Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Parte de Medicina Avançada Auxiliada por Dados Câncer de Pulmão (ADAMpartlung)

9 de maio de 2023 atualizado por: AZ Delta

Subestudo ADAM Luik 2: Estudo de Coorte Observacional Retrospectivo de Centro Único sobre a Construção e Validação de Modelos de Previsão de IA para Desfechos de Pacientes com Câncer de Pulmão

Desenvolver e validar um modelo de IA que apoie os médicos em seu processo de decisão para o tratamento de pacientes com câncer de pulmão. Este modelo de IA precisa prever a probabilidade ou evolução dos resultados, para os possíveis tratamentos de câncer de pulmão. Os dados de entrada para treinar tais modelos serão um "paciente profundo". Esse paciente profundo é um modelo de IA por si só, treinado em dados hospitalares, conforme descrito nos objetivos secundários.

Visão geral do estudo

Status

Recrutamento

Condições

Câncer de pulmão

Intervenção / Tratamento

Outro: Coleção de dados

Descrição detalhada

O objetivo deste estudo é preparar e desbloquear dados do mundo real (RWD) isolados para análise e construção de modelos artificiais com o objetivo de derivar evidências do mundo real (RWE). Atualmente, médicos e enfermeiros estão coletando dados de pacientes e registrando os dados no sistema de prontuário eletrônico. Os pontos de dados geralmente não estão disponíveis em um formato estruturado; portanto, a coleta e o desbloqueio de dados são feitos manualmente mediante solicitação. A análise cuidadosa dos dados coletados usando ferramentas de inteligência artificial também pode ajudar a prever quais pacientes correm o maior risco de uso não programado de cuidados de saúde, visitas ao departamento de emergência e internações hospitalares. Portanto, um modelo capaz de predizer os desfechos relevantes seria de grande ajuda na prática diária dos médicos.

Objetivo principal Desenvolver e validar um modelo de IA que apoie os médicos em seu processo de decisão no tratamento de pacientes com câncer de pulmão. Este modelo de IA precisa prever a probabilidade ou evolução dos resultados, para os possíveis tratamentos de câncer de pulmão. As fontes de dados de entrada do modelo são dados hospitalares, como dados demográficos, estado de saúde basal, tratamentos anteriores, dados de imagem e dados fisiológicos, dados de tratamento detalhados

Objetivos Secundários

Desbloqueio automático, coleta e transformação de pontos de dados de câncer de pulmão em modelo de dados comum OMOP para que os dados estejam prontamente disponíveis para pesquisas e análises adicionais
Construindo um paciente digital treinando um modelo de IA alimentado com todos os dados disponíveis no modelo de dados comum OMOP
Validação de um paciente digital e seleção de recursos ideais para aprimorar o desempenho do modelo de IA por meio de técnicas de aprendizado não supervisionadas

O potencial de aplicar transformadores para representar pacientes é uma medicina verdadeiramente personalizada e até mesmo preditiva. A razão é que os transformadores são um instrumento que torna possível lidar com milhões de parâmetros interativos e não lineares. Portanto, as fontes de dados na figura acima podem ser estendidas para incluir informações genéticas e assim por diante. para usar a seleção de recursos ideais de um paciente digital para aprimorar o desempenho do modelo de IA por meio de técnicas de aprendizado não supervisionado, para ajustar ainda mais os modelos de previsão para a prática diária.

Construir um gêmeo virtual para representar um paciente em detalhes, de modo que a análise populacional e a construção de modelos sejam clinicamente relevantes.

Tipo de estudo

Observacional

Inscrição (Antecipado)

500

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Nome: Peter De Jaeger, PhD
Número de telefone: 003251237650
E-mail: peter.dejaeger@azdelta.be

Estude backup de contato

Nome: Ingel Demedts, MD
Número de telefone: 003251237111

Locais de estudo

Bélgica
- West-Vlaanderen
  - Roeselare, West-Vlaanderen, Bélgica, 8800
    - Recrutamento
    - AZ Delta
    - Contato:
      
      Peter De Jaeger, PhD, Prof
      
      Número de telefone: 003251237650
      
      E-mail: peter.dejaeger@azdelta.be
    - Investigador principal:
      
      Ingel Demedts, Prof
    - Subinvestigador:
      
      Hannelore Bode, MD
    - Subinvestigador:
      
      Bernard Bouckaerts, MD
    - Subinvestigador:
      
      Kris Carron, MD
    - Subinvestigador:
      
      Stephanie Dobbelaere, MD
    - Subinvestigador:
      
      Ulrike Himpe, MD
    - Subinvestigador:
      
      Heidi Mariën, MD
    - Subinvestigador:
      
      Peter Van Haecke, MD
    - Subinvestigador:
      
      Wim Verbeke, MD
    - Subinvestigador:
      
      Peter De Jaeger, Prof, PhD
    - Subinvestigador:
      
      Pieter-Jan Lammertyn
    - Subinvestigador:
      
      Louise Berteloot
    - Subinvestigador:
      
      Kim Denturck, Msc ir

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

Filho
Adulto
Adulto mais velho

Aceita Voluntários Saudáveis

Não

Método de amostragem

Amostra Não Probabilística

População do estudo

Doentes com cancro do pulmão incluídos no percurso do doente com cancro do pulmão a partir de 20/04/2018

Descrição

Critério de inclusão:

Pacientes com câncer de pulmão incluídos na rota do paciente com câncer de pulmão

Critério de exclusão:

nada especificado

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado	Descrição da medida	Prazo
Dados em modelo de dados comum internacional pronto para entrada de IA Prazo: 2022	Dados hospitalares de câncer de pulmão traduzidos e validados clinicamente em conceitos UMLS e armazenados no modelo de dados comum OMOP	2022

Medidas de resultados secundários

Medida de resultado	Descrição da medida	Prazo
Construção digital do paciente Prazo: 2023	Construindo um paciente digital treinando um modelo de IA	2023
Aprendizado de máquina supervisionado Prazo: 2023	Treinamento e validação de modelos de aprendizado de máquina supervisionados com um conjunto limitado de recursos selecionados como entrada para prever os resultados de pacientes com câncer de pulmão.	2023
Construção e validação de modelo preditivo de IA para pacientes com câncer de pulmão Prazo: 2024	Construção e validação da abordagem de viabilidade do modelo preditivo de IA; Construir modelos de IA de resultados previstos, como mortalidade em 30 dias, visita de emergência de 30 dias, evolução da qualidade de vida, complicações agudas do tratamento	2024

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

AZ Delta

Investigadores

Investigador principal: Ingel Demedts, MD, AZ Delta

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

27 de setembro de 2021

Conclusão Primária (Antecipado)

27 de setembro de 2024

Conclusão do estudo (Antecipado)

31 de dezembro de 2024

Datas de inscrição no estudo

Enviado pela primeira vez

13 de março de 2023

Enviado pela primeira vez que atendeu aos critérios de CQ