de prospectieve studie begint, zal de toepasbaarheid van de generatieve AI-voorspellingsrapporten worden gevalideerd met behulp van EHR-gegevens van retrospectieve RA-patiënten.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Zullen artsen GenAI-voorspellingen toepassen bij het diagnosticeren van RA-complicaties?
Tijdsspanne: Direct na beoordeling van het AI-patiëntenrapport op de dag van opname.
In de routinezorgworkflow worden grote taalmodellen (LLM's) gebruikt om mogelijke RA-complicaties voor elk gedeïdentificeerd patiëntgeval te voorspellen en een AI-rapport te genereren met mogelijke complicaties en gelijktijdige ziekten. Aanvullende diagnostische tests worden voorgesteld om de voorspelde aandoeningen te verifiëren. Na het beoordelen van het AI-rapport evalueren artsen onmiddellijk elke ziektevoorspelling met behulp van een 5-punts Likert-schaal (1 = volledige onenigheid; 2 = onenigheid; 3 = neutraal; 4 = eens; 5 = volledige overeenstemming). De gemiddelde score wordt berekend als een maatstaf voor de waargenomen voorspellingsnauwkeurigheid. Artsen geven ook aan of elke specifieke ziektevoorspelling mogelijk kan worden overgenomen of gebruikt om de differentiële diagnose te ondersteunen (binair: 0 of 1). Het percentage positieve adoptieresponsen wordt berekend als een maatstaf voor de potentiële adoptiegraad of adoptievermogen.
Direct na beoordeling van het AI-patiëntenrapport op de dag van opname.

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
In hoeverre worden diagnoses van RA-complicaties daadwerkelijk beïnvloed door GenAI-voorspellingen?
Tijdsspanne: Meteen na het stellen van de uiteindelijke diagnose bij ontslag.
Voor ontslag van de patiënt stellen artsen definitieve diagnoses vast en registreren ze welke gediagnosticeerde complicaties of gelijktijdige ziekten per patiënt beïnvloed zijn door GenAI-voorspellingsinformatie.
Het percentage gevallen waarin GenAI-voorspellingen de uiteindelijke diagnose hebben beïnvloed, wordt berekend als maatstaf voor de daadwerkelijke impact van AI op de routinematige diagnostische praktijk.
Meteen na het stellen van de uiteindelijke diagnose bij ontslag.

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

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)

1 oktober 2025

Primaire voltooiing (Geschat)

1 februari 2026

Studie voltooiing (Geschat)

1 juni 2026

Studieregistratiedata

Eerst ingediend

28 september 2025

Eerst ingediend dat voldeed aan de QC-criteria

22 december 2025

Eerst geplaatst (Werkelijk)

24 december 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

24 december 2025

Laatste update ingediend die voldeed aan QC-criteria

22 december 2025

Laatst geverifieerd

1 december 2025

Meer informatie

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 .

Klinische onderzoeken op Hart-en vaatziekten

Abonneren