Generativ AI's innvirkning på diagnostisering av revmatoid artritt-komplikasjoner
22. desember 2025 oppdatert av: Quan Jiang, Guang'anmen Hospital of China Academy of Chinese Medical Sciences
Effekten av generativ kunstig intelligens på diagnostisering av revmatoid artritt-komplikasjoner
Generativ AI (GenAI) basert på store språkmodeller (LLMs) forventes å forbedre diagnostisering og behandling av autoimmune sykdommer.
Vi studerer hvordan GenAI kan påvirke diagnostiseringen av ulike komplikasjoner ved revmatoid artritt (RA).
I en retrospektiv studie som bruker RA-pasienters EHR-poster, vil vi kvantifisere legenes adopsjon av GenAI-spådommer for RA-komplikasjoner og samtidige sykdommer.
I en prospektiv observasjonsstudie vil vi vurdere gjennomførbarheten av å bruke GenAI-spådommer som tilleggsklinisk informasjon for å hjelpe leger med å stille mer komplette diagnoser for RA-komplikasjoner og samtidige sykdommer, inkludert komplekse, uvanlige eller sjeldne tilstander.
Studieoversikt
Status
Rekruttering
Forhold
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Antatt)
100
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Quan Jiang Guang'anmen Hospital, China Academy of Chinese Medical Science
- Telefonnummer: 010-88001942
- E-post: doctorjq@126.com
Studiesteder
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Kina, 100053
- Rekruttering
- Guang'anmen Hospital of China Academy of Chinese Medical Sciences
-
Ta kontakt med:
- Quan Jiang, MD
- Telefonnummer: 010-88001942
- E-post: doctorjq@126.com
-
Hovedetterforsker:
- Quan Jiang, MD
-
-
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
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Nei
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Voksne mannlige og kvinnelige RA-pasienter innlagt på vår revmatologiske avdeling som oppfyller American College of Rheumatology (ACR)/European League Against Rheumatism (EULAR) klassifiserings- og diagnostiske kriterier fra 2010 for revmatoid artritt.
Beskrivelse
Inkluderingskriterier:
- Pasienter med en første diagnose av revmatoid artritt (RA).
- Alle reelle RA-pasienter innlagt på vår avdeling.
- Innleggelse som skjer innenfor studiens periode for reelle data.
Ekskluderingskriterier:
- Pasienter som senere bekreftes å ikke ha RA under studien.
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
RA-pasientgruppe som bruker generativ KI-prediksjonsrapporter
Innlagte pasienter som nylig er diagnostisert med revmatoid artritt i vår revmatologiavdeling mellom 1. oktober 2025 og juni 2026, vil bli rekruttert til studien.
Lege vil bruke GenAI-spådommer om potensielle RA-komplikasjoner og samtidige sykdommer, sammen med bekreftende diagnostiske tester, som ytterligere innspill i differensialdiagnoseprosessen.
|
Generativ kunstig intelligens basert på flere store språkmodeller (LLM-er) brukes til å forutsi potensielle komplikasjoner og samtidige sykdommer hos pasienter med revmatoid artritt ved hjelp av elektronisk pasientjournaldata som er tilgjengelig ved innleggelse. Lege bruker disse KI-forutsigelsene som tilleggsinformasjon for å justere sine diagnostiske planer under differensialdiagnose. Virkningen av denne intervensjonen på de endelige diagnosene ved utskrivning vil bli målt. Før den prospektive studien vil brukervennligheten til de generative KI-forutsigelsesrapportene bli validert ved hjelp av elektroniske pasientjournaloppføringer fra retrospektive RA-pasienter. |
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Vil leger bruke GenAI-spådommer i diagnostisering av RA-komplikasjoner?
Tidsramme: Umiddelbart etter å ha gjennomgått pasientens AI-rapport på innleggelsesdagen.
|
I den rutinemessige behandlingsarbeidsflyten brukes store språkmodeller (LLM-er) til å forutsi potensielle RA-komplikasjoner for hver de-identifiserte pasienttilfelle og generere en AI-rapport som lister opp mulige komplikasjoner og samtidige sykdommer.
Ytterligere diagnostiske tester foreslås for å bekrefte de forutsagte tilstandene.
Etter å ha gjennomgått AI-rapporten vurderer leger umiddelbart hver sykdomsforutsigelse ved hjelp av en 5-punkts Likert-skala (1 = fullstendig uenighet; 2 = uenighet; 3 = nøytral; 4 = enighet; 5 = fullstendig enighet).
Gjennomsnittsscoren beregnes som et mål på oppfattet forutsigelsesnøyaktighet.
Leger indikerer også om hver spesifikke sykdomsforutsigelse potensielt kan bli adoptert eller brukt til å assistere differensialdiagnose (binær: 0 eller 1).
Prosentandelen av positive adopsjonsresponser beregnes som et mål på potensiell adopsjonsrate eller adopterbarhet.
|
Umiddelbart etter å ha gjennomgått pasientens AI-rapport på innleggelsesdagen.
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
I hvilken grad påvirkes RA-komplikasjonsdiagnoser faktisk av GenAI-spådommer?
Tidsramme: Umiddelbart etter at endelig diagnose er stilt ved utskrivelsen.
|
Før pasienten utskrives, fastlegger legene endelige diagnoser og registrerer hvilke diagnostiserte komplikasjoner eller samtidige sykdommer som ble påvirket av GenAI-prediksjonsinformasjon for hver pasient.
Prosentandelen av tilfeller der GenAI-prediksjoner påvirket den endelige diagnosen beregnes som et mål på AI-ens faktiske påvirkning på rutinemessig diagnostisk praksis. |
Umiddelbart etter at endelig diagnose er stilt ved utskrivelsen.
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
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)
1. oktober 2025
Primær fullføring (Antatt)
1. februar 2026
Studiet fullført (Antatt)
1. juni 2026
Datoer for studieregistrering
Først innsendt
28. september 2025
Først innsendt som oppfylte QC-kriteriene
22. desember 2025
Først lagt ut (Faktiske)
24. desember 2025
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
24. desember 2025
Siste oppdatering sendt inn som oppfylte QC-kriteriene
22. desember 2025
Sist bekreftet
1. desember 2025
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
- Sykdommer i det endokrine systemet
- Beinsykdommer
- Muskel- og skjelettsykdommer
- Munnsykdommer
- Stomatognatiske sykdommer
- Sykdommer i nervesystemet
- Vaskulære sykdommer
- Nevromuskulære sykdommer
- Leddgikt
- Leddsykdommer
- Revmatiske sykdommer
- Metabolske sykdommer
- Bindevevssykdommer
- Autoimmune sykdommer
- Sykdommer i immunsystemet
- Sykdommer i luftveiene
- Lungesykdommer
- Øyesykdommer
- Embolisme og trombose
- Bensykdommer, metabolske
- Xerostomi
- Spyttkjertelsykdommer
- Syndromer med tørre øyne
- Tåreapparatsykdommer
- Proteostase mangler
- Ernæringsmessige og metabolske sykdommer
- Hud- og bindevevssykdommer
- Skjoldbrusk sykdommer
- Sykdommer i fordøyelsessystemet
- Artrose
- Kardiovaskulære sykdommer
- Trombose
- Osteoporose
- Sykdommer i det perifere nervesystemet
- Sjøgrens syndrom
- Lungesykdommer, interstitielle
- Leddgikt, revmatoid
- Amyloidose
- Vaskulitt
Andre studie-ID-numre
- 2025-201-KY
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
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. .