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

Integrating an AI-Driven Hydronephrosis Decision-Making Tool

6 maja 2026 zaktualizowane przez: Mandy Rickard, The Hospital for Sick Children

Integration of a Hydronephrosis AI-Driven Decision-Making Tool Into Clinical Practice: A Clinical Trial

Hydronephrosis is a common congenital kidney anomaly. While most cases resolve on their own, some require surgery. Clinicians rely on repeated ultrasounds and sometimes invasive tests to decide if surgery is needed, but predicting outcomes is difficult. Researchers at SickKids developed an AI model that analyzes ultrasound images to assist in diagnosing and managing hydronephrosis. This study tests how well the AI integrates into real-world care. Clinicians will first make care decisions without AI and then review the AI's prediction before deciding whether to change their plan. A separate expert, unaware of whether AI influenced the first clinician's plan, will make the final decision to ensure care remains unchanged. The study will assess whether AI improves decision-making, reduces unnecessary tests, and fits into clinical workflows. If successful, the AI model could serve as a complementary tool to make diagnoses more efficient and precise while minimizing invasive procedures.

Przegląd badań

Status

Jeszcze nie rekrutacja

Warunki

Interwencja / Leczenie

Typ studiów

Interwencyjne

Zapisy (Szacowany)

322

Faza

  • Nie dotyczy

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

Akceptuje zdrowych ochotników

Nie

Opis

Inclusion Criteria:

  • Seen for HN in-person in the Pediatric Urology clinic with ultrasound scans taken at SickKids
  • New and follow-up patients 0-24 months.

Exclusion Criteria:

  • Older than 24m
  • Concurrent urinary tract anomalies (duplex configurations; PUV etc.)
  • History of renal surgical intervention (post-op patients)

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: Inny
  • Przydział: Nie dotyczy
  • Model interwencyjny: Zadanie dla jednej grupy
  • Maskowanie: Brak (otwarta etykieta)

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: AI Model Intervention Arm
When children with HN are seen in clinic, their ultrasound imaging and history will be provided to an initial clinician who will first formulate a plan of care without access to the AI model as per the standard of care. After the initial plan is documented and before discussion with the primary provider, the initial clinician will then be granted access to the AI model, where they can input the ultrasound images and receive the model's prediction. The clinician can choose to modify or maintain their drafted plan based on the model's output. The clinician's final drafted plan will subsequently be discussed with the blinded final clinical expert (primary provider) who will make the final decision to maintain the standard of care for each patient. The final clinical expert will be blinded to whether the initial clinician changed their plan or not given the AI model
Inny: Machine learning model
The AI intervention is a deep learning algorithm used to predict obstructive hydronephrosis. It was developed at SickKids and has recently completed the silent trial phase. This clinical trial aims to validate the model's clinical integration by assessing its impact on clinician decision-making and care plan recommendations. To uphold standard care, a blinded clinician will make final decisions.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Change in Clinician Management Decisions Following Exposure to the AI Model
Ramy czasowe: Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
The proportion of clinician management decisions revised immediately after exposure to the AI model output. Management decisions include: (1) discharge, (2) monitor with ultrasound, (3) additional invasive testing, or (4) referral for surgery.
Immediately after AI model exposure during each case review session, through study completion (average of 6 months)

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Agreement Between Clinician Decisions and Expert Reference Decisions Using Cohen's Kappa
Ramy czasowe: Immediately after clinician review and AI model exposure during each case review session, through study completion (average of 6 months)
Agreement between clinician management decisions and the expert reference decision will be assessed before and after AI exposure using Cohen's kappa statistic. Higher kappa values indicate greater agreement.
Immediately after clinician review and AI model exposure during each case review session, through study completion (average of 6 months)
Proportion of Management Decision Changes Stratified by Clinician Experience Level
Ramy czasowe: Immediately after AI model exposure during each case review session, through study completion (average of 6 months)
The proportion of clinician management decisions revised after AI model exposure will be compared across clinician subgroups, including training level and years of experience.
Immediately after AI model exposure during each case review session, through study completion (average of 6 months)

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

The Hospital for Sick Children

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 sierpnia 2026

Zakończenie podstawowe (Szacowany)

31 stycznia 2027

Ukończenie studiów (Szacowany)

31 stycznia 2027

Daty rejestracji na studia

Pierwszy przesłany

16 kwietnia 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

6 maja 2026

Pierwszy wysłany (Rzeczywisty)

12 maja 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

12 maja 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

6 maja 2026

Ostatnia weryfikacja

1 maja 2026

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 3474

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