- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07293078
AI-assistanse ved behandlingsstedet og intensivbehandlingsresultater: En randomisert studie (POC-AI-ICU)
Prospektiv evaluering av en kunstig intelligensmodell for punktav pleie i utfall for intensivbehandling
Dette er en prospektiv, umasket, randomisert, multiklinisk klinisk studie som evaluerer effekten av punkt-for-pasient store språkmodell (LLM)-basert beslutningsstøtte på diagnostisk nøyaktighet og kliniske utfall hos voksne pasienter på medisinsk intensivavdeling (MICU).
Påfølgende innleggelser av voksne på intensivavdeling ved deltakende lokalsykehus (opprinnelig MetroWest Medical Center og St. Vincent Hospital) vil bli vurdert for oppfyllelse av inklusjonskriterier. Kvalifiserte pasienter vil bli randomisert 1:1 til standardbehandling eller en AI-assistert gruppe. I begge armer vil innledende evaluering og behandling følge vanlig praksis. For pasienter randomisert til AI-assistanse vil anonymisert innleggelsesdata (anamnese og fysisk undersøkelse, laboratorieresultater, bildediagnostikkrapporter og annen relevant dokumentasjon) bli formatert og sendt til en state-of-the-art LLM (ChatGPT-5) ved innleggelsestidspunktet. Den AI-genererte differensialdiagnosen og behandlingsanbefalingene vil bli gitt til innleggelsesteamet for vurdering. For standardbehandlingsarmen vil LLM-resultater bli generert, men ikke delt med klinikere.
Etter utskrivning vil en maskert journalgjennomgang fastslå den "sanne" primærdiagnosen og trekke ut utfall inkludert: Primært utfall - en sammensetning av medisinske feil (fra tidspunktet for intensivinnleggelse gjennom dag 7 av intensivoppholdet, eller intensivutskrivning, avhengig av hva som kommer først); Sekundære utfall - 90-dagers dødelighet, intensiv- og sykehusliggetid, og respiratorfrie dager.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Den raske utviklingen av store språkmodeller (LLM-er) som ChatGPT har skapt nye muligheter og risikoer for deres bruk i medisin. Selv om tidlige studier antyder høy diagnostisk nøyaktighet i komplekse kliniske scenarioer og intensivavdelingsinnleggelser, er virkningen av LLM-er på reelle kliniske resultater og den optimale måten for lege-AI-interaksjon fortsatt usikker. Publisert arbeid fra vår gruppe viste at ChatGPT-4 oppnådde diagnostisk nøyaktighet sammenlignbar med spesialister i intensivmedisin for intensivavdelingsinnleggelser i en retrospektiv studie. Imidlertid mangler det prospektive, randomiserte data om kliniske resultater.
Denne studien vil evaluere en pragmatisk modell for å integrere LLM-er ved tiden for intensivavdelingsinnleggelse (punkt-for-omsorg AI). Alle kvalifiserte voksne MICU-innleggelser ved deltakende steder vil bli prospektivt randomisert til: (1) standardbehandling, eller (2) AI-assistert behandling der en LLM mottar standardiserte, anonymiserte innleggelsesdata og returnerer en foreslått primærdiagnose, rangert differensialdiagnose (opptil fem tilstander), foreslått tilleggsinformasjon og prioriterte terapeutiske intervensjoner. Innleggende klinikere i AI-assistert arm vil bli bedt om å gjennomgå og eventuelt inkorporere AI-anbefalingene og vil fullføre et kort spørreskjema om opplevd nytte og eventuelle endringer i diagnose eller behandling.
En maskert klinisk vurderingspanel vil utføre longitudinell journalgjennomgang for å definere den "sanne" primærdiagnosen og vurdere feilrater og resultater. Primærendepunktet er en sammensetning av medisinske feil. Det spesifikke tidsrammen vil være fra tiden for intensivavdelingsinnleggelse gjennom dag 7 av intensivavdelingsoppholdet, eller intensivavdelingsutskrivelse, avhengig av hva som kommer først. Sekundære endepunkter vil inkludere 90-dagers dødelighet, intensivavdelings- og sykehusliggetid, og dager uten respirator. Andre utforskende sekundære endepunkter vil bli vurdert. Studien er designet for å inkludere omtrent 1000 pasienter på tvers av flere MICU-er, med mellomanalyse ved 12 måneder for å vurdere gjennomførbarhet, integritet og unyttighet. Studien har minimal risiko, bruker anonymiserte data for AI-spørringer og endrer ikke standard diagnostisk testing eller terapeutiske alternativer.
Studietype
Registrering (Antatt)
Fase
- Fase 2
- Fase 1
Kontakter og plasseringer
Studiekontakt
- Navn: Eric Silverman, M.D. principal Investigator, M.D.
- Telefonnummer: 508-344-5680
- E-post: esilverman@pamw.org
Studiesteder
-
-
Massachusetts
-
Framingham, Massachusetts, Forente stater, 01702
- Framingham Union Hospital/MetroWest Medical Center
-
Ta kontakt med:
- Eric Silverman, M.D.
- Telefonnummer: 508-344-5680
- E-post: esilverman@pamw.org
-
Ta kontakt med:
- Chih-Hsien Wu, M.D.
- E-post: lisa19950421@gmail.com
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- Voksne pasienter (≥ 18 år) innlagt på medisinsk intensivavdeling (MICU) ved deltakende sykehus.
- Direkte innleggelser fra akuttmottaket eller overføringer fra medisinske avdelinger til MICU.
- Kritisk syke pasienter som oppfyller lokale intensivavdelingskriterier for innleggelse.
Eksklusjonskriterier:
- Overføringer til MICU fra andre sykehus, operasjonssal eller postanestesiavdelinger.
- Alder < 18 år.
- Ufullstendig eller manglende essensiell klinisk informasjon ved innleggelse (f.eks. viktige laboratorieprøver eller dokumentasjon som ikke er tilgjengelig ennå).
- Primært kirurgiske eller kardiologiske (f.eks. STEMI) pasienter.
- Gravide eller kvinner i barseltiden.
- Innsatte.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Behandling
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Dobbelt
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Ingen inngripen: Standardbehandling
Pasienter mottar vanlig intensivavdelingsbehandling i henhold til lokal praksis.
Anonymiserte innleggelsesdata kan behandles og sendes til LLM for forskningsformål, men AI-resultater deles ikke med behandlende klinikere og påvirker ikke sanntidsbehandlingen.
|
|
|
Annen: AI-assistert omsorg
Pasienter mottar standard intensivavdelingsoppfølging pluss punkt-for-punkt LLM-basert beslutningsstøtte ved innleggelse.
Anonymiserte innleggelsesdata formateres og sendes til en LLM (ChatGPT-5).
Modellen returnerer en primærdiagnose, rangert differensialdiagnoseliste, foreslått tilleggsinformasjon og prioriterte behandlingsanbefalinger.
Denne utdataen gis til opptaksteamet for vurdering i den pågående behandlingen.
|
Bruk av en stor språkmodell (ChatGPT-5) for å analysere anonymisert intensivavdelingsinnleggelsesdata (historikk, fysisk undersøkelse, laboratorieresultater, bildediagnostikkrapporter og annen dokumentasjon) ved innleggelsestidspunktet.
Modellen genererer diagnostiske og terapeutiske anbefalinger som kun deles med klinikere i den KI-assisterte gruppen.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sammensatt av medisinske feil
Tidsramme: Fra tidspunktet for innleggelse på intensivavdeling gjennom dag 7 av intensivoppholdet eller utskrivelse fra intensivavdeling, avhengig av hva som kommer først.
|
Andel pasienter med minst én klinisk viktig diagnostisk eller terapeutisk feil identifisert av maskert journalgjennomgang (f.eks. oversett eller forsinket kritisk diagnose, større retningslinjestridig behandling med skadepotensiale).
|
Fra tidspunktet for innleggelse på intensivavdeling gjennom dag 7 av intensivoppholdet eller utskrivelse fra intensivavdeling, avhengig av hva som kommer først.
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
90-dagers dødelighet av alle årsaker
Tidsramme: 90 dager fra intensivavdelingsopphold.
|
All-cause mortality innen 90 dager etter første intensivavdelingsinnleggelse, som fastsettes gjennom journalgjennomgang og tilgjengelige oppfølgingsjournaler.
|
90 dager fra intensivavdelingsopphold.
|
|
ICU-oppholdets varighet
Tidsramme: Fra intensivavdelingsopphold til utskrivning fra intensivavdeling (opptil 90 dager).
|
Totalt antall dager tilbrakt på intensivavdelingen under innleggelsen.
|
Fra intensivavdelingsopphold til utskrivning fra intensivavdeling (opptil 90 dager).
|
|
Ventilatorfrie dager
Tidsramme: Opptil 28 dager etter innleggelse på intensivavdeling.
|
Antall dager i live og uten invasiv mekanisk ventilering i løpet av de første 28 dagene etter innleggelse på intensivavdeling.
|
Opptil 28 dager etter innleggelse på intensivavdeling.
|
|
Sykehusliggetid
Tidsramme: Fra sykehusinnleggelse til sykehusutskrivelse (opptil 90 dager).
|
Totalt antall dager fra innleggelse på sykehus til utskrivelse fra sykehus under index-innleggelsen.
|
Fra sykehusinnleggelse til sykehusutskrivelse (opptil 90 dager).
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Eric Silverman, M.D., MetroWest Medical Center and St. Vincent Hospital
Publikasjoner og nyttige lenker
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
Nøkkelord
Ytterligere relevante MeSH-vilkår
- Urogenitale sykdommer
- Nevrologiske manifestasjoner
- Sykdommer i nervesystemet
- Patologiske prosesser
- Mannlige urogenitale sykdommer
- Nyresykdommer
- Urologiske sykdommer
- Kvinnelige urogenitale sykdommer
- Kvinnelige urogenitale sykdommer og graviditetskomplikasjoner
- Sykdomsattributter
- Infeksjoner
- Nevroatferdsmanifestasjoner
- Systemisk inflammatorisk responssyndrom
- Betennelse
- Nyreinsuffisiens
- Patologiske tilstander, tegn og symptomer
- Tegn og symptomer
- Kritisk sykdom
- Akutt nyreskade
- Sepsis
- Sjokk
- Multippel organsvikt
- Forvirring
Andre studie-ID-numre
- POC-AI-ICU-001
- IRB#2025-067 (Annen identifikator: MetroWest Medical Center and St. Vincent Hospital)
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
- CSR
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. .