Evaluering av en kunstig intelligens-drevet klinisk assistent for å støtte behandling av skjoldbruskkreft
17. juli 2026 oppdatert av: Dr. Carlos King-Ho Wong, The University of Hong Kong
En randomisert kontrollert studie for å evaluere en kunstig intelligens-drevet klinisk assistent for staging og risikostratifisering av skjoldbruskkreft blant medisinstudenter og klinikere
Denne studien har som mål å evaluere den kliniske gjennomførbarheten av å bruke kunstig intelligens (KI)-baserte modeller for å forbedre den kliniske behandlingen av skjoldbruskkreft.
Studieoversikt
Status
Påmelding etter invitasjon
Intervensjon / Behandling
Detaljert beskrivelse
Med nylige fremskritt innen teknologi har kunstig intelligens blitt bredt anvendelig for visuell tekstgjenkjenning i kliniske omgivelser.
AI-drevet tekstgjenkjenning fremstår som et svært effektivt, bærekraftig og kostnadseffektivt verktøy for beslutningstaking og personalisert medisin.
Mange studier har brukt algoritmer for naturlig språkbehandling (NLP), spesielt store språkmodeller (LLM), for å konvertere ustrukturert fritekst fra kliniske konsultasjonsnotater i elektroniske helsejournaler (EHR) til strukturerte data, og dermed berike individuelle kliniske profiler i EHR-databasene.
Over tid har disse AI-modellene kontinuerlig forbedret sin prediktive nøyaktighet og ytelse gjennom selvlæring (eller uovervåket læring).
Mens AI-modeller har hatt en betydelig innvirkning på onkologipraksis i utlandet, er deres nytte for tekstgjenkjenning innen onkologi fortsatt begrenset i Hong Kong.
Denne foreslåtte studien tar sikte på å evaluere den kliniske gjennomførbarheten av å innføre AI-baserte modeller for å forbedre sluttbrukernes tillit til diagnostisk nøyaktighet og risikoprediksjon ved bruk av AI-assisterte arbeidsflyter i thyreoidekreftbehandling.
Studietype
Intervensjonell
Registrering (Antatt)
76
Fase
- Ikke aktuelt
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Hong Kong, Hong Kong
- School of Public Health, The University of Hong Kong
-
Hong Kong, Hong Kong
- Department of Surgery, School of Clinical Medicine, The University of Hong Kong
-
-
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:
- medisinstudenter
- klinikere (inkludert, men ikke begrenset til kirurger, onkologer, patologer)
Ekskluderingskriterier:
- medisinstudenter og klinikere som hadde gjennomgått kliniske notater eller var involvert i behandlingen av kliniske notater før starten av kliniske eksperimentelle studier
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Helsetjenesteforskning
- Tildeling: Randomisert
- Intervensjonsmodell: Crossover-oppdrag
- Masking: Enkelt
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: AI-drevet klinisk assistent
Deltakerne vil oppgi kreftstadieinndelingen og risikokategorien for hver pasient med thyroidekreft, samt deltakernes tillit til de ovennevnte diagnostiske vurderingene med AI-drevet klinisk assistent som intervensjon.
Den AI-drevne assistenten drives av LLM-er og omfatter et klinisk dashbord.
Det kliniske dashbordet viser de originale kliniske notatene og oppsummerer kreftstadieinndelingen og risikokategorien for hver pasient med thyroidekreft generert fra backend-behandlingen til den kliniske assistenten.
Støttende bevis fra originale kliniske notater er også fremhevet for deltakernes verifisering.
|
Deltakerne vil angi kreftstadierings- og risikokategorien for hver pasient med skjoldbruskkjertelkreft, samt deltakernes tillit til de ovennevnte diagnostiske vurderingene med AI-aktivert klinisk assistent som intervensjon.
Den AI-assisterte løsningen er drevet av store språkmodeller og omfatter et klinisk dashbord.
Det kliniske dashbordet viser de opprinnelige kliniske notatene og oppsummerer kreftstadiering og risikokategori for hver pasient med skjoldbruskkjertelkreft generert fra backend-behandlingen av den kliniske assistenten.
Støttende bevis fra opprinnelige kliniske notater fremheves også for deltakernes verifisering.
|
|
Ingen inngripen: Manuell journalgjennomgang
Deltakerne vil oppgi kreftstadiestadiet og risikokategorien for hver pasient med skjoldbruskkjertelkreft, samt deltakernes tillit til de ovennevnte diagnostiske vurderingene med manuell journalgjennomgang.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Efficiency
Tidsramme: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The time required to complete reviewing one set of clinical notes is compared between intervention and non-intervention groups
|
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Accuracy of Cancer Staging and Risk Stratification by Participants Compared with Ground Truth across Intervention and Non-intervention Groups
Tidsramme: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The study will compare the accuracy of cancer staging and risk category assessed by the participants across the intervention group with AI assitance and non-intervention group without AI asssitance. The participants will review the clinical notes and assess the cancer staging and risk category for each thyroid cancer patient with or without the AI assistant. Participant provided assessments will be compared against the ground truth established by the clinical investigators of the study to guage the accuracy which is quantified as the percentage of correctly graded cancer staging and risk stratification. The accuracy will be compared between the intervention group and non-intervention groups using t-tests to evaluate the clinical impact of the AI assistant. |
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
|
Participants' Confidence in Cancer Staging and Risk Stratification as Assessed by a 0-10 Scale Questionnaire
Tidsramme: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The study will compare the participants' confidence in grading cancer staging and risk category between the intervention group with AI assistance and non-intervention group without AI-assistance. After evaluating each thyroid cancer case for providing cancer staging and risk category, participants will complete a short questionnaire rating their confidence in providing their assessments on a scale from 0 (lowest) to 10 (hightest). Meanw confidence score will be compared between the intervention group and non-intervention group to evaluate the clinical impact of the AI assitant. |
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: King Ho Carlos Wong, School of Public Health The University of Hong Kong
- Hovedetterforsker: Man Him Matrix Fung, Department of Surgery, School of Clinical Medicine, The University of Hong Kong
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
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 (Faktiske)
2. oktober 2025
Primær fullføring (Antatt)
31. mars 2027
Studiet fullført (Antatt)
30. april 2027
Datoer for studieregistrering
Først innsendt
29. september 2025
Først innsendt som oppfylte QC-kriteriene
16. november 2025
Først lagt ut (Faktiske)
18. november 2025
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
21. juli 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
17. juli 2026
Sist bekreftet
1. juli 2026
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- UW24-319-RCT
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
JA
IPD-planbeskrivelse
Kun anonymisert IPD som brukes i resultatpublikasjoner vil bli delt, slik at re-identifisering av enkeltpersoner ikke er mulig.
IPD-delingstidsramme
IPD og tilhørende informasjon vil være tilgjengelig etter fullføring av studien (forventet dato 31. desember 2025) med resultatspreding eller publisering, og vil forbli tilgjengelig inntil det kreves fjerning.
Tilgangskriterier for IPD-deling
IPD og tilhørende informasjon vil være tilgjengelig sammen med resultatspredning og publisering som dokumentopplastinger eller vedlegg.
Alle som har tilgang til artiklene vil kunne få tilgang til alle dokumentene.
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
- ICF
- ANALYTIC_CODE
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .