AI-assistert forbedring av patologprestasjon: Et multikenter, prospektivt, randomisert kontrollert studie
Kunstig intelligens-modellassistert forbedring av patologers ytelse i kliniske diagnostiske oppgaver: Et multikenter, prospektivt, randomisert kontrollert studie
Studieoversikt
Status
Status
Forhold
Forhold
Intervensjon / Behandling
Intervensjon / Behandling
Studietype
Studietype
Registrering (Antatt)
Registrering
Fase
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510515
- Nanfang Hospital, Southern Medical University
-
-
Henan
-
Zhengzhou, Henan, Kina
- The First Affiliated Hospital of Zhengzhou University
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- Kjønn: ≥ 18 år;
- Pasienter som gjennomgår gastrisk biopsi eller kirurgisk reseksjon av magekreft, med tilgjengelige digitale patologi-bilder og klinisk informasjon.
Eksklusjonskriterier:
1. Manglende data eller data av utilstrekkelig kvalitet for analyse
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Annen
- Tildeling: Randomisert
- Intervensjonsmodell: Crossover-oppdrag
- Masking: Enkelt
Antall våpen
Våpen og intervensjoner
Deltakergruppe / ArmDeltakergruppe / Arm |
Intervensjon / BehandlingIntervensjon / Behandling |
|---|---|
|
Eksperimentell: AI-assistert gruppe
Legene i denne gruppen er pålagt å bruke AI-patologidiagnosemodellen for å assistere sine diagnoser.
AI-patologimodellen vil gi et predikert resultat for hvert enkelt tilfelle.
|
Legene i denne gruppen er pålagt å bruke AI-patologimodellen for å assistere sine diagnoser.
AI-patologimodellen vil gi et predikert resultat for hvert tilfelle.
|
|
Placebo komparator: Uavhengig diagnosegruppe (kontrollgruppe)
I denne gruppen vil patologer uavhengig diagnostisere hvert tilfelle basert på deres egen kliniske erfaring, og vil registrere både tiden de bruker på diagnosen og deres diagnostiske sikkerhet.
|
Patologer vil uavhengig diagnostisere hvert tilfelle basert på sin egen kliniske erfaring, og vil registrere både tiden til diagnose og sin diagnostiske selvtillit.
|
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Areal under ROC-kurve (AUC)
Tidsramme: Vurderingene vil bli utført innen en uke etter legens diagnoser.
|
Areal under kurven
|
Vurderingene vil bli utført innen en uke etter legens diagnoser.
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk tid per sak
Tidsramme: Målt umiddelbart etter legens diagnose.
|
Tiden som kreves for at patologen skal fullføre diagnosen av hvert tilfelle i AI-assistent diagnosegruppen sammenlignet med den uavhengige diagnosegruppen.
Diagnosetid er definert som varigheten (i minutter/sekunder) fra påbegynnelse av tilfeldsgjennomgang til ferdigstillelse og innsending av diagnoserapporten i studiesystemet
|
Målt umiddelbart etter legens diagnose.
|
|
Kvalitetsscore for diagnostisk rapport
Tidsramme: Innen 1 uke etter den første diagnosen for hvert tilfelle.
|
Kvalitetsscore for patologidiagnostiske rapporter i AI-assistert diagnosegruppe sammenlignet med uavhengig diagnosegruppe.
Rapportkvalitet vil bli vurdert av en uavhengig panel med ekspertpatologer ved bruk av en forhåndsdefinert vurderingsskala (f.eks. 0-100 skala), med hensyn til diagnostisk nøyaktighet, fullstendighet, klarhet og struktur av rapporten.
Høyere score indikerer bedre rapportkvalitet.
|
Innen 1 uke etter den første diagnosen for hvert tilfelle.
|
|
Patologers diagnostiske tillit
Tidsramme: Ved diagnosetidspunktet for hvert tilfelle.
|
Selvrapportert diagnostisk tillit hos patologer for hvert tilfelle i AI-assistert diagnosegruppe sammenlignet med den uavhengige diagnosegruppen.
Diagnostisk tillit vil bli vurdert av den rapporterende patologen på en [5]-punkts Likert-skala (f.eks., 1 = svært usikker til 5 = svært trygg) umiddelbart etter å ha fullført diagnosen.
Høyere skår indikerer større diagnostisk tillit.
|
Ved diagnosetidspunktet for hvert tilfelle.
|
|
Patologers tilfredshet med AI-patologimodellen
Tidsramme: Vurdert én gang på slutten av den KI-assisterte leseperioden for hver patolog.
|
Samlet tilfredshet hos patologer med AI-patologidiagnostikkmodellen når det gjelder brukervennlighet og opplevd effektivitet.
Tilfredsheten vil bli vurdert ved hjelp av et strukturert spørreskjema som består av Likert-skala-elementer som vurderer brukervennlighet, integrering i arbeidsflyt, klarhet i AI-resultater, opplevd innvirkning på diagnostisk effektivitet, og opplevd innvirkning på diagnostisk nøyaktighet og selvtillit.
Høyere poengsummer indikerer høyere tilfredshet, bedre brukervennlighet og større opplevd effektivitet.
|
Vurdert én gang på slutten av den KI-assisterte leseperioden for hver patolog.
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Etterforskere
Etterforskere
- Studieleder: Li Liang, Nanfang Hospital, Southern Medical University
Publikasjoner og nyttige lenker
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Studiestart
Primær fullføring (Antatt)
Primær fullføring
Studiet fullført (Antatt)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Andre studie-ID-numre
Andre studie-ID-numre
- NFEC-2025-653
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .