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

Sztuczna Inteligencja (AI) - Wzmocniony Proces Wstępnej Recenzji Rówieśniczej w celu Poprawy Bezpieczeństwa Pacjentów w Radioterapii Onkologicznej

27 kwietnia 2026 zaktualizowane przez: UNC Lineberger Comprehensive Cancer Center

Rozwój i ocena sztucznej inteligencji (AI) wspomagającego proces przedleczenia przez recenzentów w celu poprawy bezpieczeństwa pacjentów w radioterapii onkologicznej

To prospektywne badanie przetestuje narzędzia wsparcia decyzji oparte na sztucznej inteligencji (AI) i uczeniu maszynowym (ML). To narzędzie ma pomagać lekarzom, fizykom i innym pracownikom podczas przeglądu koleżeńskiego przed leczeniem, czyli etapu, na którym plany leczenia są sprawdzane przed rozpoczęciem opieki nad pacjentem.

System podkreśla podsumowania pokazujące, jak różni dostawcy mogą się różnić w planowaniu leczenia (podsumowania zmienności dostawców) i wskazuje najlepsze sygnały lub znaki ostrzegawcze, na które należy zwrócić uwagę (optymalne wskazówki). Zwracając uwagę na te wzorce i wskazówki, narzędzie ma na celu pomoc recenzentom w wcześniejszym wykrywaniu możliwych błędów w planowaniu leczenia, zmniejszeniu ryzyka pomyłek i poprawie ogólnego bezpieczeństwa pacjentów.

Przegląd badań

Status

Jeszcze nie rekrutacja

Warunki

Interwencja / Leczenie

Szczegółowy opis

W miarę jak radioterapia (RT) staje się coraz bardziej złożona, rośnie liczba możliwych ścieżek błędów. Recenzja koleżeńska wspierana sztuczną inteligencją może pomóc w wychwyceniu błędów, które w innym przypadku mogłyby pozostać niezauważone, oraz promować spójne i sprawiedliwe standardy bezpieczeństwa zarówno w klinikach wiejskich, jak i miejskich.

Radioterapia (RT) jest stosowana u około 50% pacjentów z nowotworami i zazwyczaj prowadzona jest w warunkach ambulatoryjnych. Nowocześniejsze technologie, takie jak radioterapia z modulacją intensywności (IMRT), wolumetryczna terapia łukowa z modulacją (VMAT) oraz radioterapia z wizualizacją (IGRT), poprawiają leczenie poprzez lepszą ochronę zdrowych tkanek i wyższe dawki w obszarach docelowych. Jednak są one bardziej złożone i wymagają bardzo precyzyjnego określenia celów nowotworowych oraz zdrowych tkanek. Nawet niewielkie błędy w wyznaczaniu tych obszarów mogą prowadzić do niedoleczenia guza lub przeleczenia zdrowej tkanki. Badania pokazują, że błędy w definiowaniu obszarów docelowych wzrosły we współczesnej radioterapii onkologicznej. Ponieważ te zabiegi są bardziej wymagające poznawczo, ryzyko błędów w planowaniu wzrosło, a w niektórych przypadkach błędy mogą powodować poważne szkody.

Recenzja koleżeńska przed leczeniem, w której multidyscyplinarny zespół ocenia plan leczenia przed rozpoczęciem terapii, jest ważnym krokiem bezpieczeństwa i jest mocno zalecana. Jest najbardziej skuteczna, gdy przeprowadza się ją przed rozpoczęciem leczenia, ponieważ wprowadzanie poprawek później może powodować opóźnienia w leczeniu, pośpieszne zmiany i dodane potencjalne ryzyko dla bezpieczeństwa pacjenta jest znaczące.

Ze względu na rosnącą złożoność i obciążenie pracą, istnieje potrzeba wzmocnienia i częściowej automatyzacji recenzji koleżeńskiej przed leczeniem. Narzędzia wspomagania decyzji AI/ML mogą pomóc, podsumowując kluczowe informacje, podkreślając nietypowe cechy planu i zwracając uwagę na obszary potencjalnego ryzyka. Te narzędzia nie podejmują decyzji terapeutycznych. Zamiast tego dostarczają analizy i wizualne podsumowania, aby wspierać klinicystów i redukować obciążenie poznawcze.

Ponieważ narzędzie podkreśla również różnice w sposobie planowania leczenia przez dostawców, może pomóc w identyfikacji różnic w opiece i zwrócić uwagę na potencjalne nierówności zdrowotne, wspierając przyszłe wysiłki na rzecz poprawy równości w radioterapii onkologicznej.

Typ studiów

Interwencyjne

Zapisy (Szacowany)

207

Faza

  • Nie dotyczy

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Kopia zapasowa kontaktu do badania

Lokalizacje studiów

  • Stany Zjednoczone
    • North Carolina
      • Chapel Hill, North Carolina, Stany Zjednoczone, 27599
        • University of North Carolina at Chapel Hill, Department of Radiation Oncology
        • Kontakt:
        • Główny śledczy:
          • Lukasz Mazur, PhD

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

Tak

Opis

Aby wziąć udział w tym badaniu, uczestnik musi spełnić wszystkie kryteria kwalifikacyjne opisane poniżej.

Kryteria włączenia:

Tylko dla dostawców

  • ≥18 lat
  • Uczestnicy przeglądu koleżeńskiego w uczestniczących klinikach

Tylko dla pacjentów

  • ≥18 lat
  • Wszyscy pacjenci z przypadkami radioterapii raka prostaty leczonymi w uczestniczących ośrodkach (żadna interwencja nie jest dostarczana pacjentom)

Kryteria wyłączenia:

Tylko dla dostawców • Dostawcy niechętni/niezdolni do przestrzegania procedur badania; ośrodki niezdolne do wdrożenia przepływu pracy lub dostarczenia wymaganych wyników.

Pacjenci i dostawcy

• Ma demencję, zmieniony stan psychiczny lub jakikolwiek stan psychiatryczny lub współistniejący, uniemożliwiający zrozumienie lub udzielenie świadomej zgody

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: Nielosowe
  • Model interwencyjny: Przydział równoległy
  • Maskowanie: Brak (otwarta etykieta)

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Inny: Dostawcy
Dostawcy radioterapii zaangażowani w recenzję koleżeńską w uczestniczących klinikach.
Urządzenie: Wkład sztucznej inteligencji (AI) / uczenia maszynowego (ML) w planowanie leczenia
Wszystkie czynności związane z planowaniem leczenia i monitorowaniem klinicznym są prowadzone zgodnie ze standardami instytucjonalnymi i ustalonymi politykami departamentu. Działania związane z przeglądem koleżeńskim przebiegają tak, jak w rutynowej praktyce klinicznej, z dodatkiem opcjonalnych analiz wygenerowanych przez sztuczną inteligencję (AI) dostępnych do przejrzenia przez klinicystę. System sztucznej inteligencji / uczenia maszynowego (ML) jest wbudowany w zaplanowane spotkania przeglądu koleżeńskiego w departamencie i przedstawia analityczne podsumowania oraz wizualizacje za pośrednictwem panelu, który jest zintegrowany z istniejącym przepływem pracy klinicznej. System funkcjonuje wyłącznie jako pomoc w podejmowaniu decyzji i nie wykonuje ani nie inicjuje żadnych autonomicznych działań w zakresie planowania leczenia, zmian w dostarczaniu dawki ani interwencji klinicznych. Podczas przeglądu symulacji (SIM) wygenerowane przez lekarza kontury celu i narządów krytycznych są przeglądane w pierwszej kolejności, zgodnie ze standardową praktyką. Dopiero po tym wstępnym przeglądzie lekarz prowadzący może opcjonalnie uzyskać dostęp do konturów wygenerowanych przez sztuczną inteligencję w celach porównawczych.
Inne nazwy:
  • Wsparcie w podejmowaniu decyzji klinicznych / wsparcie dla przepływu pracy
Brak interwencji: Pacjenci
Pacjenci z rakiem prostaty, którzy otrzymują radioterapię, przyczyniają się do uzyskania zanonimizowanych danych o bezpieczeństwie.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Procent pacjentów ze zmianami w konturach objętości węzłowych
Ramy czasowe: Wartość wyjściowa
Procent pacjentów z udokumentowanymi zmianami dotyczącymi konturów objętości węzłów chłonnych po wzmocnionej sztuczną inteligencją (AI) recenzji koleżeńskiej.
Wartość wyjściowa

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

UNC Lineberger Comprehensive Cancer Center

Współpracownicy

Agency for Healthcare Research and Quality (AHRQ)

Śledczy

  • Główny śledczy: Lukasz Mazur, PhD, UNC Lineberger Comprehensive Cancer Center

Publikacje i pomocne linki

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

Przydatne linki

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 (Szacowany)

1 lipca 2026

Zakończenie podstawowe (Szacowany)

1 lipca 2027

Ukończenie studiów (Szacowany)

1 lipca 2027

Daty rejestracji na studia

Pierwszy przesłany

5 marca 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

5 marca 2026

Pierwszy wysłany (Rzeczywisty)

11 marca 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

1 maja 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

27 kwietnia 2026

Ostatnia weryfikacja

1 kwietnia 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • LCCC2607

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

Tak

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 Nowotwór

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Rwanda

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj