Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

AI -assistanse i GI -endoskopi -gjenopprettingsvurdering (AIVR2)

9. april 2025 oppdatert av: Thomas Yuen Tung Lam, Chinese University of Hong Kong

Effektivitet av kunstig intelligensassistert utvinningsvurdering etter poliklinisk gastrointestinal endoskopi. En pilot dobbeltblind randomisert kontrollert studie.

Vi har utviklet og validert en AI -modell for å vurdere status for utvinning av endoskopi basert på 400 stemmeopptak fra 200 pasienter. Denne modellen har en gjennomsnittlig nøyaktighet på 84,14% med et gjennomsnittlig område under kurven (AUC) på 0,91.

For å forbedre ytelsen til denne AI -modellen ytterligere, planlegger vi å samle ytterligere stemmeopptak for å omskolere den. Vi planlegger også å utvikle en mobilapplikasjon av denne AI -modellen for effektivitetsevaluering i en pilot randomisert kontrollert prøve (RCT) innstilling. Endoskopisykepleiere i Hong Kong ble invitert til å delta i en undersøkelsesstudie. Derfor tror vi implementering av AI -modell i klinisk praksis vil bli godt akseptert av endoskopisykepleiere i Hong Kong.

Studieoversikt

Detaljert beskrivelse

Globalt er kreft en av de ledende dødsårsakene. 70% av denne globale belastningen av kreft tilskrives for tidlig dødelighet, hvorav 70% av disse dødsfallene kan forebygges og 30% kan behandles globalt, kreft er en av de viktigste dødsårsakene. 70% av denne globale kreftbelastningen tilskrives for tidlig dødelighet, hvorav 70% av disse dødsfallene kan forebygges og 30% kan behandles. Blant de ti vanligste årsakene til kreftdød over hele verden er en tredjedel fordøyelseskreft. Disse kan diagnostiseres ved poliklinisk gastrointestinal endoskopi. Disse inkluderer tykktarmskreft (via koloskopi), så vel som esophageal og gastrisk kreft (via esophagogastroduodenoskopi). I tillegg til diagnose, er poliklinisk endoskopi også mye brukt til kreftscreening og overvåking. Med den globale økningen i den aldrende befolkningen og økt bevissthet om kreftscreening, øker etterspørselen etter endoskopitjenester for kreftscreening, diagnose og overvåking raskt for å oppnå målet for tidlig kreftdeteksjon og behandling.

For å redusere pasientenes frykt og angst for endoskopi og for å lindre den tilhørende smerten og ubehaget, utføres de fleste endoskopier under sedasjon. Det er kjent at den beroligende effekten varer lenger enn nødvendig for diagnostiske eller grunnleggende terapeutiske koloskopier, som stort sett kan gjøres innen 30 minutter. Pasientene overvåkes nøye på restitusjonsrommet etter fullføringen av endoskopien, og bedringssykepleieren vurderer pasientens bevissthet etter en fast periode, vanligvis 60 minutter, eller hvert 10. minutt til de standardiserte utskrivningskriteriene er oppfylt. I poliklinisk setting er det viktig å avgjøre om pasienter er fullt ut av den beroligende effekten og har nådd en klinisk stabil tilstand før de slipper dem ut fra sykehuset med ledsaget av en ansvarlig voksen. Vurderingen av de standardiserte utladningskriteriene inkluderer følgene: 1) bevissthetens retur til baseline -nivå; 2) vitale tegn er innenfor normale grenser; 3) Åndedrettsstatus er ikke kompromittert; og 4) smerter og ubehag har blitt adressert. En standardisert utskrivningsvurderingsscoring, som den modifiserte Aldretes poengsum, og det modifiserte scoringssystemet etter anaestesi (MPADSS), ble anbefalt. Den gjennomsnittlige utvinningstiden som kreves av begge systemene ble rapportert å være 60 minutter, noe som er ganske tidkrevende. Internasjonale retningslinjer for sedasjon i gastrointestinal endoskopi anbefaler et sykepleierforhold på 1: 1 for å overvåke pasienter nøye etter moderat eller dyp sedasjon for å forbedre pasientsikkerheten. Med dette forholdet på 1: 1 kan gjenopprettingssykepleiere vurdere bevissthetsnivået til pasient hvert 10. minutt ved standardisert utskrivningsvurderingsscoring, noe som letter en kortere restitusjonstid. Imidlertid er vurdering hvert 10. minutt tidkrevende og arbeidsintensivt og slik sykepleierforhold for utvinning kan ikke være praktisk i ressursbegrensede land. I Hong Kong er det vanlige sykepleierforholdet 1:10, derfor er den nåværende standardpraksisen å vurdere pasientens bevissthet etter 60 minutter. Som et resultat er antallet endoskopier som er ordnet i hver økt begrenset av utvinningstiden (d.v.s. pasientomsetningsrate), restitusjonsrom og sykepleier. Dessuten kan beslutningen fra bedringssykepleieren om en pasient utskrives, forstyrres av en serie kontekstuelle faktorer, for eksempel tung arbeidsmengde, tilgjengeligheten av restitusjonsrom og etterspørsel etter pasient. Et raskt, praktisk og pålitelig vurderingssystem er garantert for å redusere restitusjonstiden (dvs. å øke omsetningshastigheten) på grunn av den forventede økende etterspørselen etter sedert endoskopi som fører til kravet til rom og sykepleier arbeidskraft for pasientgjenoppretting. Etter vår beste kunnskap har det ikke blitt utført noen intervensjonell studie for å redusere utvinningstiden med AI -teknologi uten å øke sykepleierens arbeidskraft. I løpet av det siste tiåret har kunstig intelligens (AI) teknologi dukket opp og blitt implementert i forskjellige kliniske omgivelser, spesielt innen gastrointestinal endoskopi. AI -modeller som er trent fra endoskopiske bilder har vist seg å være effektive i å oppdage og diagnostisere gastrointestinale sykdommer og kreftformer. Menneskelig stemme kan overføres til bilde og brukes til å trene AI -modeller for å hjelpe til med sykdomsdiagnose. For eksempel har AI blitt opplært til å oppdage Alzheimers sykdom effektivt og forutsi alvorlighetsgraden utelukkende basert på pasientenes stemmedata. En annen AI -modell er utviklet basert på stemmeanalyse for å skille store psykiatriske lidelser, inkludert bipolare, depressive, angst og schizofreni -spektrumforstyrrelser. Gitt disse lovende resultatene, har vi utviklet og validert en AI -modell for å vurdere status for utvinning av endoskopi basert på 400 stemmeopptak fra 200 pasienter. Denne modellen har en gjennomsnittlig nøyaktighet på 84,14% med et gjennomsnittlig område under kurven (AUC) på 0,91. For å forbedre ytelsen til denne AI -modellen ytterligere, planlegger vi å samle ytterligere stemmeopptak for å omskolere den. Vi planlegger også å utvikle en mobilapplikasjon av denne AI -modellen for effektivitetsevaluering i en pilot randomisert kontrollert prøve (RCT) innstilling. Endoskopisykepleiere i Hong Kong ble invitert til å delta i en undersøkelsesstudie. Derfor tror vi implementering av AI -modell i klinisk praksis vil bli godt akseptert av endoskopisykepleiere i Hong Kong.1). Blant de ti vanligste årsakene til kreftdød over hele verden er en tredjedel fordøyelseskreft. Disse kan diagnostiseres ved poliklinisk gastrointestinal endoskopi. Disse inkluderer tykktarmskreft (via koloskopi), så vel som esophageal og gastrisk kreft (via esophagogastroduodenoskopi). I tillegg til diagnose, er poliklinisk endoskopi også mye brukt til kreftscreening og overvåking. Med den globale økningen i den aldrende befolkningen og økt bevissthet om kreftscreening, øker etterspørselen etter endoskopitjenester for kreftscreening, diagnose og overvåking raskt for å oppnå målet for tidlig kreftdeteksjon og behandling. For å redusere pasientenes frykt og angst for endoskopi og for å lindre den tilhørende smerten og ubehaget, utføres de fleste endoskopier under sedasjon. Det er kjent at den beroligende effekten varer lenger enn nødvendig for diagnostiske eller grunnleggende terapeutiske koloskopier, som stort sett kan gjøres innen 30 minutter. Pasientene overvåkes nøye på restitusjonsrommet etter fullføringen av endoskopien, og bedringssykepleieren vurderer pasientens bevissthet etter en fast periode, vanligvis 60 minutter, eller hvert 10. minutt til de standardiserte utskrivningskriteriene er oppfylt. I poliklinisk setting er det viktig å avgjøre om pasienter er fullt ut av den beroligende effekten og har nådd en klinisk stabil tilstand før de slipper dem ut fra sykehuset med ledsaget av en ansvarlig voksen. Vurderingen av de standardiserte utladningskriteriene inkluderer følgene: 1) bevissthetens retur til baseline -nivå; 2) vitale tegn er innenfor normale grenser; 3) Åndedrettsstatus er ikke kompromittert; og 4) smerter og ubehag er blitt adressert (10). En standardisert utskrivningsvurderingsscoring, som den modifiserte Aldretes poengsum, og det modifiserte scoringssystemet etter anaestesi (MPADSS), ble anbefalt. Den gjennomsnittlige utvinningstiden som kreves av begge systemene ble rapportert å være 60 minutter, noe som er ganske tidkrevende. Internasjonale retningslinjer for sedasjon i gastrointestinal endoskopi anbefaler et sykepleierforhold på 1: 1 for å overvåke pasienter nøye etter moderat eller dyp sedasjon for å forbedre pasientsikkerheten. Med dette forholdet på 1: 1 kan gjenopprettingssykepleiere vurdere bevissthetsnivået til pasient hvert 10. minutt ved standardisert utskrivningsvurderingsscoring, noe som letter en kortere restitusjonstid. Imidlertid er vurdering hvert 10. minutt tidkrevende og arbeidsintensivt og slik sykepleierforhold for utvinning kan ikke være praktisk i ressursbegrensede land. I Hong Kong er det vanlige sykepleierforholdet 1:10, derfor er den nåværende standardpraksisen å vurdere pasientens bevissthet etter 60 minutter. Som et resultat er antallet endoskopier som er ordnet i hver økt begrenset av utvinningstiden (d.v.s. pasientomsetningsrate), restitusjonsrom og sykepleier. Dessuten kan beslutningen fra bedringssykepleieren om en pasient utskrives, forstyrres av en serie kontekstuelle faktorer, for eksempel tung arbeidsmengde, tilgjengeligheten av restitusjonsrom og etterspørsel etter pasient. Et raskt, praktisk og pålitelig vurderingssystem er garantert for å redusere restitusjonstiden (dvs. å øke omsetningshastigheten) på grunn av den forventede økende etterspørselen etter sedert endoskopi som fører til kravet til rom og sykepleier arbeidskraft for pasientgjenoppretting. Etter vår beste kunnskap har det ikke blitt utført noen intervensjonell studie for å redusere utvinningstiden med AI -teknologi uten å øke sykepleierens arbeidskraft. I løpet av det siste tiåret har kunstig intelligens (AI) teknologi dukket opp og blitt implementert i forskjellige kliniske omgivelser, spesielt innen gastrointestinal endoskopi. AI -modeller som er trent fra endoskopiske bilder har vist seg å være effektive i å oppdage og diagnostisere gastrointestinale sykdommer og kreftformer. Menneskelig stemme kan overføres til bilde og brukes til å trene AI -modeller for å hjelpe til med sykdomsdiagnose. For eksempel har AI blitt opplært til å oppdage Alzheimers sykdom effektivt og forutsi alvorlighetsgraden utelukkende basert på pasientenes stemmedata. En annen AI -modell er utviklet basert på stemmeanalyse for å skille store psykiatriske lidelser, inkludert bipolare, depressive, angst og schizofreni -spektrumforstyrrelser.

Studietype

Intervensjonell

Registrering (Antatt)

460

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Studiesteder

      • New Territories, Hong Kong
        • Alice Ho Miu Ling Nethersole Hospital
        • Ta kontakt med:

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Ja

Beskrivelse

Inkluderingskriterier:

  • Snakk kantonesisk;
  • i alderen ≥ 18 år;
  • Gjennomgående poliklinisk sedert gastrointestinal endoskopi av enhver indikasjon i kombinert endoskopienhet ved Alice Ho Miu Ling Nethersole Hospital

Eksklusjonskriterier:

  • pasienter som ikke er i stand til å gi samtykke eller kommunisere muntlig

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Diagnostisk
  • Tildeling: Randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Dobbelt

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: AI-assistert endoskopi-utvinningsvurdering (AI) arm
Pasientene som er randomisert til AI -armen vil bli vurdert av AI -modellen regelmessig. En smarttelefon, med mobilapplikasjonen til AI -modellen for å vurdere for installert endoskopi som er installert, vil bli festet til bårens hode når pasienten ankommer restitusjonsrommet. Etter at sykepleieren starter AI-applikasjonen etter standardvurdering av viktige tegn, vil AI-applikasjonen få en automatisk stemmealarm til å vekke pasienten ved å spørre om han/hun er våken hvert 10. minutt. Hvis pasienten sveiper bekreftelsesknappen, vil AI -applikasjonen be dem lese fra 1 til 7. Pasientens stemme vil bli spilt inn og analysert av AI -modellen. Vurderingsresultatene av status for utvinning av endoskopi vil bli lastet opp til skyserveren og varsle gjenopprettingssykepleieren. Gjenopprettingssykepleieren vil gi en tidlig vurdering av utvinning hvis AI-analyseresultatet antyder at pasienten er "bevisst" før det forhåndsbestemte tidspunktet for standard for pleie.
Intervensjonsgruppen vil bli vurdert av AI -modellen regelmessig, som vil bli installert i en smarttelefon festet til bårens hode når pasienten i denne gruppen ankommer restitusjonsrommet. Etter at sykepleieren starter AI-applikasjonen etter standardvurdering av viktige tegn, vil AI-applikasjonen få en automatisk stemmealarm til å vekke pasienten ved å spørre om han/hun er våken hvert 10. minutt.
Ingen inngripen: Standard-of-of-care (SC) arm
Gjenopprettingssykepleieren vil utføre baseline -vurderinger av vitale tegn hvert 10. minutt når pasienten ankommer restitusjonsrommet, og en smarttelefon vil være festet til bårens hode, noe som vil få en automatisk stemmealarm til å vekke pasienten ved å spørre om han/hun er våken hvert 10. minutt. Hvis pasienten sveiper bekreftelsesknappen, vil de bli bedt om å lese fra 1 til 7. Pasientens stemme vil bli registrert, men uten AI -analyse. Gjenopprettingssykepleieren vil vurdere bevisstheten til pasienten av MPADSS på et forhåndsbestemt tidspunkt: 1) etter 60 minutter; 2) på forespørsel etter pasient; 3) ved sykepleierens dom; eller 4) i mangel på restitusjonsrom. Etter at forsøkspersonene har kommet seg helt etter sedasjon og er i stand til å utføre 100-7 subtraksjonstesten riktig i 3 ganger, vil de bli bedt om å rangere deres tilfredshet med tanke på sengen, endoskopiteknikk, forklaringsnivå og totalopplevelse, oppholdstid og omsorgen som ble gitt på restitusjonsrommet.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Gjenopprettingstid
Tidsramme: Periprocedural
Forskjeller mellom ankomsttidspunktet for utvinningsrommet og utladningstidspunktet
Periprocedural

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Andel av tidlig utflod
Tidsramme: Periprocedural
Gjenopprettingstid mindre enn 60 minutter vil bli rapportert som tidlig utskrivning, og andelen vil bli registrert
Periprocedural
Bruk av arbeidskraft
Tidsramme: Periprocedural
En forskningsassistent vil registrere pasientkontakttiden av Recovery -sykepleieren for å beregne arbeidskraften
Periprocedural
Pasientens tilfredshet
Tidsramme: Periprocedural
Pasientens opplevde tilfredshet når det
Periprocedural
Pasientens påmeldingsgrad
Tidsramme: Periprocedural
Antall deltakelser delt på det totale antallet pasienter som ble bedt om samtykke
Periprocedural
Post-endoskopi bivirkningsrate
Tidsramme: Periprocedural
Bivirkopi etter endoskopi, inkludert hemoptyse, magesmerter og per rektal blødning, og deres frekvenser ved utskrivning og innen 7 dager vil bli registrert
Periprocedural

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Antatt)

1. april 2025

Primær fullføring (Antatt)

31. desember 2026

Studiet fullført (Antatt)

30. juni 2027

Datoer for studieregistrering

Først innsendt

25. mars 2025

Først innsendt som oppfylte QC-kriteriene

9. april 2025

Først lagt ut (Faktiske)

11. april 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

11. april 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

9. april 2025

Sist bekreftet

1. april 2025

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

Det vil ikke være noen plan om å dele individuelle deltakerdata

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

Nei

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. .

Abonnere