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

Produkcja genotypu napędzana przez AI za pomocą EHR i danych multimodalnych

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

Przewidywanie genotypów pacjentów za pomocą elektronicznych dokumentacji medycznej i danych multimodalnych za pośrednictwem modeli opartych na AI

Celem tego badania klinicznego jest zbadanie potencjału wykorzystania elektronicznych dokumentacji zdrowia (EHR) i danych multimodalnych (takich jak obrazowanie, wyniki laboratorium i historia kliniczna) w celu przewidzenia genotypu pacjenta. Badanie oceni, czy modele predykcyjne oparte na tych danych niegenetycznych mogą dokładnie wywnioskować informację genetyczną, co tradycyjnie wymaga bezpośrednich testów genetycznych.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Celem tego wieloośrodkowego, retrospektywnego badania klinicznego jest ocena wykorzystania elektronicznej dokumentacji medycznej (EHR) i danych multimodalnych (takich jak wyniki badań laboratoryjnych, dane obrazowe i historia choroby) w przewidywaniu genotypu pacjenta. Podstawowym celem badania jest opracowanie modelu predykcyjnego opartego na sztucznej inteligencji, który może wnioskować o informacjach genetycznych poprzez analizę dostępnych danych na temat zdrowia, eliminując potrzebę bezpośrednich testów genetycznych. Model sztucznej inteligencji zostanie przeszkolony w zakresie przetwarzania i integrowania dużych zbiorów danych, w tym EHR, wyniki badań laboratoryjnych i dane obrazowe, takie jak zdjęcia rentgenowskie, rezonans magnetyczny i ultradźwięki, w celu przewidzenia informacji genotypowych. W badaniu porównane zostaną przewidywania oparte na sztucznej inteligencji z rzeczywistymi wynikami testów genetycznych, aby ocenić dokładność modelu. Jeśli metoda ta się powiedzie, może stać się nieinwazyjnym i opłacalnym narzędziem do przewidywania genotypu, które będzie można zastosować w medycynie personalizowanej, wczesnej diagnostyce chorób i stratyfikacji ryzyka. W ramach badania uczestnicy nie będą poddawani żadnym testom genetycznym. Zamiast tego ich historyczne dane medyczne zostaną przeanalizowane przez system sztucznej inteligencji w celu przewidzenia informacji genetycznych i powiązanego ryzyka chorób. W badaniu oceniona zostanie zdolność modelu do przewidywania genetycznych predyspozycji do różnych schorzeń w oparciu o dostępne dane dotyczące zdrowia. W ten sposób badanie ma na celu zwiększenie wykorzystania sztucznej inteligencji w podejmowaniu decyzji klinicznych i diagnostyce genetycznej.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

100000

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
        • Kontakt:
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Sun Yat-sen University Cancer Hospital
        • Kontakt:
    • Zhejiang
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • Second Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, Chiny
        • Zakończony
        • First Affiliated Hospital of Wenzhou Medical University

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

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Populacja badana zostanie wybrana spośród wielu ośrodków opieki zdrowotnej, które prowadzą kompleksową elektroniczną dokumentację medyczną (EHR) i mają dostęp do multimodalnych danych klinicznych, w tym wyników badań laboratoryjnych, obrazowania medycznego (np. zdjęć rentgenowskich, rezonansu magnetycznego, tomografii komputerowej) i historii choroby. Uczestnikami będą osoby cierpiące na różne schorzenia, w przypadku których istotne są informacje o genotypie, chociaż do selekcji nie zostaną wykorzystane żadne szczególne cechy genetyczne. Nacisk zostanie położony na wykorzystanie dostępnych danych na temat zdrowia do przewidywania informacji genetycznych za pomocą modelu sztucznej inteligencji. Celem badania jest ocena dokładności i użyteczności wykorzystania danych niegenetycznych, takich jak EHR i obrazowanie multimodalne, do przewidywania genotypów pacjentów, co może stanowić alternatywne podejście do tradycyjnych metod badań genetycznych.

Opis

Kryteria włączenia:

  1. Uczestnicy muszą mieć kompleksową elektroniczną dokumentację medyczną (EHR), w tym historię medyczną, wyniki laboratoryjne i odpowiednie dane obrazowania (np. Ryceny rentgenowskie, MRI, skany CT).
  2. Uczestnicy muszą mieć istniejące dane dotyczące testów genetycznych do porównania, jeśli dotyczy.
  3. Uczestnicy muszą być gotowi wyrazić zgodę na wykorzystanie swoich danych zdrowotnych w badaniu.
  4. Uczestnicy nie muszą mieć aktywnej interwencji związanej z badaniami genetycznymi lub prognozą w okresie badania.
  5. Uczestnicy powinni mieć pełne i możliwe do zweryfikowania dane zdrowotne, aby umożliwić dokładne przewidywanie przez model AI.

Kryteria wykluczenia:

  1. Uczestnicy bez dostępnych EHR, wyników badań laboratoryjnych lub danych obrazowych.
  2. Uczestnicy z niejednoznacznymi, niedokładnymi lub niemożliwymi do sprawdzenia wynikami badań genetycznych, których nie można wykorzystać do porównania.
  3. Pacjenci, u których występują znaczące rozbieżności lub brakujące dane, które uniemożliwiają modelowi sztucznej inteligencji dokonanie dokładnych przewidywań.

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
Interwencja / Leczenie
Przewidywanie genotypu w oparciu o sztuczną inteligencję przy użyciu danych EHR i multimodalnych
Ta kohorta składa się z pacjentów, których historyczne dane dotyczące zdrowia, w tym elektroniczna dokumentacja zdrowia (EHR), wyniki laboratoriów klinicznych i dane z obrazowania multimodalnego (takie jak zdjęcia rentgenowskie, rezonans magnetyczny i tomografia komputerowa) zostaną przeanalizowane za pomocą modelu predykcyjnego opartego na sztucznej inteligencji przewidzieć ich genotyp. W tej kohorcie nie prowadzono żadnych aktywnych interwencji, ponieważ badanie ma na celu wykorzystanie niegenetycznych danych dotyczących zdrowia do wnioskowania o informacjach genetycznych. Uczestnicy nie zostaną poddani testom genetycznym, ale udostępnią dane dotyczące swojego zdrowia do analizy przez system sztucznej inteligencji. Celem tej grupy jest ocena trafności modelu AI w przewidywaniu genotypów i identyfikowaniu predyspozycji genetycznych do różnych chorób na podstawie dostępnych danych zdrowotnych.
Inny: Model przewidywania AI
Interwencja w tym badaniu obejmuje model predykcyjny oparty na sztucznej inteligencji, zaprojektowany do analizowania i integrowania elektronicznej dokumentacji zdrowotnej pacjenta (EHR), wyników laboratorium klinicznego i danych z obrazowania multimodalnego (np. zdjęć rentgenowskich, rezonansu magnetycznego, tomografii komputerowej). Model sztucznej inteligencji jest szkolony w zakresie przewidywania genotypu pacjenta na podstawie tych niegenetycznych źródeł danych. Model ten wykorzystuje algorytmy uczenia maszynowego do wykrywania wzorców i wnioskowania o informacjach genetycznych, które tradycyjnie wymagałyby bezpośrednich testów genetycznych. Ta interwencja nie obejmuje aktywnych metod leczenia ani testów genetycznych; system sztucznej inteligencji służy raczej jako narzędzie do przewidywania informacji genetycznych na podstawie dostępnych danych klinicznych, oferując nieinwazyjną i potencjalnie bardziej dostępną alternatywę dla testów genetycznych.

Co mierzy badanie?

Podstawowe miary wyniku

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

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

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)

1 lipca 2023

Zakończenie podstawowe (Szacowany)

1 czerwca 2025

Ukończenie studiów (Szacowany)

1 czerwca 2025

Daty rejestracji na studia

Pierwszy przesłany

19 stycznia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

19 stycznia 2025

Pierwszy wysłany (Rzeczywisty)

24 stycznia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

17 kwietnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

16 kwietnia 2025

Ostatnia weryfikacja

1 kwietnia 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Inne numery identyfikacyjne badania

  • Genotype

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 .

Subskrybuj