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

Ocena wpływu klinicznego sztucznej inteligencji na niedobór żelaza

21 maja 2026 zaktualizowane przez: Yu-Hsin Chang, China Medical University Hospital

Ocena wpływu klinicznego klasyfikacji ryzyka opartej na uczeniu maszynowym z wykorzystaniem analizy krwi na wykrywanie niedoboru żelaza

Celem tego badania klinicznego jest ocena, czy oparty na sztucznej inteligencji system powiadomień o ryzyku zintegrowany z rutynową opieką kliniczną może poprawić kliniczne wykrywanie niedoboru żelaza u dorosłych pacjentów uczęszczających do klinik Medycyny Wewnętrznej, Medycyny Rodzinnej oraz Hematologii/Onkologii w Szpitalu Uniwersytetu Medycznego w Chinach na Tajwanie.

Główne pytania, na które to badanie ma odpowiedzieć, to:

  1. Czy wyświetlanie lekarzom klasyfikacji ryzyka niedoboru żelaza generowanej przez sztuczną inteligencję zwiększa ogólną wykrywalność niedoboru żelaza na poziomie populacji?
  2. Czy powiadomienie o ryzyku oparte na sztucznej inteligencji wpływa na zachowania diagnostyczne lekarzy, zwiększając częstość zlecania badania ferrytyny w szczególności w przypadku podejrzenia niedoboru żelaza?
  3. Wśród badań ferrytyny zleconych z powodu podejrzenia niedoboru żelaza, czy wydajność diagnostyczna (wskaźnik pozytywności) pozostaje odpowiednia, odzwierciedlając efektywne wykorzystanie zasobów testowych?
  4. Czy efekty interwencji wspomaganej sztuczną inteligencją są spójne wśród pacjentów z anemią i bez anemii?

Grupy porównawcze Badacze porównają spotkania kliniczne, w których lekarze otrzymują informacje o ryzyku niedoboru żelaza generowane przez sztuczną inteligencję (grupa z monitem), ze spotkaniami, w których lekarze otrzymują standardowe wyniki laboratoryjne bez wyświetlania ryzyka przez sztuczną inteligencję (grupa kontrolna). Porównanie koncentruje się na różnicach w wykrywaniu niedoboru żelaza, zachowaniach związanych z zlecaniem badania ferrytyny w przypadku podejrzenia niedoboru żelaza oraz wydajności diagnostycznej.

Doświadczenia uczestników

  1. Brak dodatkowych procedur:

    Ponieważ jest to pragmatyczne badanie włączone w rutynową opiekę kliniczną, uczestnicy nie będą poddawani żadnym dodatkowym pobraniom krwi, procedurom inwazyjnym ani wizytom klinicznym poza standardową opieką.

  2. Tylko rutynowa opieka:

    Pacjenci uczestniczą w zaplanowanych wizytach ambulatoryjnych i otrzymują badanie morfologii krwi (CBC) zlecone przez lekarza prowadzącego, niezależnie od udziału w badaniu.

  3. Integracja danych w tle:

    System sztucznej inteligencji działa w ramach systemu informatycznego szpitala, analizując rutynowo gromadzone dane CBC po uzyskaniu wyników. Nie jest wymagane żadne dodatkowe wprowadzanie danych ani działania ze strony pacjentów.

  4. Zachowana autonomia lekarza:

Sztuczna inteligencja zapewnia nieobowiązkową klasyfikację ryzyka jako wsparcie decyzyjne. W przypadku pacjentów zidentyfikowanych jako wysokiego ryzyka system może wyświetlić informacyjny monit sugerujący rozważenie badania związanego z żelazem, jeśli nie znaleziono żadnego niedawnego badania. Wszystkie decyzje diagnostyczne i terapeutyczne pozostają całkowicie w gestii lekarza prowadzącego.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Szczegółowy opis: Powiadomienie o ryzyku niedoboru żelaza oparte na uczeniu maszynowym

  1. Przegląd i projekt badania Jest to jednoośrodkowe, prospektywne, pragmatyczne randomizowane badanie kontrolowane (pRCT) przeprowadzone w China Medical University Hospital (CMUH) na Tajwanie. Badanie ma na celu ocenę wpływu klinicznego narzędzia wspomagania decyzji klinicznych opartego na uczeniu maszynowym na wykrywanie niedoboru żelaza i związane z nim zachowania diagnostyczne w rzeczywistych warunkach ambulatoryjnych.

    W przeciwieństwie do tradycyjnych badań eksplanacyjnych z restrykcyjnymi protokołami, ten pragmatyczny projekt bezpośrednio integruje interwencję z istniejącym systemem Elektronicznej Dokumentacji Medycznej (EHR).

  2. Populacja uczestników

    Badanie obejmuje dorosłych pacjentów (w wieku 18 lat lub starszych) otrzymujących opiekę ambulatoryjną w następujących oddziałach CMUH:

    1. Oddział Chorób Wewnętrznych Ogólnych
    2. Katedra Medycyny Rodzinnej
    3. Oddział Hematologii i Onkologii

    Wszystkie kwalifikujące się wizyty ambulatoryjne, w których rutynowe badanie morfologii krwi (CBC) jest wykonywane jako część standardowej opieki klinicznej, są włączone. Do udziału w badaniu nie są wymagane żadne dodatkowe badania ani procedury.

  3. Interwencja AI i przepływ pracy klinicznej

    Model AI użyty w tym badaniu szacuje ryzyko niedoboru żelaza na podstawie rutynowo dostępnych parametrów CBC. Randomizacja i interwencja następują automatycznie w systemie EHR po udostępnieniu wyników CBC.

    Randomizacja:

    Po wykonaniu CBC, każde kwalifikujące się spotkanie jest automatycznie przypisywane, zgodnie z predefiniowanym mechanizmem randomizacji, do grupy Prompt lub grupy Kontrolnej. Randomizacja następuje przed przeglądem wyników laboratoryjnych przez lekarza.

    Grupa Prompt (Interwencja):

    Lekarzom wyświetlana jest informacyjna "Wskazówka Ryzyka AI", kategoryzująca pacjenta jako wysokiego lub niskiego ryzyka niedoboru żelaza, wyświetlana w interfejsie wyników laboratoryjnych. Dla pacjentów zaklasyfikowanych jako wysokie ryzyko, system automatycznie sprawdza, czy w ciągu ostatnich 30 dni wykonano badania związane z żelazem. Jeśli nie zidentyfikowano ostatnich badań, informacyjny monit sugeruje rozważenie laboratoryjnej oceny związanej z żelazem.

    Grupa Kontrolna:

    Lekarze przeglądają wyniki laboratoryjne zgodnie z zwykłą praktyką kliniczną, bez wyświetlania informacji o ryzyku generowanych przez AI lub monitów.

    Niezależność kliniczna:

    System AI funkcjonuje wyłącznie jako narzędzie wspomagania decyzji. Nie generuje zleceń, nie nakazuje testów ani nie zaleca konkretnych metod leczenia. Wszystkie decyzje kliniczne, w tym czy zlecić dalsze badania żelaza (np. ferrytynę lub inne wskaźniki żelaza), pozostają całkowicie w gestii lekarza prowadzącego.

  4. Miary wyników

    4.1 Wynik pierwszorzędowy:

    Ogólny wskaźnik wykrywania niedoboru żelaza, zdefiniowany jako odsetek pacjentów zidentyfikowanych jako mających niedobór żelaza wśród wszystkich kwalifikujących się spotkań.

    4.2 Wyniki drugorzędowe: 4.2.1 Wskaźnik wykrywania niedoboru żelaza wśród pacjentów z niedokrwistością Odsetek pacjentów z niedokrwistością, u których następnie potwierdzono niedobór żelaza wśród wszystkich pacjentów z niedokrwistością włączonych do badania.

    4.2.2 Wskaźnik wykrywania niedoboru żelaza wśród pacjentów bez niedokrwistości Odsetek pacjentów bez niedokrwistości, u których następnie potwierdzono niedobór żelaza wśród wszystkich pacjentów bez niedokrwistości włączonych do badania.

    4.2.3 Wskaźnik testowania ferrytyny dla podejrzenia niedoboru żelaza, zdefiniowany jako odsetek spotkań, w których zlecono badanie ferrytyny ze wskazaniem "potwierdzenie niedoboru żelaza" w ciągu 1 miesiąca po udostępnieniu raportu CBC.

    4.2.4 Krańcowa wydajność diagnostyczna testowania ferrytyny przypisywalna monitom wspomaganym przez AI Ta miara odzwierciedla średnią dodatkową liczbę rozpoznań niedoboru żelaza uzyskaną na każdy dodatkowy test ferrytyny przypisywalny wspomaganiu decyzji przez AI, zdefiniowana jako różnica w potwierdzonych rozpoznaniach między grupą wspomaganą przez AI a grupą kontrolną podzielona przez różnicę w zleconych testach ferrytyny między obiema grupami.

    4.2.5 Przyrostowa efektywność kosztowa wykrywania niedoboru żelaza wspomaganego przez AI Ten wynik reprezentuje dodatkowy koszt wymagany do zidentyfikowania jednego dodatkowego przypadku niedoboru żelaza przypisywalnego wspomaganiu decyzji przez AI.

  5. Łagodzenie ryzyka i rozważania etyczne Ten wynik reprezentuje dodatkowy koszt wymagany do zidentyfikowania jednego dodatkowego przypadku niedoboru żelaza przypisywalnego wspomaganiu decyzji przez AI, obliczony jako różnica w kosztach testowania ferrytyny między grupą wspomaganą przez AI a grupą kontrolną podzielona przez różnicę w potwierdzonych rozpoznaniach niedoboru żelaza między obiema grupami.

Prywatność danych:

Wszystkie przetwarzanie i analiza danych są przeprowadzane w bezpiecznych wewnętrznych systemach CMUH zgodnie z politykami instytucjonalnymi i lokalnymi wymaganiami regulacyjnymi. Żadne identyfikowalne dane pacjentów nie są przesyłane poza środowisko szpitalne.

Typ studiów

Interwencyjne

Zapisy (Szacowany)

2196

Faza

  • Nie dotyczy

Kontakty i lokalizacje

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

Lokalizacje studiów

      • Taichung, Tajwan, 404
        • Rekrutacyjny
        • China Medical University Hospital
        • 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

Wiek uprawniający do nauki

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Opis

Kryteria włączenia:

  1. Dorośli w wieku 18 lat lub starsi.
  2. Pacjenci uczęszczający do poradni ambulatoryjnych uczestniczących oddziałów, w tym 2.1. Chorób Wewnętrznych, 2.2 Medycyny Rodzinnej 2.3. Hematologii/Onkologii
  3. Wykonanie rutynowej morfologii krwi (CBC) jako część zwykłej opieki klinicznej podczas wizyty ambulatoryjnej.
  4. Dostępność raportu CBC w instytucjonalnym systemie informacji laboratoryjnej, umożliwiająca wystarczające dane do analizy.

Kryteria wykluczenia:

  1. Wizyty z brakującymi lub niekompletnymi kluczowymi identyfikatorami (np. numer identyfikacyjny pacjenta), które uniemożliwiają określenie statusu narażenia (informacje AI wyświetlane vs niewyświetlane) lub ocenę wyników w zdefiniowanym okresie obserwacji.
  2. Wizyty bez prawidłowego kodu oddziału wymaganego przez system informatyczny do uruchomienia mechanizmu randomizacji i wyświetlania ryzyka AI.
  3. Wizyty z niekompletnymi lub brakującymi danymi laboratoryjnymi wymaganymi do aktywacji systemu AI.
  4. Powtarzające się wizyty z CBC od tego samego pacjenta w okresie badania, jeśli dotyczy; tylko pierwsza kwalifikująca się wizyta zostanie uwzględniona, aby uniknąć duplikacji.

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

  • Główny cel: Badania usług zdrowotnych
  • Przydział: Randomizowane
  • Model interwencyjny: Przydział równoległy
  • Maskowanie: Podwójnie

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Brak interwencji: Kontrola
Eksperymentalny: Wyświetlacz AI
Uczestnicy w tej grupie otrzymują wygenerowane przez AI informacje pokazujące ich wysokie lub niskie ryzyko niedoboru żelaza, aby wspomóc podejmowanie decyzji klinicznych. Dla uczestników zidentyfikowanych jako wysokiego ryzyka system automatycznie sprawdza, czy w ciągu ostatnich 30 dni wykonano badania związane z żelazem i alarmuje lekarza, jeśli nie znaleziono żadnych ostatnich badań. Ostateczna decyzja o zleceniu jakichkolwiek badań pozostaje w gestii lekarza.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Wskaźnik wykrywalności niedoboru żelaza
Ramy czasowe: W ciągu 1 miesiąca od udostępnienia wyniku morfologii krwi

Głównym wynikiem jest odsetek pacjentów z potwierdzonym laboratoryjnie niedoborem żelaza, zidentyfikowanym podczas rutynowej opieki klinicznej.

Niedobór żelaza jest określany na podstawie rutynowych badań laboratoryjnych związanych z żelazem, takich jak ferrytyna, zleconych przez lekarza prowadzącego zgodnie z obowiązującą praktyką kliniczną.

Wskaźnik wykrywalności jest obliczany jako liczba pacjentów z rozpoznanym niedoborem żelaza podzielona przez całkowitą liczbę pacjentów poddanych badaniu morfologii krwi w okresie badania.

W ciągu 1 miesiąca od udostępnienia wyniku morfologii krwi

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Wskaźnik wykrywania niedoboru żelaza u pacjentów z anemią
Ramy czasowe: W ciągu 1 miesiąca po udostępnieniu wyniku morfologii krwi
Odsetek pacjentów z niedokrwistością, u których następnie stwierdza się niedobór żelaza na podstawie standardowych badań laboratoryjnych związanych z żelazem, zleconych podczas rutynowej opieki klinicznej.
W ciągu 1 miesiąca po udostępnieniu wyniku morfologii krwi
Wskaźnik wykrywania niedoboru żelaza u pacjentów bez anemii
Ramy czasowe: W ciągu 1 miesiąca po udostępnieniu wyniku morfologii krwi
Odsetek pacjentów bez niedokrwistości, u których na podstawie standardowych badań laboratoryjnych związanych z żelazem, zleconych w ramach rutynowej opieki klinicznej, stwierdza się niedobór żelaza.
W ciągu 1 miesiąca po udostępnieniu wyniku morfologii krwi
Wskaźnik laboratoryjnych badań żelaza w podejrzeniu niedoboru żelaza
Ramy czasowe: W ciągu 1 miesiąca po udostępnieniu wyniku morfologii krwi (CBC)
Odsetek kwalifikujących się wizyt, w których zlecono badania laboratoryjne związane z żelazem z wskazaniem "w celu potwierdzenia niedoboru żelaza" w ciągu 1 miesiąca od momentu udostępnienia wyniku morfologii krwi.
W ciągu 1 miesiąca po udostępnieniu wyniku morfologii krwi (CBC)
Przyrostowy stosunek kosztów do skuteczności
Ramy czasowe: W ciągu 1 miesiąca od momentu udostępnienia wyniku morfologii krwi
Wskaźnik przyrostowej efektywności kosztowej został zdefiniowany jako różnica w całkowitych kosztach badań laboratoryjnych związanych z żelazem między grupą wspomaganą SI a grupą kontrolną, podzielona przez różnicę w liczbie potwierdzonych przypadków niedoboru żelaza zidentyfikowanych między obiema grupami.
W ciągu 1 miesiąca od momentu udostępnienia wyniku morfologii krwi
Przyrost liczby potwierdzonych rozpoznań niedoboru żelaza na dodatkowe laboratoryjne badanie żelaza przypisywane wsparciu decyzyjnemu wspomaganemu sztuczną inteligencją
Ramy czasowe: W ciągu 1 miesiąca od momentu udostępnienia wyniku morfologii krwi (CBC)
Przyrostową wydajność diagnostyczną zdefiniowano jako różnicę liczby potwierdzonych przypadków niedoboru żelaza między grupą wspieraną przez AI a grupą kontrolną, podzieloną przez różnicę liczby zleconych badań laboratoryjnych związanych z żelazem między tymi dwiema grupami.
Miara ta odzwierciedla średnią dodatkową liczbę diagnoz uzyskaną na każde dodatkowe badanie przypisywane wsparciu ryzyka przez AI.
W ciągu 1 miesiąca od momentu udostępnienia wyniku morfologii krwi (CBC)

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

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)

1 kwietnia 2026

Zakończenie podstawowe (Szacowany)

31 grudnia 2026

Ukończenie studiów (Szacowany)

1 marca 2027

Daty rejestracji na studia

Pierwszy przesłany

30 stycznia 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

30 stycznia 2026

Pierwszy wysłany (Rzeczywisty)

6 lutego 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

26 maja 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

21 maja 2026

Ostatnia weryfikacja

1 maja 2026

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • CMUH115-REC2-004

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

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 .