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

Wsparcie sztucznej inteligencji (AI) w wezwaniach dotyczących udaru mózgu (AISMEC)

19 września 2025 zaktualizowane przez: Haukeland University Hospital

Wsparcie sztucznej inteligencji (AI) w wezwaniach związanych z udarem – „Badanie AISIS” – czy sztuczna inteligencja może poprawić precyzję w identyfikowaniu ostrego udaru w nagłych wezwaniach medycznych?

Każdego roku w Norwegii ponad 12 000 pacjentów cierpi na ostry udar mózgu, ale mniej niż połowa z nich trafia do szpitala w obecnym oknie leczenia trombolitycznego. Udar mózgu jest trzecią co do wielkości przyczyną zgonów i pierwszą przyczyną ciężkiego kalectwa wymagającego długotrwałej opieki w placówkach opiekuńczo-wychowawczych. W konsekwencji ma to duży wpływ na społeczeństwo, pacjentów i ich krewnych, a ponadto wiąże się z wysokimi kosztami opieki szacowanymi na około 10 miliardów NOK rocznie. Chociaż w Norwegii istnieje niewiele badań dotyczących centrów łączności ratownictwa medycznego (EMCC), niektóre wykazały, że można poprawić działanie centrów łączności ratownictwa medycznego. Projekt ten będzie miał na celu zmianę postępowania EMCC w przypadku zapytań dotyczących ostrego udaru za pomocą sztucznej inteligencji (AI), przyczyniając się w ten sposób do dostarczenia pacjenta do szpitala na czas w celu uzyskania optymalnego leczenia.

Przegląd badań

Status

Aktywny, nie rekrutujący

Warunki

Interwencja / Leczenie

Szczegółowy opis

W ramach tego projektu badacze będą gromadzić dane od wszystkich pacjentów po udarze wypisanych z Helse Bergen w 2019 roku (ok. 1000 pacjentów) za pośrednictwem Norweskiego Rejestru Udarów Mózgu (NSR). W przypadku tych pacjentów zostaną pobrane ustrukturyzowane dane szpitalne z Helse Bergen, a na ich podstawie oraz treści ustnego wezwania ratunkowego dotyczącego udaru badacze wykorzystają uczenie maszynowe do obliczenia ryzyka udaru. Połączenie historycznych danych szpitalnych ze słowami wypowiadanymi podczas wezwania pomocy w nowatorski sposób wzmacnia analizę wezwań w porównaniu z samą analizą dźwięku.

Po odzyskaniu i połączeniu danych pacjentów z udarem badacze szkolą głęboką sieć, korzystając z danych z 2019 roku. W związku z tym badania zostaną przeprowadzone na pacjentach z pierwszej połowy 2020 roku. Podział danych na trening, test i walidację zapewnia, że ​​nasza wyszkolona sieć nie jest nadmiernie dopasowana do danych treningowych i może odtworzyć podobne wyniki na wcześniej niewidzianych pacjentach. Na koniec badacze porównają wydajność sztucznej inteligencji z obecnym systemem poprzez analizy statystyczne danych z okresu około jednego roku użytkowania sztucznej inteligencji na żywo w AMK Bergen. Pozwoli nam to ocenić, w jakim stopniu system jest w stanie usprawnić proces decyzyjny operatorów EMCC pod względem wrażliwości i specyficzności.

Podsumowując, głównym celem jest zbudowanie solidnego, działającego prototypu systemu sztucznej inteligencji zdolnego do identyfikacji ostrego udaru w czasie rzeczywistym w celu lepszej oceny wezwań ratownictwa medycznego.

Naszymi drugorzędnymi celami są:

  • Wdrożenie systemu sztucznej inteligencji zdolnego do szybkiego przewidywania, czy pacjent cierpi na ostry udar, czy nie, w oparciu o dźwięk z połączenia alarmowego i dostępne źródła danych w dokumentacji szpitalnej
  • Udowodnienie, że systemy sztucznej inteligencji mogą być wykorzystywane do wspomagania i usprawniania procedury decyzyjnej operatora EMCC.

Oczekiwanym rezultatem jest szybkie dostarczenie (tj. sekundy) wyniki predykcji, aby pomóc operatorowi EMCC w rozpoznawaniu pacjentów z ostrym udarem, co zapewnia lepszą czułość i swoistość w porównaniu z samą oceną ręczną.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

1000

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Norwegia
    • Bergen
      • Bergen, Bergen, Norwegia, 5021
        • Haukeland Universitetssykehus, Kirurgisk serviceklinikk, Nasjonalt kompetansesenter for helsetjenestens kommunikasjonsberedskap

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

18 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

Wszystkie połączenia z numerem 113 w Bergen będą podlegać sztucznej inteligencji. Ostrzeżenie zostanie przekazane operatorowi EMCC, jeśli ryzyko udaru, przy połączeniu treści wezwania i danych historycznych w dokumentacji szpitalnej, przekroczy określony limit.

Opis

Kryteria przyjęcia:

  • Wszyscy dzwoniący pod numer ratownictwa medycznego 113 w Bergen

Kryteria wyłączenia:

  • Wiek <18 lat

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

  • Modele obserwacyjne: Tylko przypadek
  • Perspektywy czasowe: Spodziewany

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Rozpoznawanie udaru w wezwaniach ratownictwa medycznego
Ramy czasowe: 22 września - 23 września
Zdolność sztucznej inteligencji do rozpoznawania udaru mózgu w porównaniu z obecnym systemem
22 września - 23 września

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Haukeland University Hospital

Współpracownicy

Oslo University Hospital
Helse Vest
Western Norway University of Applied Sciences
The Norwegian Heart and Lung Patient Organization
Helsetjenestens driftsorganisasjon for nødnett HF (HDO)
The Norwegian Stroke Register

Śledczy

  • Dyrektor Studium: Guttorm Brattebo, Professor II, Haukeland University Hospital

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 września 2020

Zakończenie podstawowe (Szacowany)

31 sierpnia 2026

Ukończenie studiów (Szacowany)

31 sierpnia 2026

Daty rejestracji na studia

Pierwszy przesłany

23 listopada 2020

Pierwszy przesłany, który spełnia kryteria kontroli jakości

23 listopada 2020

Pierwszy wysłany (Rzeczywisty)

1 grudnia 2020

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

22 września 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

19 września 2025

Ostatnia weryfikacja

1 marca 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 108573

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Nie dotyczy na tym etapie.

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 .

Badania kliniczne na Sztuczna inteligencja w sytuacjach awaryjnych

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Oman

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj