Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Agent AI do automatycznej diagnostyki i przewidywania z wykorzystaniem danych EHR i multimodalnych

16 kwietnia 2025 zaktualizowane przez: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Automatyzacja wspomagana sztuczną inteligencją do diagnozowania i przewidywania pacjentów przy użyciu elektronicznej dokumentacji zdrowotnej i danych multimodalnych

Celem tego badania klinicznego jest ocena skuteczności środka AI w diagnozowaniu i przewidywaniu chorób za pomocą elektronicznych dokumentacji zdrowia (EHR) i multimodalnych danych obrazowania. Agent AI wykorzystuje zaawansowane algorytmy uczenia maszynowego w celu przetwarzania i analizy różnorodnych źródeł danych zdrowotnych, mając na celu pomoc świadczeniodawcom w dokonaniu dokładniejszych diagnoz i prognoz.

Przegląd badań

Status

Status

Wskazuje aktualny stan rekrutacji lub stan rozszerzonego dostępu.
Rekrutacyjny

Warunki

Warunki

Badana choroba, zaburzenie, zespół, choroba lub uraz. Na stronie ClinicalTrials.gov warunki mogą również obejmować inne kwestie związane ze zdrowiem, takie jak długość życia, jakość życia i zagrożenia dla zdrowia.

Szczegółowy opis

To wieloośrodkowe, retrospektywne badanie kliniczne ma na celu ocenę zastosowania i skuteczności czynnika AI w procesie podejmowania decyzji medycznych. Agent sztucznej inteligencji integruje i analizuje dane multimodalne, w tym elektroniczną dokumentację medyczną (EHR) i różne dane obrazowe (np. zdjęcia rentgenowskie, rezonans magnetyczny, tomografię komputerową, ultradźwięki), aby przewidywać i diagnozować szereg chorób. Wykorzystując możliwości uczenia maszynowego i technik łączenia danych, agent AI może identyfikować wzorce w dużych i złożonych zbiorach danych, oferując spostrzeżenia, które mogą nie być od razu widoczne w przypadku tradycyjnych metod diagnostycznych. W badaniu porównana zostanie dokładność diagnostyczna agenta AI i możliwości przewidywania chorób z tradycyjnymi praktykami diagnostycznymi, aby ocenić potencjalne korzyści w warunkach klinicznych. Kluczowe pytania dotyczą tego, czy agent AI może pomóc we wczesnej diagnozie, przewidywaniu postępu choroby i wspierać pracowników służby zdrowia w podejmowaniu spersonalizowanych decyzji dotyczących leczenia. Uczestnicy nie będą musieli poddawać się żadnym dodatkowym interwencjom; dostarczą jedynie historyczne dane dotyczące zdrowia, w tym EHR i odpowiednie dane obrazowe, które zostaną przeanalizowane przez agenta AI. System sztucznej inteligencji wykorzysta następnie te dane, aby pomóc świadczeniodawcom, oferując prognozy i sugestie diagnostyczne na podstawie analizy informacji multimodalnych. Ostatecznym celem jest ustalenie, czy to podejście oparte na sztucznej inteligencji może poprawić dokładność diagnostyczną, zoptymalizować strategie leczenia i poprawić wyniki pacjentów w praktyce klinicznej.

Typ studiów

Typ studiów

Opisuje charakter badania klinicznego. Rodzaje badań obejmują badania interwencyjne (zwane także badaniami klinicznymi), badania obserwacyjne (w tym rejestry pacjentów) i rozszerzony dostęp.
Obserwacyjny

Zapisy (Szacowany)

Zapisy

Liczba uczestników badania klinicznego. „Przewidywana” rekrutacja to docelowa liczba uczestników, których naukowcy potrzebują do badania.
2000000

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Kontakt w sprawie studiów

Imię i nazwisko oraz dane kontaktowe osoby, która może odpowiedzieć na pytania dotyczące rejestracji do badania klinicznego. Każda lokalizacja, w której prowadzone jest badanie, może mieć również określoną osobę kontaktową, która może lepiej odpowiedzieć na te pytania.

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Sun Yat-sen Memorial Hospital
        • Kontakt:
      • Guangzhou, Guangdong, Chiny
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Sun Yat-sen University Cancer Hospital
        • Kontakt:
    • Sichuan
      • Chengdu, Sichuan, Chiny
        • Rekrutacyjny
        • West China Hospital
        • Kontakt:
    • Zhejiang
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • First Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • Second Affiliated Hospital of Wenzhou Medical University
        • Kontakt:

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Kryteria kwalifikacji

Kluczowe wymagania, które muszą spełniać osoby chcące wziąć udział w badaniu klinicznym lub cechy, które muszą posiadać. Kryteria kwalifikowalności obejmują zarówno kryteria włączenia (które są wymagane, aby dana osoba mogła uczestniczyć w badaniu), jak i kryteria wykluczenia (które uniemożliwiają osobie udział). Rodzaje kryteriów kwalifikowalności obejmują to, czy badanie akceptuje zdrowych ochotników, ma wymagania dotyczące wieku lub grupy wiekowej lub jest ograniczone ze względu na płeć.

Wiek uprawniający do nauki

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Uczestnicy tego badania zostaną wybrani z wielu centrów opieki zdrowotnej i szpitali, które utrzymują kompleksowe elektroniczne dokumentacje medyczne (EHR) i multimodalne dane obrazowe. Badana populacja obejmie pacjentów, którzy mają różnorodne choroby lub choroby, z dostępnymi danymi do diagnozy i progresji choroby. Uczestnicy potwierdzili diagnozy w oparciu o rejestry kliniczne lub dane obrazowe, w tym między innymi warunki przechwycone przez promieniowanie rentgenowskie, skany CT, MRI i ultradźwięki. Zarówno osoby z złożonymi warunkami zdrowotnymi, jak i osoby o bardziej powszechnych chorobach, zostaną uwzględnione w celu oceny możliwości diagnostycznych i predykcyjnych systemu AI w szerokim spektrum przypadków. Powicierze z tych centrów dostarczą historyczne dane zdrowotne, a nie będzie aktywnej interwencji poza Wykorzystanie istniejących danych klinicznych i obrazowych do szkolenia i testowania systemu AI.

Opis

Kryteria włączenia:

  1. Uczestnicy muszą posiadać kompleksową elektroniczną dokumentację medyczną (EHR), zawierającą dane demograficzne, historię medyczną i wyniki badań laboratoryjnych.
  2. Uczestnicy muszą mieć dostęp do multimodalnych danych obrazowych (np. zdjęć rentgenowskich, tomografii komputerowej, rezonansu magnetycznego, ultradźwięków) odpowiednich do ich stanu zdrowia.
  3. Uczestnicy muszą mieć potwierdzoną diagnozę jednej lub więcej chorób lub chorób na podstawie danych klinicznych lub danych obrazowych.
  4. Pacjenci muszą wyrazić zgodę na wykorzystanie swoich historycznych danych zdrowotnych do celów badawczych.

Kryteria wykluczenia:

  1. Uczestnicy z niejednoznacznymi lub niezweryfikowalnymi diagnozami, których nie można dokładnie sklasyfikować.
  2. Zduplikowane lub zbędne dane pacjenta (np. powtarzające się zapisy tego samego pacjenta bez wyraźnego rozróżnienia).

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta

Grupa / Kohorta

Grupa lub podgrupa uczestników badania obserwacyjnego ocenianego pod kątem wyników biomedycznych lub zdrowotnych.
Przewidywanie chorób wspomaganych sztuczną inteligencją przy użyciu danych EHR i obrazowania
Kohorta ta składa się z pacjentów, których historyczne dane zdrowotne, w tym elektroniczne dokumentacje zdrowotne (EHR) i multimodalne dane obrazowania (np. Rodowce rentgenowskie, MRI, skany CT, ultradźwięki), zostaną przeanalizowane przez agenta AI. System AI pomoże w diagnozowaniu i przewidywaniu chorób poprzez przetwarzanie i integrację tych różnorodnych źródeł danych. Głównym celem jest ocena zdolności środka AI do identyfikacji wzorców i przewidywania postępu choroby z dużą dokładnością. Uczestnicy nie będą musieli podjąć żadnych dodatkowych działań poza dostarczaniem historii medycznej i danych obrazowych. Celem jest ocena, w jaki sposób system AI może wspierać kliniczne podejmowanie decyzji i poprawić wyniki diagnostyczne w oparciu o dostarczone dane.

Co mierzy badanie?

Podstawowe miary wyniku

Podstawowe miary wyniku

W protokole badania klinicznego planowana miara wyniku, która jest najważniejsza dla oceny efektu interwencji/leczenia. Większość badań klinicznych ma jedną główną miarę wyniku, ale niektóre mają więcej niż jedną.
Miara wyniku
Opis środka
Ramy czasowe
Obszar pod krzywą (AUC)
Ramy czasowe: 1 rok
AUC krzywej ROC, stosowane do ilościowego określenia dokładności diagnostycznej. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażana jako liczba z zakresu od 0 do 1).
1 rok
Wynik F1
Ramy czasowe: 1 rok
Wynik F1 jest średnią harmoniczną precyzji i czułości (wycofanie). Jest to dobra miara zdolności modelu do identyfikacji zarówno prawdziwych pozytywów, jak i minimalizacji fałszywych pozytywów, szczególnie w przypadkach, w których klasy są niezrównoważone (np. Gdy liczba zdrowych przypadków jest znacznie wyższa niż przypadki choroby). Wynik F1 wynosi od 0 do 1, a 1 wskazuje idealną precyzję i wycofanie.
1 rok

Miary wyników drugorzędnych

Miary wyników drugorzędnych

W protokole badania klinicznego planowana miara wyniku, która nie jest tak ważna jak główna miara wyniku w ocenie efektu interwencji, ale nadal jest interesująca. Większość badań klinicznych ma więcej niż jedną drugorzędową miarę wyniku.
Miara wyniku
Opis środka
Ramy czasowe
Czułość (prawdziwie dodatni współczynnik)
Ramy czasowe: 1 rok
Czułość mierzy, jak dobrze model sztucznej inteligencji identyfikuje prawdziwie pozytywne przypadki, takie jak prawidłowe diagnozowanie powikłań u kobiet w ciąży lub identyfikacja zaburzeń noworodkowych.
1 rok
Specyficzność (prawdziwa wskaźnik ujemny)
Ramy czasowe: 1 rok
Swoistość mierzy zdolność modelu sztucznej inteligencji do prawidłowego identyfikowania przypadków wolnych od chorób, co gwarantuje, że zdrowe matki i niemowlęta zostaną prawidłowo zidentyfikowane jako negatywne.
1 rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Sponsor

Organizacja lub osoba, która inicjuje badanie i która ma władzę i kontrolę nad badaniem.
The Eye Hospital of Wenzhou Medical University

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

Rozpoczęcie studiów

Rzeczywista data włączenia pierwszego uczestnika do badania klinicznego. „Przewidywana” data rozpoczęcia badania to data, którą naukowcy uważają za datę rozpoczęcia badania.
1 lipca 2023

Zakończenie podstawowe (Szacowany)

Zakończenie podstawowe

Data, w której ostatni uczestnik badania klinicznego został przebadany lub otrzymał interwencję w celu zebrania ostatecznych danych dla głównego pomiaru wyniku. To, czy badanie kliniczne zakończyło się zgodnie z protokołem, czy też zostało zakończone, nie ma wpływu na tę datę. W przypadku badań klinicznych z więcej niż jedną miarą wyniku pierwotnego i różnymi datami zakończenia termin ten odnosi się do daty zakończenia gromadzenia danych dla wszystkich miar wyniku pierwotnego. „Przewidywana” data ukończenia podstawowego badania to data, którą naukowcy uważają za pierwotną datę zakończenia badania.
1 lipca 2025

Ukończenie studiów (Szacowany)

Ukończenie studiów

Data, w której ostatni uczestnik badania klinicznego został przebadany lub otrzymał interwencję/leczenie w celu zebrania ostatecznych danych dotyczących głównych miar wyników, drugorzędowych miar wyników i zdarzeń niepożądanych (tj. ostatnia wizyta ostatniego uczestnika). „Przewidywana” data zakończenia badania to data, którą naukowcy uważają za datę zakończenia badania.
1 lipca 2025

Daty rejestracji na studia

Pierwszy przesłany

Pierwszy przesłany

Data, w której sponsor badania lub badacz po raz pierwszy przesłał dokumentację badania do ClinicalTrials.gov. Zwykle występuje kilkudniowe opóźnienie między pierwszą przesłaną datą a udostępnieniem rekordu na ClinicalTrials.gov (pierwsza data opublikowania).
19 stycznia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

Pierwszy przesłany, który spełnia kryteria kontroli jakości

Data, w której sponsor badania lub badacz po raz pierwszy przesłał zapis badania zgodny z kryteriami przeglądu kontroli jakości (QC) National Library of Medicine (NLM). Sponsor lub badacz może być zmuszony do zmiany i przedłożenia dokumentacji badania raz lub kilka razy, zanim zostaną spełnione kryteria przeglądu kontroli jakości NLM. Obowiązkiem sponsora lub badacza jest upewnienie się, że zapis badania jest zgodny z kryteriami przeglądu NLM QC.
19 stycznia 2025

Pierwszy wysłany (Rzeczywisty)

Pierwszy wysłany

Data pierwszego udostępnienia zapisu badania na stronie ClinicalTrials.gov po zakończeniu przeglądu kontroli jakości (QC) National Library of Medicine (NLM). Zwykle występuje kilkudniowe opóźnienie między datą przesłania dokumentacji badania przez sponsora badania lub badacza a datą pierwszego zaksięgowania.
24 stycznia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

Ostatnia wysłana aktualizacja

Najnowsza data udostępnienia zmian w rekordzie badania na stronie ClinicalTrials.gov. Może wystąpić opóźnienie między momentem przesłania zmian do ClinicalTrials.gov przez sponsora badania lub badacza (data ostatniego przesłania aktualizacji) a datą ostatniego opublikowania aktualizacji.
17 kwietnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

Najnowsza data, w której sponsor badania lub badacz przesłał zmiany w rekordzie badania, które są zgodne z kryteriami przeglądu kontroli jakości (QC) National Library of Medicine (NLM). Obowiązkiem sponsora lub badacza jest upewnienie się, że zapis badania jest zgodny z kryteriami przeglądu NLM QC.
16 kwietnia 2025

Ostatnia weryfikacja

Ostatnia weryfikacja

Najnowsza data, w której sponsor badania lub badacz potwierdził, że informacje o badaniu klinicznym na stronie ClinicalTrials.gov są dokładne i aktualne. Jeśli badanie ze statusem rekrutacji to rekrutacja; jeszcze nie rekrutacja; lub aktywny, brak rekrutacji nie został potwierdzony w ciągu ostatnich 2 lat, status rekrutacji do badania jest pokazany jako nieznany.
1 kwietnia 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Inne numery identyfikacyjne badania

Inne numery identyfikacyjne badania

Identyfikatory lub numery identyfikacyjne inne niż numer NCT, które są przypisane do badania klinicznego przez sponsora badania, podmioty finansujące lub inne osoby. Numery te mogą zawierać unikalne identyfikatory z innych rejestrów badań i numery grantów National Institutes of Health.
  • AI-agent

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Ustawienia plików cookie

Używamy plików cookie, aby zapewnić najlepszą jakość korzystania z naszej witryny. Aby uzyskać więcej informacji, przeczytaj uważnie naszą Politykę prywatności i pliki cookie. ...>>>Możesz zmienić swoje preferencje lub wycofać zgodę w dowolnym momencie, usuwając pliki cookie ze swojej strony internetowej lub komputera, zgodnie z opisem w polityce. Zaakceptuj go i wybierz swoje preferencje, zaznaczając odpowiednie pola w sekcji „Zarządzaj ustawieniami” poniżej. Przeczytaj uważnie nasze Warunki korzystania z usług, zanim zaczniesz korzystać z jakiejkolwiek części tej witryny.
«Zarządzaj ustawieniami