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

Automated Vetting and Protocolling of MRI Examinations (AutoProMpt)

2. november 2026 oppdatert av: Edozie Iweka

Automated Vetting and Protocoling of MRI Examination Referrals Using Explainable Large Language Models (LLM) With Retrieval Augmented Generation (RAG) (XLLM) Techniques- A Multi-stage Study

Background Vetting and assigning of protocols to MRI scan requests are usually carried out by radiologists and radiographers. This way is both time-consuming and prone to error. Recent improvements in Artificial Intelligence (Al) like Large Language Models (LLMs) are better at processing human language. It could be used to improve tasks like image reporting and assigning protocols in radiology.

Approach Firstly, I will find out about the delays in the way this is currently done. I will use a survey to find out the perceptions of radiologists to both the current process and the proposed Al intervention.

I will then use an LLM to undertake referral and protocol tasks. I will compare its performance to the performance of clinical specialists and established guidelines.

I will present the explanation reports to radiologists and ask them if they can be understood and whether they can be trusted as clinically reliable.

Impact My research could help reduce the workload and time radiologists spend dealing with scan requests. The findings will help design future research to consider application in real clinical settings.

Studieoversikt

Status

Har ikke rekruttert ennå

Studietype

Observasjonsmessig

Registrering (Antatt)

900000

Kontakter og plasseringer

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

Studiekontakt

  • Navn: Edozie Iweka, MSc (Dist)
  • Telefonnummer: +441225386989
  • E-post: eoi29@bath.ac.uk

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

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

This study is multi-stage multi-center research involving retrospective MRI referral data of patients and collected across three NHS Foundation Trusts in the United Kingdom.

Beskrivelse

Inclusion Criteria:

  • Patients who have had MRI examinations in the study sites
  • Patients with MRI referrals submitted through electronic referral systems
  • Patients whose MRI referrals were vetted and protocolled prior to examination

Exclusion Criteria:

  • Patients who have had other imaging examination outside the MRI
  • Patients with paper referrals scanned in electronic referral systems
  • Patients for MRI examinations without vetting and protocolling

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: COHORT
  • Tidsperspektiver: RETROSPECTIVE

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
Group

Adult Patients undergoing MRI examinations

No Intervention as this is an experiment on retrospective collected referral data

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Accuracy
Tidsramme: Through study completion, an average of 2 years

Accuracy of pretrained LLMs+RAG in automating vetting and protocolling of MRI examination referrals.

Through study completion, an average of 2 years

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Clinical Usefulness
Tidsramme: Through study completion, an average of 2 years

Clinical usefulness of explainability reports on the performance of pretrained LLMs+RAG in automating vetting and protocolling of MRI examination referrals.

Through study completion, an average of 2 years

Samarbeidspartnere og etterforskere

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

Sponsor

Samarbeidspartnere

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. februar 2027

Primær fullføring (Antatt)

1. april 2027

Studiet fullført (Antatt)

28. september 2029

Datoer for studieregistrering

Først innsendt

28. oktober 2026

Først innsendt som oppfylte QC-kriteriene

2. november 2026

Først lagt ut (Faktiske)

5. november 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

5. november 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

2. november 2026

Sist bekreftet

1. november 2026

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

No patient identifiable data will be collected from this study. All collected data will be held by the sponsor institution, University of Bath as per local research data policy.

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. .

Abonnere