Inteligência Artificial na Clínica Infantil
Aplicação de Inteligência Artificial em Clínica Infantil
Na China, o número de serviços médicos infantis ainda está muito aquém da crescente demanda por cuidados de saúde infantil. O fenômeno dos pais das crianças fazendo fila durante a noite para o registro não é mais surpreendente. Isso se deve ao aumento do número de filhos e à escassez de talentos pediátricos. No departamento de pediatria, o número de pacientes aumenta ano a ano, mas falta pediatra do começo ao fim. Além do atendimento ambulatorial, os pediatras dos grandes hospitais também realizam operações, pesquisas científicas e outras tarefas. Como resultado, muitos médicos precisam desistir de suas férias, o que os torna infelizes e reduz o entusiasmo pelo trabalho. O longo tempo de fila também reduziu a satisfação dos pacientes, resultando no acirramento do conflito entre médicos pediatras e pacientes.
Este projeto de pesquisa visa criar um sistema integrado humano-computador e desenvolver um novo processo de diagnóstico incorporado com inteligência artificial (IA). A função do sistema AI inclui principalmente 3 aspectos. (1) O paciente usa um aplicativo de celular incorporado com IA que permite que ele faça um check-up antes de consultar um médico. O programa fará uma série de perguntas ao paciente. Então, com base nas respostas do paciente, a AI recomendará uma série de exames, todos os quais serão revisados pelo médico previamente. Depois que o paciente paga, ele pode ir direto fazer o exame. Então, em seguida, ele poderia ir ao médico com o laudo do exame, o que poupa o paciente do trabalho de filas. (2) Ao mesmo tempo, o sistema AI também pode automatizar o histórico médico. O paciente completaria a coleta de histórico de autoajuda nas horas vagas. O sistema de IA coleta o histórico médico e o importa automaticamente para o computador do médico. O trabalho principal dos médicos é modificar o histórico médico gerado pela IA. Até certo ponto, alivia o fardo dos médicos. (3) Durante a visita, o sistema de IA captura automaticamente as informações do prontuário eletrônico do paciente e gera o possível diagnóstico. Este processo é de grande ajuda para os médicos juniores e pode servir como uma sugestão.
Em suma, este estudo é útil para reduzir efetivamente o tempo de espera dos pacientes e aumentar consideravelmente sua experiência médica. Ao reduzir a intensidade do trabalho dos médicos, o procedimento ambulatorial de nosso hospital foi efetivamente otimizado para aliviar até certo ponto a escassez de pediatras.
Visão geral do estudo
Status
Condições
Descrição detalhada
Baseando-se em aplicativos móveis e software de computador, alcançaria:
- Orientação inteligente e correspondente ao departamento;
- Coleta de histórico médico inteligente e geração de registro médico AI;
- Recomendar itens de exame automaticamente;
- Auxiliar no diagnóstico clínico e fazer sugestões de diagnósticos inteligentes.
Tipo de estudo
Inscrição (Real)
Estágio
- Não aplicável
Contactos e Locais
Locais de estudo
-
-
-
Shanghai, China
- Shanghai Children's Medical Center
-
-
Shanghai
-
Shanghai, Shanghai, China, 200127
- Shanghai Children's Medical Center, Shanghai Jiao Tong University School of Medicine
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Descrição
Critério de inclusão:
Pacientes com idade entre 2 meses e 18 anos irão ao centro médico infantil de Xangai para tratamento.
Critério de exclusão:
- Pessoas que não concordam em participar.
- Pessoas que não podem cooperar.
- Pessoas difíceis de acompanhar.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Pesquisa de serviços de saúde
- Alocação: Randomizado
- Modelo Intervencional: Atribuição Paralela
- Mascaramento: Nenhum (rótulo aberto)
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
|---|---|
|
Experimental: Pacientes com processo de atendimento ambulatorial de rotina
Após o cadastro, o paciente aguarda na fila na porta do consultório médico.
Seu médico usa métodos tradicionais para inserir registros médicos manualmente e fazer diagnósticos de forma independente.
Em seguida, o paciente espera na fila para pagar a conta e faz fila para o exame.
Por fim, o paciente levaria o laudo do exame de volta ao médico.
|
Os pacientes seguem os procedimentos de registro, espera, atendimento, espera, exame, espera, atendimento.
|
|
Experimental: Pacientes com processo de atendimento ambulatorial assistido por IA
Após o cadastro, o paciente vincula seus dados ao aplicativo do celular por meio do número do ambulatório.
Primeiro, o sistema de IA faria uma série de perguntas ao paciente.
Em seguida, faria um julgamento com base na resposta do paciente.
O sistema transmite os itens do exame para o computador do médico e, com a aprovação do médico, envia os itens de volta ao paciente.
Assim, o paciente poderia ir direto fazer o exame.
Enquanto espera sua vez, o paciente entra no programa de telefone novamente e o sistema de IA coleta seu histórico médico.
A informação é enviada de volta ao médico.
Quando o paciente vai ao consultório médico com o laudo do exame, o computador do médico já tem o prontuário dele.
O médico só precisa ajustar a história de acordo com a situação real.
Depois de escrever o histórico médico, o sistema de IA pode fazer o diagnóstico automaticamente.
O médico usa os resultados da IA e seu próprio julgamento para fazer um diagnóstico abrangente.
|
Os pacientes seguem os procedimentos de registro, itens de exame recomendados por IA, coleta de histórico médico de autoatendimento, exame, espera, atendimento assistido por IA.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Avalie a eficiência dos dois processos
Prazo: até 1 meses
|
Compare o tempo médio de espera para um único paciente e o tempo médio de visita para um único paciente.
|
até 1 meses
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Avalie o índice de satisfação dos pacientes com os processos médicos
Prazo: até 1 meses
|
O questionário de satisfação seria utilizado para comparar o índice de satisfação entre os dois processos.
|
até 1 meses
|
|
Medições econômicas
Prazo: até 1 meses
|
Gastar dinheiro com pacientes ambulatoriais, gastar dinheiro com exames e outros.
|
até 1 meses
|
|
Eficiência do trabalho dos médicos
Prazo: até 1 meses
|
Usando dados históricos para comparações antes e depois, para comparar a influência da coleta de histórico médico inteligente no tempo de visita de cada paciente.
|
até 1 meses
|
Colaboradores e Investigadores
Patrocinador
Publicações e links úteis
Publicações Gerais
- Keel S, Lee PY, Scheetz J, Li Z, Kotowicz MA, MacIsaac RJ, He M. Feasibility and patient acceptability of a novel artificial intelligence-based screening model for diabetic retinopathy at endocrinology outpatient services: a pilot study. Sci Rep. 2018 Mar 12;8(1):4330. doi: 10.1038/s41598-018-22612-2.
- Shen TL, Fu XL. [Application and prospect of artificial intelligence in cancer diagnosis and treatment]. Zhonghua Zhong Liu Za Zhi. 2018 Dec 23;40(12):881-884. doi: 10.3760/cma.j.issn.0253-3766.2018.12.001. Chinese.
- Kantarjian H, Yu PP. Artificial Intelligence, Big Data, and Cancer. JAMA Oncol. 2015 Aug;1(5):573-4. doi: 10.1001/jamaoncol.2015.1203. No abstract available.
- Hamet P, Tremblay J. Artificial intelligence in medicine. Metabolism. 2017 Apr;69S:S36-S40. doi: 10.1016/j.metabol.2017.01.011. Epub 2017 Jan 11.
- Szolovits P, Patil RS, Schwartz WB. Artificial intelligence in medical diagnosis. Ann Intern Med. 1988 Jan;108(1):80-7. doi: 10.7326/0003-4819-108-1-80.
- Kreps GL, Neuhauser L. Artificial intelligence and immediacy: designing health communication to personally engage consumers and providers. Patient Educ Couns. 2013 Aug;92(2):205-10. doi: 10.1016/j.pec.2013.04.014. Epub 2013 May 15.
- Das N, Topalovic M, Janssens W. Artificial intelligence in diagnosis of obstructive lung disease: current status and future potential. Curr Opin Pulm Med. 2018 Mar;24(2):117-123. doi: 10.1097/MCP.0000000000000459.
- Kapoor R, Walters SP, Al-Aswad LA. The current state of artificial intelligence in ophthalmology. Surv Ophthalmol. 2019 Mar-Apr;64(2):233-240. doi: 10.1016/j.survophthal.2018.09.002. Epub 2018 Sep 22.
- Goldhahn J, Rampton V, Spinas GA. Could artificial intelligence make doctors obsolete? BMJ. 2018 Nov 7;363:k4563. doi: 10.1136/bmj.k4563. No abstract available.
- Dilsizian SE, Siegel EL. Artificial intelligence in medicine and cardiac imaging: harnessing big data and advanced computing to provide personalized medical diagnosis and treatment. Curr Cardiol Rep. 2014 Jan;16(1):441. doi: 10.1007/s11886-013-0441-8.
- Singh G, Al'Aref SJ, Van Assen M, Kim TS, van Rosendael A, Kolli KK, Dwivedi A, Maliakal G, Pandey M, Wang J, Do V, Gummalla M, De Cecco CN, Min JK. Machine learning in cardiac CT: Basic concepts and contemporary data. J Cardiovasc Comput Tomogr. 2018 May-Jun;12(3):192-201. doi: 10.1016/j.jcct.2018.04.010. Epub 2018 Apr 30.
- Huang Q, Zhang F, Li X. Machine Learning in Ultrasound Computer-Aided Diagnostic Systems: A Survey. Biomed Res Int. 2018 Mar 4;2018:5137904. doi: 10.1155/2018/5137904. eCollection 2018.
- Huang S, Yang J, Fong S, Zhao Q. Artificial intelligence in cancer diagnosis and prognosis: Opportunities and challenges. Cancer Lett. 2020 Feb 28;471:61-71. doi: 10.1016/j.canlet.2019.12.007. Epub 2019 Dec 10.
- Wall J, Krummel T. The digital surgeon: How big data, automation, and artificial intelligence will change surgical practice. J Pediatr Surg. 2020 Jan;55S:47-50. doi: 10.1016/j.jpedsurg.2019.09.008. Epub 2019 Nov 16.
- Adamson AS, Welch HG. Machine Learning and the Cancer-Diagnosis Problem - No Gold Standard. N Engl J Med. 2019 Dec 12;381(24):2285-2287. doi: 10.1056/NEJMp1907407. No abstract available.
- Wulsin DF, Gupta JR, Mani R, Blanco JA, Litt B. Modeling electroencephalography waveforms with semi-supervised deep belief nets: fast classification and anomaly measurement. J Neural Eng. 2011 Jun;8(3):036015. doi: 10.1088/1741-2560/8/3/036015. Epub 2011 Apr 28.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Outros números de identificação do estudo
- SCMCIRB-K2019020-2
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .