Integrating an AI-Driven Hydronephrosis Decision-Making Tool
6 mei 2026 bijgewerkt door: Mandy Rickard, The Hospital for Sick Children
Integration of a Hydronephrosis AI-Driven Decision-Making Tool Into Clinical Practice: A Clinical Trial
Hydronephrosis is a common congenital kidney anomaly.
While most cases resolve on their own, some require surgery.
Clinicians rely on repeated ultrasounds and sometimes invasive tests to decide if surgery is needed, but predicting outcomes is difficult.
Researchers at SickKids developed an AI model that analyzes ultrasound images to assist in diagnosing and managing hydronephrosis.
This study tests how well the AI integrates into real-world care.
Clinicians will first make care decisions without AI and then review the AI's prediction before deciding whether to change their plan.
A separate expert, unaware of whether AI influenced the first clinician's plan, will make the final decision to ensure care remains unchanged.
The study will assess whether AI improves decision-making, reduces unnecessary tests, and fits into clinical workflows.
If successful, the AI model could serve as a complementary tool to make diagnoses more efficient and precise while minimizing invasive procedures.
Studie Overzicht
Toestand
Nog niet aan het werven
Conditie
Interventie / Behandeling
Studietype
Ingrijpend
Inschrijving (Geschat)
322
Fase
- Niet toepasbaar
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
Accepteert gezonde vrijwilligers
Nee
Beschrijving
Inclusion Criteria:
- Seen for HN in-person in the Pediatric Urology clinic with ultrasound scans taken at SickKids
- New and follow-up patients 0-24 months.
Exclusion Criteria:
- Older than 24m
- Concurrent urinary tract anomalies (duplex configurations; PUV etc.)
- History of renal surgical intervention (post-op patients)
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: Ander
- Toewijzing: NVT
- Interventioneel model: Opdracht voor een enkele groep
- Masker: Geen (open label)
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: AI Model Intervention Arm
When children with HN are seen in clinic, their ultrasound imaging and history will be provided to an initial clinician who will first formulate a plan of care without access to the AI model as per the standard of care.
After the initial plan is documented and before discussion with the primary provider, the initial clinician will then be granted access to the AI model, where they can input the ultrasound images and receive the model's prediction.
The clinician can choose to modify or maintain their drafted plan based on the model's output.
The clinician's final drafted plan will subsequently be discussed with the blinded final clinical expert (primary provider) who will make the final decision to maintain the standard of care for each patient.
The final clinical expert will be blinded to whether the initial clinician changed their plan or not given the AI model
|
The AI intervention is a deep learning algorithm used to predict obstructive hydronephrosis.
It was developed at SickKids and has recently completed the silent trial phase.
This clinical trial aims to validate the model's clinical integration by assessing its impact on clinician decision-making and care plan recommendations.
To uphold standard care, a blinded clinician will make final decisions.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Change in Clinician Management Decisions Following Exposure to the AI Model
Tijdsspanne: Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
The proportion of clinician management decisions revised immediately after exposure to the AI model output.
Management decisions include: (1) discharge, (2) monitor with ultrasound, (3) additional invasive testing, or (4) referral for surgery.
|
Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Agreement Between Clinician Decisions and Expert Reference Decisions Using Cohen's Kappa
Tijdsspanne: Immediately after clinician review and AI model exposure during each case review session, through study completion (average of 6 months)
|
Agreement between clinician management decisions and the expert reference decision will be assessed before and after AI exposure using Cohen's kappa statistic.
Higher kappa values indicate greater agreement.
|
Immediately after clinician review and AI model exposure during each case review session, through study completion (average of 6 months)
|
|
Proportion of Management Decision Changes Stratified by Clinician Experience Level
Tijdsspanne: Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
The proportion of clinician management decisions revised after AI model exposure will be compared across clinician subgroups, including training level and years of experience.
|
Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
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 (Geschat)
1 augustus 2026
Primaire voltooiing (Geschat)
31 januari 2027
Studie voltooiing (Geschat)
31 januari 2027
Studieregistratiedata
Eerst ingediend
16 april 2026
Eerst ingediend dat voldeed aan de QC-criteria
6 mei 2026
Eerst geplaatst (Werkelijk)
12 mei 2026
Updates van studierecords
Laatste update geplaatst (Werkelijk)
12 mei 2026
Laatste update ingediend die voldeed aan QC-criteria
6 mei 2026
Laatst geverifieerd
1 mei 2026
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 3474
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 .