AI-Wspomagane Precyzyjne Podejmowanie Decyzji w Chorobach Trzustki

METODA: To wieloośrodkowe badanie kliniczne ocenia wiarygodność i skuteczność systemu sztucznej inteligencji dla pacjentów z chorobami trzustki w rzeczywistym środowisku klinicznym. Badanie oblicza dokładność klasyfikacji systemu AI przy użyciu diagnozy patologicznej (wyniki biopsji/zabiegu chirurgicznego) lub długoterminowej obserwacji jako „złotego standardu” do porównania. Dodatkowo bezpieczeństwo i użyteczność kliniczna strategii zarządzania zalecanych przez AI są oceniane poprzez pomiar ryzyka pominięcia zmian złośliwych, wskaźnika niepotrzebnych operacji w przypadku chorób trzustki oraz poziomu zgodności z tradycyjnymi decyzjami klinicznymi.

PROJEKT BADANIA

Wszystkie obrazy TK z kontrastem od pacjentów z chorobami trzustki są analizowane przez system AI w celu wygenerowania wyniku klasyfikacji (Interwencja, Intensywny Nadzór lub Rutynowy Nadzór). Jednocześnie kliniczni lekarze przeglądają te same dane i kategoryzują pacjentów do tych trzech grup w celu ustalenia ich rzeczywistego planu opieki:

1. INTERWENCJA: Pacjenci ocenieni przez lekarzy jako wymagający „Interwencji” są kierowani na dalszą ocenę chirurgiczną lub leczenie.
2. INTENSYWNY NADZÓR: Pacjenci ocenieni przez lekarzy jako wymagający „Intensywnego Nadzoru” otrzymują spersonalizowany, wysokoczęstotliwościowy plan obserwacji do końca badania.
3. RUTYNOWY NADZÓR: Pacjenci ocenieni przez lekarzy jako wymagający „Rutynowego Nadzoru” przechodzą obserwację przez co najmniej rok. Jeśli w tym okresie pojawią się nieprawidłowości, pacjent jest przenoszony do odpowiedniego protokołu „Interwencji” lub „Intensywnego Nadzoru”.

WYNIKI: Badanie porównuje wydajność systemu AI z klinicznymi lekarzami pod względem dokładności klasyfikacji, ryzyka błędów diagnostycznych, wskaźników niepotrzebnych operacji oraz spójności decyzji. Te metryki są używane do walidacji wartości, bezpieczeństwa i użyteczności systemu AI w klinicznym zarządzaniu chorobami trzustki.