- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT06791421
Previsão de genótipo acionada por IA usando EHR e dados multimodais
16 de abril de 2025 atualizado por: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Prevendo genótipos de pacientes usando registros eletrônicos de saúde e dados multimodais através de modelos baseados em IA
O objetivo deste estudo clínico é explorar o potencial do uso de registros eletrônicos de saúde (EHR) e dados multimodais (como imagem, resultados de laboratório e história clínica) para prever o genótipo de um paciente.
O estudo avaliará se os modelos preditivos com base nesses dados não genéticos podem inferir com precisão informações genéticas, que tradicionalmente requer testes genéticos diretos.
Visão geral do estudo
Descrição detalhada
Este estudo clínico retrospectivo e multicêntrico tem como objetivo avaliar o uso de registros eletrônicos de saúde (EHR) e dados multimodais (como resultados de laboratório clínico, dados de imagem e histórico médico) na previsão do genótipo de um paciente.
O objetivo principal do estudo é desenvolver um modelo de previsão baseado em IA que possa inferir informações genéticas analisando dados de saúde disponíveis, eliminando a necessidade de testes genéticos diretos. O modelo de IA será treinado para processar e integrar grandes conjuntos de dados, incluindo EHR, Resultados do laboratório e dados de imagem, como raios-X, ressonância magnética e ultrassom, a fim de prever informações genotípicas.
O estudo comparará as previsões baseadas em IA com os resultados reais dos testes genéticos para avaliar a precisão do modelo.
Se bem-sucedido, esse método poderá fornecer uma ferramenta não invasiva e econômica para a previsão de genótipo, que poderia ser usada em medicina personalizada, diagnóstico precoce de doenças e estratificação de risco. Os participantes não serão submetidos a nenhum teste genético como parte do estudo.
Em vez disso, seus dados médicos históricos serão analisados pelo sistema de IA para prever informações genéticas e riscos de doenças associadas.
O estudo avaliará a capacidade do modelo de prever predisposições genéticas em várias condições de saúde com base nos dados de saúde disponíveis.
Ao fazer isso, o estudo tem como objetivo avançar o uso de IA na tomada de decisão clínica e diagnóstico genético.
Tipo de estudo
Observacional
Inscrição (Estimado)
100000
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: Fei Liu, MD
- Número de telefone: +86 13810512704
- E-mail: liufei_2359@163.com
Locais de estudo
-
-
Guangdong
-
Guangzhou, Guangdong, China
- Recrutamento
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
Contato:
- Yunfang Yu
- Número de telefone: +86 020-81332199
- E-mail: yuyf9@mail.sysu.edu.cn
-
Guangzhou, Guangdong, China
- Recrutamento
- Sun Yat-sen University Cancer Hospital
-
Contato:
- Yuxing Lu
- Número de telefone: +86 13161233730
- E-mail: yxlu0613@gmail.com
-
-
Zhejiang
-
Wenzhou, Zhejiang, China
- Recrutamento
- Second Affiliated Hospital of Wenzhou Medical University
-
Contato:
- Sian Liu
- Número de telefone: +86-0577-88002888
- E-mail: liusan@mail3.sysu.edu.cn
-
Wenzhou, Zhejiang, China
- Concluído
- First Affiliated Hospital of Wenzhou Medical University
-
-
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
Sim
Método de amostragem
Amostra Não Probabilística
População do estudo
A população do estudo será selecionada de vários centros de saúde que mantêm registros de saúde eletrônicos abrangentes (EHR) e terão acesso a dados clínicos multimodais, incluindo resultados de laboratório, imagem médica (por exemplo, raios-X, ressonância magnética, tomografia computadorizada) e histórico médico.
Os participantes serão indivíduos com uma variedade de condições de saúde para as quais as informações do genótipo são relevantes, embora nenhuma característica genética específica seja usada para seleção.
O foco será utilizar os dados de saúde disponíveis para prever informações genéticas através do modelo de IA.
O estudo tem como objetivo avaliar a precisão e a utilidade do uso de dados não genéticos, como EHR e imagem multimodal, para prever genótipos de pacientes, que podem fornecer uma abordagem alternativa aos métodos tradicionais de teste genético.
Descrição
Critérios de inclusão:
- Os participantes devem ter registros de saúde eletrônicos abrangentes (EHR), incluindo histórico médico, resultados de laboratório e dados de imagem relevantes (por exemplo, raios-X, ressonância magnética, tomografia computadorizada).
- Os participantes devem ter dados de testes genéticos existentes disponíveis para comparação, se aplicável.
- Os participantes devem estar dispostos a fornecer consentimento para o uso de seus dados de saúde no estudo.
- Os participantes não devem ter intervenção ativa relacionada a testes genéticos ou previsão durante o período do estudo.
- Os participantes devem ter dados de saúde completos e verificáveis para permitir previsão precisa pelo modelo de IA.
Critérios de exclusão:
- Participantes sem EHR disponíveis, resultados de laboratório ou dados de imagem.
- Participantes com resultados de testes genéticos ambíguos, imprecisos ou não verificáveis que não podem ser usados para comparação.
- Pacientes com discrepâncias significativas ou dados ausentes que impediriam o modelo de IA de fazer previsões precisas.
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
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Predição de genótipos baseada em IA usando EHR e dados multimodais
Esta coorte consiste em pacientes cujos dados históricos de saúde, incluindo registros eletrônicos de saúde (EHR), resultados do laboratório clínico e dados de imagem multimodal (como raios-X, ressonância magnética e tomografia computadorizada), serão analisados por um modelo de previsão baseado em IA, para prever seu genótipo.
Não há intervenções ativas nesta coorte, pois o estudo pretende usar dados de saúde não genéticos para inferir informações genéticas.
Os participantes não serão submetidos a testes genéticos, mas fornecerão seus dados de saúde para análise pelo sistema de IA.
O objetivo deste grupo é avaliar a precisão do modelo de IA na previsão de genótipos e na identificação de predisposições genéticas para várias doenças baseadas nos dados de saúde disponíveis.
|
A intervenção neste estudo envolve um modelo preditivo baseado em IA projetado para analisar e integrar registros eletrônicos de saúde do paciente (EHR), resultados do laboratório clínico e dados de imagem multimodal (por exemplo, raios-X, ressonância magnética, tomografia computadorizada).
O modelo de IA é treinado para prever o genótipo de um paciente com base nessas fontes de dados não genéticas.
Este modelo usa algoritmos de aprendizado de máquina para detectar padrões e inferir informações genéticas que tradicionalmente exigiriam testes genéticos diretos.
Não há tratamentos ativos ou testes genéticos envolvidos nessa intervenção; Em vez disso, o sistema de IA serve como uma ferramenta para prever informações genéticas dos dados clínicos disponíveis, oferecendo uma alternativa não invasiva e potencialmente mais acessível aos testes genéticos.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Área sob a curva (AUC)
Prazo: 1 ano
|
AUC da curva ROC, usada para quantificar a acurácia diagnóstica.
Nenhuma unidade (uma proporção ou porcentagem, normalmente expressa como um número entre 0 e 1).
|
1 ano
|
|
Pontuação F1
Prazo: 1 ano
|
A pontuação de F1 é a média harmônica de precisão e sensibilidade (recall).
É uma boa medida da capacidade do modelo de identificar os verdadeiros positivos e minimizar falsos positivos, especialmente nos casos em que as classes são desequilibradas (por exemplo, quando o número de casos saudáveis é muito maior que os casos de doença).
A pontuação F1 varia de 0 a 1, com 1 indicando precisão e recordação perfeitas.
|
1 ano
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sensibilidade (taxa positiva verdadeira)
Prazo: 1 ano
|
A sensibilidade mede quão bem o modelo de IA identifica casos verdadeiros positivos, como diagnosticar corretamente mulheres grávidas com complicações ou identificar doenças neonatais.
|
1 ano
|
|
Especificidade (taxa negativa verdadeira)
Prazo: 1 ano
|
A especificidade mede a capacidade do modelo de IA para identificar corretamente casos sem doenças, garantindo que mães e bebés saudáveis sejam corretamente identificados como negativos.
|
1 ano
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
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)
1 de julho de 2023
Conclusão Primária (Estimado)
1 de junho de 2025
Conclusão do estudo (Estimado)
1 de junho de 2025
Datas de inscrição no estudo
Enviado pela primeira vez
19 de janeiro de 2025
Enviado pela primeira vez que atendeu aos critérios de CQ
19 de janeiro de 2025
Primeira postagem (Real)
24 de janeiro de 2025
Atualizações de registro de estudo
Última Atualização Postada (Real)
17 de abril de 2025
Última atualização enviada que atendeu aos critérios de controle de qualidade
16 de abril de 2025
Última verificação
1 de abril de 2025
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Outros números de identificação do estudo
- Genotype
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
produto fabricado e exportado dos EUA
Não
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 .