Ytelse av en integrert OCR-Prompt-LLM-arbeidsflyt for uttrekk av flerdimensjonale kliniske data ved iskemisk hjertesykdom (OPAL-CAD)
24. mars 2026 oppdatert av: China National Center for Cardiovascular Diseases
Ytelsen til en integrert OCR-Prompt-LLM-arbeidsflyt for uttrekking av flerdimensjonale kliniske data ved iskemisk hjertesykdom
Denne forskningen tar sikte på å evaluere en omfattende AI-drevet arbeidsflyt for både klinisk datautvinning og diagnostisk klassifisering av koronarsykdom (CAD).
Ved å utnytte OCR og store språkmodeller (LLM-er) er systemet designet for å trekke ut ti viktige kliniske parametere (som LVEF og laboratorieresultater) og gi diagnostiske undertyper (UA, STEMI, NSTEMI, CCS) direkte fra ustrukturerte inneliggende pasientjournaler.
En menneske-maskin sammenligningsstudie vil bli gjennomført ved bruk av et testsett med 308 pasienter, hvor ytelsen til den LLM-baserte arbeidsflyten vil bli sammenlignet med gjennomsnittlig diagnostisk nøyaktighet og behandlingstid for syv kliniske leger.
Funnene vil gi bevis for gjennomførbarheten av å bruke LLM-er til å forbedre klinisk datastrukturering og diagnostisk effektivitet innen kardiologi.
Studieoversikt
Status
Fullført
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Faktiske)
308
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Beijing, Kina, 100037
- Fuwai Hospital
-
-
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
Prøvetakingsmetode
Sannsynlighetsprøve
Studiepopulasjon
Studiepopulasjonen består av 308 pasienter diagnostisert med ulike undertyper av koronarsykdom (CAD).
Kohorten er hentet fra to store kliniske studier: AIM-CHD-studien (for pilottesting og promptoptimalisering) og SMART-CHD-studien (for intern validering), begge gjennomført ved Fuwai Hospital.
I tillegg inkluderes en ekstern valideringskohort som består av pasienter fra 8 uavhengige kliniske underavdelinger over hele Kina for å sikre geografisk og institusjonell mangfoldighet.
Populasjonen dekker et spekter av CAD-presentasjoner, inkludert Ustabil Angina (UA), STEMI, NSTEMI og Kronisk Koronarsyndrom (CCS), og gir et robust datasett for evaluering av AI-drevet diagnostikk og datautvinningsytelse.
Beskrivelse
Inkluderingskriterier:
- Pasienter 18 år og eldre.
- Kliniske journaler for pasienter som tidligere var inkludert i AIM-CHD-studien (for pilot-/optimaliseringssettet) eller SMART-CHD-studien (for den interne valideringskohorten).
- Pasienter med diagnose eller mistanke om koronar hjertesykdom (CAD), inkludert undertyper: Ustabil angina (UA), STEMI, NSTEMI og kronisk koronarsyndrom (CCS).
Ekskluderingskriterier:
- Kliniske journaler med alvorlig datafragmentering eller mangler på mer enn 50 % av de viktigste kliniske indikatorene.
- Håndskrevne medisinske journaler eller skanninger av lav kvalitet som ikke kan leses av optisk tegnkjenningsprosessering (OCR).
- Doble journaler eller journaler med motstridende «gullstandard»-etiketter som ikke kan avklares av ekspertkomiteen.
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 |
|---|---|
|
Testkohort
Denne gruppen består av 50 pasientjournaler fra AIM-CHD-studien på Fuwai-sykehuset.
Disse dataene brukes spesifikt til å forbedre OCR-behandling og optimalisere Prompt Engineering for LLM-basert arbeidsflyt.
|
Intervensjonen er et automatisert klinisk datastyringssystem som integrerer optisk tegngjenkjenning (OCR), optimalisert prompt-teknikkingeniørering og store språkmodeller (LLM). Arbeidsflyten behandler ustrukturerte pasientjournaler for å trekke ut 10 viktige kliniske indikatorer (f.eks. LVEF, CAD-undertyper, medisiner) og klassifiserer pasienten i spesifikke koronararteriesykdomskategorier (UA, STEMI, NSTEMI, CCS)
Standard manuell prosess der erfarne kliniske leger samler inn og tolker pasientinformasjon fra medisinske journaler.
Dette tjener som den menneskelige referansen for å sammenligne diagnostisk nøyaktighet og operasjonell effektivitet.
|
|
Intern valideringskohort
Denne kohorten inkluderer 188 kliniske tilfeller hentet fra SMART-CHD-studien ved Fuwai-sykehuset.
Disse postene tjener som den primære interne referanse for å evaluere diagnostisk og ekstraksjonsnøyaktighet av LLM-arbeidsflyten mot den etablerte grunnsannheten.
|
Intervensjonen er et automatisert klinisk datastyringssystem som integrerer optisk tegngjenkjenning (OCR), optimalisert prompt-teknikkingeniørering og store språkmodeller (LLM). Arbeidsflyten behandler ustrukturerte pasientjournaler for å trekke ut 10 viktige kliniske indikatorer (f.eks. LVEF, CAD-undertyper, medisiner) og klassifiserer pasienten i spesifikke koronararteriesykdomskategorier (UA, STEMI, NSTEMI, CCS)
Standard manuell prosess der erfarne kliniske leger samler inn og tolker pasientinformasjon fra medisinske journaler.
Dette tjener som den menneskelige referansen for å sammenligne diagnostisk nøyaktighet og operasjonell effektivitet.
|
|
Ekstern valideringskohort
Denne kohorten består av 70 pasientjournaler innsamlet fra 8 uavhengige underavdelinger (unntatt Fuwai Hospital) for å vurdere modellens generaliserbarhet og robusthet på tvers av ulike kliniske miljøer og forskjellige journalformater.
|
Intervensjonen er et automatisert klinisk datastyringssystem som integrerer optisk tegngjenkjenning (OCR), optimalisert prompt-teknikkingeniørering og store språkmodeller (LLM). Arbeidsflyten behandler ustrukturerte pasientjournaler for å trekke ut 10 viktige kliniske indikatorer (f.eks. LVEF, CAD-undertyper, medisiner) og klassifiserer pasienten i spesifikke koronararteriesykdomskategorier (UA, STEMI, NSTEMI, CCS)
Standard manuell prosess der erfarne kliniske leger samler inn og tolker pasientinformasjon fra medisinske journaler.
Dette tjener som den menneskelige referansen for å sammenligne diagnostisk nøyaktighet og operasjonell effektivitet.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Samlet diagnostisk og ekstraksjonsnøyaktighetsrate
Tidsramme: Gjennom studieavslutning, i gjennomsnitt 3 måneder.
|
For å beregne den totale nøyaktighetsraten for LLM-basert arbeidsflyt over 308 tilfeller (inkludert pilotsettet, intern valideringskohort og ekstern valideringskohort) for 10 kliniske indikatorer (f.eks. LVEF, blodsukker, etc.) og 4 diagnostiske undertyper av koronar hjertesykdom.
Nøyaktighet er definert som andelen tilfeller der LLM-uttrekket eller diagnostiske resultater er helt konsistente med 'gullstandarden' etablert av humane kliniske eksperter.
|
Gjennom studieavslutning, i gjennomsnitt 3 måneder.
|
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 (Faktiske)
23. februar 2026
Primær fullføring (Faktiske)
1. mars 2026
Studiet fullført (Faktiske)
2. mars 2026
Datoer for studieregistrering
Først innsendt
24. mars 2026
Først innsendt som oppfylte QC-kriteriene
24. mars 2026
Først lagt ut (Faktiske)
30. mars 2026
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
30. mars 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
24. mars 2026
Sist bekreftet
1. februar 2026
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- CAD-LLM-2025-01
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
IPD-planbeskrivelse
For å beskytte pasienters personvern og overholde databehandlingspolicyene til de deltakende institusjonene (Fuwai Hospital og underavdelinger), vil individuelle deltakerdata ikke bli gjort offentlig tilgjengelige.
Imidlertid vil aggregerte studieresultater og statistiske analyser bli inkludert i den endelige publikasjonen.
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. .