Poprawa Wydajności Patologa Wspomagana Sztuczną Inteligencją: Wieloośrodkowe, Prospektywne, Randomizowane Badanie Kontrolowane
Wspomagana sztuczną inteligencją poprawa wydajności patologów w zadaniach diagnostycznych: wieloośrodkowe, prospektywne, randomizowane badanie kontrolowane
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Faza
Faza
- Nie dotyczy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Guangdong
-
Guangzhou, Guangdong, Chiny, 510515
- Nanfang Hospital, Southern Medical University
-
-
Henan
-
Zhengzhou, Henan, Chiny
- The First Affiliated Hospital of Zhengzhou University
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria włączenia:
- Płeć: ≥ 18 lat;
- Pacjenci poddani biopsji błony śluzowej żołądka lub chirurgicznej resekcji raka żołądka, z dostępnymi cyfrowymi obrazami patologicznymi i informacjami klinicznymi.
Kryteria wykluczenia:
1.Brakujące dane lub dane o niewystarczającej jakości do analizy
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Inny
- Przydział: Randomizowane
- Model interwencyjny: Zadanie krzyżowe
- Maskowanie: Pojedynczy
Liczba ramion
Broń i interwencje
Grupa uczestników / ArmGrupa uczestników / Arm |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
Eksperymentalny: Grupa wspomagana sztuczną inteligencją
Lekarze w tej grupie są zobowiązani do korzystania z modelu diagnostycznego patologii AI w celu wsparcia diagnoz.
Model patologii AI dostarczy przewidywany wynik dla każdego przypadku.
|
Lekarze w tej grupie są zobowiązani do korzystania z modelu patologii AI w celu wsparcia diagnoz.
Model patologii AI dostarczy przewidywany wynik dla każdego przypadku.
|
|
Komparator placebo: Niezależna Grupa Diagnostyczna (Grupa Kontrolna)
W tej grupie patolodzy niezależnie zdiagnozują każdy przypadek w oparciu o własne doświadczenie kliniczne, zarejestrując zarówno czas potrzebny na postawienie diagnozy, jak i swoją pewność diagnostyczną.
|
Patolodzy będą niezależnie diagnozować każdy przypadek w oparciu o własne doświadczenie kliniczne i będą rejestrować zarówno czas potrzebny na postawienie diagnozy, jak i poziom pewności swojej diagnozy.
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Pole pod krzywą ROC (AUC)
Ramy czasowe: Oceny zostaną przeprowadzone w ciągu tygodnia od postawienia diagnozy przez lekarzy.
|
Pole pod krzywą
|
Oceny zostaną przeprowadzone w ciągu tygodnia od postawienia diagnozy przez lekarzy.
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Czas diagnostyczny na przypadek
Ramy czasowe: Zmierzono bezpośrednio po diagnozie lekarza.
|
Czas potrzebny patologowi na postawienie diagnozy w każdym przypadku w grupie z diagnozą wspomaganą sztuczną inteligencją w porównaniu z grupą z diagnozą niezależną.
Czas diagnozy definiuje się jako okres (w minutach/sekundach) od rozpoczęcia przeglądu przypadku do sfinalizowania i przesłania raportu diagnostycznego w systemie badania
|
Zmierzono bezpośrednio po diagnozie lekarza.
|
|
Jakość raportu diagnostycznego
Ramy czasowe: W ciągu 1 tygodnia po wstępnej diagnozie dla każdego przypadku.
|
Ocena jakości raportów diagnostycznych patologii w grupie diagnoz wspomaganych sztuczną inteligencją w porównaniu z grupą diagnoz niezależnych.
Jakość raportów będzie oceniana przez niezależny panel ekspertów patologów przy użyciu wcześniej zdefiniowanej skali ocen (np. skala 0-100), biorąc pod uwagę dokładność diagnostyczną, kompletność, klarowność i strukturę raportu.
Wyższe wyniki wskazują na lepszą jakość raportu.
|
W ciągu 1 tygodnia po wstępnej diagnozie dla każdego przypadku.
|
|
Pewność diagnostyczna patologów
Ramy czasowe: W momencie diagnozy dla każdego przypadku.
|
Zgłaszana przez siebie pewność diagnostyczna patologów dla każdego przypadku w grupie diagnozowania wspomaganego sztuczną inteligencją w porównaniu z grupą diagnozowania niezależnego.
Pewność diagnostyczna będzie oceniana przez raportującego patologa w [5]-punktowej skali Likerta (np. 1 = bardzo niepewny do 5 = bardzo pewny) bezpośrednio po postawieniu diagnozy.
Wyższe wyniki wskazują na większą pewność diagnostyczną.
|
W momencie diagnozy dla każdego przypadku.
|
|
Zadowolenie patologów z modelu patologii AI
Ramy czasowe: Oceniano jednorazowo na koniec okresu odczytu wspomaganego sztuczną inteligencją dla każdego patologa.
|
Ogólne zadowolenie patologów z modelu diagnostycznego patologii AI pod względem użyteczności i postrzeganej skuteczności.
Zadowolenie będzie oceniane za pomocą ustrukturyzowanego kwestionariusza zawierającego pozycje w skali Likerta, które oceniają łatwość użycia, integrację z przepływem pracy, przejrzystość wyników AI, postrzegany wpływ na efektywność diagnostyczną oraz postrzegany wpływ na dokładność diagnostyczną i pewność siebie.
Wyższe wyniki wskazują na większe zadowolenie, lepszą użyteczność i większą postrzeganą skuteczność.
|
Oceniano jednorazowo na koniec okresu odczytu wspomaganego sztuczną inteligencją dla każdego patologa.
|
Współpracownicy i badacze
Sponsor
Sponsor
Śledczy
Śledczy
- Dyrektor Studium: Li Liang, Nanfang Hospital, Southern Medical University
Publikacje i pomocne linki
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- NFEC-2025-653
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 .