Bygge en database for klinisk diagnose og behandling av tradisjonell kinesisk medisin
Bygge en database for tradisjonell kinesisk medisin for klinisk diagnose og behandling: en prospektiv multisenter tverrsnittsstudie
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
De teknologiske prinsippene for store språkmodeller stemmer overens med de empiriske medisinske prinsippene for tradisjonell kinesisk medisin (TCM), og fremveksten av stormodellteknologi kan i stor grad fremme fremgangen til TCM. Imidlertid er det for tiden mangel på kliniske diagnose- og behandlingsdatabaser med TCM-karakteristikker for å trene TCM kunstig intelligens (AI) store modeller.
For tiden er det ennå ikke etablert en storskala tungebildedatabase for modellering av vanlige TCM-tungeutseende, og dermed sikre nøyaktigheten og konsistensen av TCM-diagnose og fremme objektiv standardisering av TCM-diagnoseutvikling.
Tatt i betraktning tilbakemeldingene fra fagene i klinisk arbeid om at spørreskjemaet for TCM-konstitusjonsundersøkelsen har et stort volum, tar lang tid og har visse subjektive problemer, planlegger vi å gjennomføre en storstilt klinisk observasjonsstudie for å optimere prosessen med TCM-konstitusjon. identifikasjon.
Tradisjonell kinesisk medisin (TCM) lege-pasientdialoger og journalskriving er viktige enheter som genereres under TCM-diagnose- og behandlingsprosessen. Å bistå med konsultasjon, journalgenerering og behandlingsplananbefalinger basert på lege-pasient-dialoger har betydelig klinisk og forskningsmessig verdi. Derfor planlegger vi å samle et stort antall lege-pasient-dialoger og polikliniske journaler for å konstruere en lege-pasient-dialogdatabase, forberede på forhånd for å optimalisere interaktive storskala TCM-modeller.
Oppsummert har forskningen på å konstruere en TCM-database for klinisk diagnose og behandling viktig klinisk og vitenskapelig forskningsverdi. Dette vil bidra til å forbedre standardisering og normalisering av TCM-diagnose og behandling, og også støtte modernisering og internasjonalisering av TCM. Ved å bruke stordataanalyse og kunstig intelligens-teknologi er det mulig å gå dypere inn i TCM-diagnose og behandlingsinformasjon, og gi rikere og mer nøyaktige dataressurser for klinisk beslutningstaking og vitenskapelig forskning i TCM.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Yulong Zhang, Doctor
- Telefonnummer: 18810550602
- E-post: zhongxiyi1101@163.com
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Folk som kommer til sykehuset for fysisk undersøkelse og medisinsk behandling;
- Deltakerne deltar frivillig i studien.
Ekskluderingskriterier:
- Forsøkspersoner med vanskeligheter med tungeforlengelse, kommunikasjon osv. som ikke kan samarbeide med datainnsamling;
- Forskerne slo fast at det var andre faktorer som kan ha tvunget forsøkspersonene til å avslutte studien.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Tradisjonell kinesisk medisin Tongue Image Group
Internt ved hjelp av tilfeldig tildeling, delt inn i treningsgruppe og valideringsgruppe
|
Observasjonsstudie, ikke intervensjon
|
|
Konstitusjonsdatagruppe for tradisjonell kinesisk medisin
Internt ved hjelp av tilfeldig tildeling, delt inn i treningsgruppe og valideringsgruppe
|
Observasjonsstudie, ikke intervensjon
|
|
Tradisjonell kinesisk medisin lege pasientdialogdatagruppe
Data brukt til å finjustere tradisjonell kinesisk medisinmodeller
|
Observasjonsstudie, ikke intervensjon
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Utvikling av et tungebildebasert maskinlæringsverktøy
Tidsramme: 20 måneder
|
|
20 måneder
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
TCM Constitution Multimodal Model
Tidsramme: 20 måneder
|
|
20 måneder
|
Andre resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Tradisjonell kinesisk medisin (TCM) Doktor-pasientdialogdatabase
Tidsramme: 20 måneder
|
|
20 måneder
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Qi Zeng, Doctor, Fifth Affiliated Hospital, Sun Yat-Sen University
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Yuan L, Yang L, Zhang S, Xu Z, Qin J, Shi Y, Yu P, Wang Y, Bao Z, Xia Y, Sun J, He W, Chen T, Chen X, Hu C, Zhang Y, Dong C, Zhao P, Wang Y, Jiang N, Lv B, Xue Y, Jiao B, Gao H, Chai K, Li J, Wang H, Wang X, Guan X, Liu X, Zhao G, Zheng Z, Yan J, Yu H, Chen L, Ye Z, You H, Bao Y, Cheng X, Zhao P, Wang L, Zeng W, Tian Y, Chen M, You Y, Yuan G, Ruan H, Gao X, Xu J, Xu H, Du L, Zhang S, Fu H, Cheng X. Development of a tongue image-based machine learning tool for the diagnosis of gastric cancer: a prospective multicentre clinical cohort study. EClinicalMedicine. 2023 Feb 6;57:101834. doi: 10.1016/j.eclinm.2023.101834. eCollection 2023 Mar.
- Tian F, Liu D, Wei N, Fu Q, Sun L, Liu W, Sui X, Tian K, Nemeth G, Feng J, Xu J, Xiao L, Han J, Fu J, Shi Y, Yang Y, Liu J, Hu C, Feng B, Sun Y, Wang Y, Yu G, Kong D, Wang M, Li W, Chen K, Li X. Prediction of tumor origin in cancers of unknown primary origin with cytology-based deep learning. Nat Med. 2024 May;30(5):1309-1319. doi: 10.1038/s41591-024-02915-w. Epub 2024 Apr 16.
- Tan Y, Zhang Z, Li M, Pan F, Duan H, Huang Z, Deng H, Yu Z, Yang C, Shen G, Qi P, Yue C, Liu Y, Hong L, Yu H, Fan G, Tang Y. MedChatZH: A tuning LLM for traditional Chinese medicine consultations. Comput Biol Med. 2024 Apr;172:108290. doi: 10.1016/j.compbiomed.2024.108290. Epub 2024 Mar 13.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- ZDWY.ZYZLK.009
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. .