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

Sztuczna Inteligencja w Klinice Dziecięcej

28 czerwca 2021 zaktualizowane przez: Sijia Gu, Shanghai Jiao Tong University School of Medicine

Zastosowanie Sztucznej Inteligencji w Klinice Dziecięcej

W Chinach liczba usług medycznych dla dzieci jest wciąż daleko w tyle za rosnącym zapotrzebowaniem na opiekę zdrowotną dla dzieci. Zjawisko nocnych kolejek rodziców dzieci do rejestracji już nie dziwi. Wynika to ze wzrostu liczby dzieci i niedoboru talentów pediatrycznych. Na oddziale pediatrii liczba pacjentów wzrasta z roku na rok, ale pediatry brakuje od początku do końca. Oprócz opieki ambulatoryjnej pediatrzy w dużych szpitalach wykonują również operacje, badania naukowe i inne zadania. W efekcie wielu lekarzy musi zrezygnować z urlopów, co sprawia, że ​​są nieszczęśliwi i zmniejsza zapał do pracy. Długi czas oczekiwania w kolejce obniżał również zadowolenie pacjentów, powodując nasilenie konfliktu między lekarzami pediatrami a pacjentami.

Ten projekt badawczy ma na celu stworzenie zintegrowanego systemu człowiek-komputer i opracowanie nowego procesu diagnostycznego opartego na sztucznej inteligencji (AI). Funkcja systemu AI obejmuje głównie 3 aspekty. (1) Pacjent korzysta z aplikacji na telefon komórkowy z wbudowaną sztuczną inteligencją, która umożliwia mu wykonanie badania kontrolnego przed wizytą u lekarza. Program zadaje pacjentowi szereg pytań. Następnie na podstawie odpowiedzi pacjenta AI zaleci serię badań, z których wszystkie zostaną wcześniej sprawdzone przez lekarza. Po opłaceniu pacjent mógł od razu udać się na badanie. A więc mógł następnie udać się do lekarza z protokołem badania, co oszczędzi pacjentowi kłopotu stania w kolejce. (2) Jednocześnie system sztucznej inteligencji mógłby również zautomatyzować historię medyczną. W wolnym czasie pacjent uzupełniał historię samopomocy. System AI zbiera historię medyczną i automatycznie importuje ją do komputera lekarza. Głównym zadaniem lekarzy jest modyfikowanie historii medycznej generowanej przez sztuczną inteligencję. W pewnym stopniu odciąża lekarzy. (3) Podczas wizyty system AI automatycznie zbiera informacje z elektronicznej dokumentacji medycznej pacjenta i generuje ewentualną diagnozę. Ten proces jest bardzo pomocny dla młodszych lekarzy i może służyć jako wskazówka.

Krótko mówiąc, badanie to jest pomocne w skutecznym skróceniu czasu oczekiwania pacjentów i znacznie zwiększeniu ich doświadczenia medycznego. Zmniejszając intensywność pracy lekarzy, ambulatoryjna procedura naszego szpitala została skutecznie zoptymalizowana, aby w pewnym stopniu złagodzić niedobór pediatrów.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Szczegółowy opis

Opierając się na aplikacji mobilnej i oprogramowaniu komputerowym, osiągnąłby:

  1. Inteligentne wskazówki i dopasowanie działu;
  2. Inteligentne gromadzenie historii medycznej i generowanie dokumentacji medycznej AI;
  3. Automatycznie polecaj przedmioty do badania;
  4. Pomóż w diagnozie klinicznej i zasugeruj inteligentną diagnozę.

Typ studiów

Interwencyjne

Zapisy (Rzeczywisty)

626

Faza

  • Nie dotyczy

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Chiny
      • Shanghai, Chiny
        • Shanghai Children's Medical Center
    • Shanghai
      • Shanghai, Shanghai, Chiny, 200127
        • Shanghai Children's Medical Center, Shanghai Jiao Tong University School of Medicine

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

2 miesiące do 18 lat (Dziecko, Dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Opis

Kryteria przyjęcia:

Pacjenci w wieku od 2 miesięcy do 18 lat trafią na leczenie do dziecięcego centrum medycznego w Szanghaju.

Kryteria wyłączenia:

  1. Osoby, które nie zgadzają się na udział.
  2. Ludzi, którzy nie potrafią współpracować.
  3. Osoby, za którymi trudno nadążyć.

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: Brak (otwarta etykieta)

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: Pacjenci z rutynowym procesem obsługi ambulatoryjnej
Po rejestracji pacjent czeka w kolejce pod drzwiami gabinetu lekarskiego. Jego lekarz tradycyjnymi metodami ręcznie wprowadza dokumentację medyczną i samodzielnie stawia diagnozę. Następnie pacjent czeka w kolejce, aby zapłacić rachunek i ustawia się w kolejce do badania. Na koniec pacjent zanosił raport z badania do lekarza.
Inny: Rutynowy proces diagnostyczny
Pacjenci przestrzegają procedur rejestracji, oczekiwania, obecności, oczekiwania, badania, oczekiwania, obecności.
Eksperymentalny: Pacjenci z procesem obsługi ambulatoryjnej wspomaganej przez AI
Po rejestracji pacjent łączy swoje dane z aplikacją na telefon komórkowy poprzez numer ambulatoryjny. Po pierwsze, system AI zadałby pacjentowi serię pytań. Następnie dokonałby oceny na podstawie odpowiedzi pacjenta. System przesyła elementy badania do komputera lekarza i za zgodą lekarza odsyła elementy z powrotem do pacjenta. Pacjent mógł więc od razu udać się na badanie. Czekając na swoją kolej, pacjent ponownie wchodzi do programu telefonu, a system AI zbiera jego historię medyczną. Informacje są odsyłane do lekarza. Kiedy pacjent idzie do gabinetu z raportem z badania, komputer lekarza ma już jego dokumentację medyczną. Lekarz musi tylko dostosować historię do rzeczywistej sytuacji. Po napisaniu historii medycznej system AI mógł automatycznie postawić diagnozę. Lekarz na podstawie wyników AI i własnego osądu stawia kompleksową diagnozę.
Inny: Proces diagnozy wspomagany sztuczną inteligencją
Pacjenci postępują zgodnie z procedurami rejestracji, zalecanymi przez AI elementami badania, samoobsługowym zbieraniem historii medycznej, badaniem, oczekiwaniem, obecnością wspomaganą przez AI.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Oceń efektywność obu procesów
Ramy czasowe: do 1 miesiąca
Porównaj średni czas oczekiwania dla jednego pacjenta i średni czas wizyty dla jednego pacjenta.
do 1 miesiąca

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Oceń stopień zadowolenia pacjentów z procesów medycznych
Ramy czasowe: do 1 miesiąca
Kwestionariusz satysfakcji zostałby wykorzystany do porównania stopnia zadowolenia między dwoma procesami.
do 1 miesiąca
Pomiary ekonomiczne
Ramy czasowe: do 1 miesiąca
Wydawaj pieniądze na leczenie ambulatoryjne, wydawaj pieniądze na badania i in.
do 1 miesiąca
Wydajność pracy lekarzy
Ramy czasowe: do 1 miesiąca
Wykorzystując dane historyczne do porównań przed i po, aby porównać wpływ inteligentnego gromadzenia historii medycznej na czas wizyty każdego pacjenta.
do 1 miesiąca

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Shanghai Jiao Tong University School of Medicine

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

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)

21 marca 2020

Zakończenie podstawowe (Rzeczywisty)

29 czerwca 2021

Ukończenie studiów (Rzeczywisty)

29 czerwca 2021

Daty rejestracji na studia

Pierwszy przesłany

12 listopada 2019

Pierwszy przesłany, który spełnia kryteria kontroli jakości

2 grudnia 2019

Pierwszy wysłany (Rzeczywisty)

4 grudnia 2019

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

1 lipca 2021

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

28 czerwca 2021

Ostatnia weryfikacja

1 czerwca 2021

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Inne numery identyfikacyjne badania

  • SCMCIRB-K2019020-2

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

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 .

Subskrybuj