Agente AI para diagnóstico e previsão automatizados usando EHR e dados multimodais
16 de abril de 2025 atualizado por: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Automação assistida por agente de IA para diagnóstico e previsão de pacientes usando registros eletrônicos de saúde e dados multimodais
O objetivo deste estudo clínico é avaliar a eficácia de um agente de IA no diagnóstico e previsão de doenças usando registros eletrônicos de saúde (EHR) e dados de imagem multimodal.
O agente da IA aproveita os algoritmos avançados de aprendizado de máquina para processar e analisar diversas fontes de dados de saúde, com o objetivo de ajudar os prestadores de serviços de saúde a fazer diagnósticos e previsões mais precisos.
Visão geral do estudo
Status
Recrutamento
Condições
Descrição detalhada
Este estudo clínico retrospectivo multicêntrico foi projetado para avaliar a aplicação e eficácia de um agente de IA no processo de tomada de decisão médica.
O agente de IA integra e analisa dados multimodais, incluindo registros eletrônicos de saúde (EHR) e vários dados de imagem (por exemplo, raios X, ressonâncias magnéticas, tomografias computadorizadas, ultrassonografias) para prever e diagnosticar uma série de doenças.
Ao aproveitar o poder do aprendizado de máquina e das técnicas de fusão de dados, o agente de IA pode identificar padrões em conjuntos de dados grandes e complexos, oferecendo insights que podem não ser imediatamente aparentes por meio de métodos de diagnóstico tradicionais. O estudo comparará a precisão do diagnóstico e as capacidades de previsão de doenças do agente de IA com práticas diagnósticas tradicionais para avaliar seus benefícios potenciais em ambientes clínicos.
As principais questões incluem se o agente de IA pode ajudar no diagnóstico precoce, prever a progressão da doença e apoiar os profissionais de saúde na tomada de decisões de tratamento personalizadas.
Os participantes não serão obrigados a se submeter a quaisquer intervenções adicionais; eles fornecerão apenas dados históricos de saúde, incluindo EHR e dados de imagem relevantes, que serão analisados pelo agente de IA.
O sistema de IA utilizará então estes dados para auxiliar os prestadores de cuidados de saúde, oferecendo previsões e sugestões de diagnóstico com base na análise da informação multimodal.
O objetivo final é determinar se esta abordagem baseada em IA pode melhorar a precisão do diagnóstico, otimizar estratégias de tratamento e melhorar os resultados dos pacientes na prática clínica.
Tipo de estudo
Observacional
Inscrição (Estimado)
2000000
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
-
Contato:
- Yunfang Yu
- Número de telefone: +86 020-81332199
- E-mail: yuyf9@mail.sysu.edu.cn
-
Guangzhou, Guangdong, China
- Recrutamento
- Nanfang Hospital
-
Contato:
- Zhuomin Li
- Número de telefone: +86-0577-85397527
- E-mail: chetneyli.1001@gmail.com
-
Guangzhou, Guangdong, China
- Recrutamento
- Sun Yat-sen University Cancer Hospital
-
Contato:
- Yuxing Lu
- Número de telefone: +86 13161233730
- E-mail: yxlu0613@gmail.com
-
-
Sichuan
-
Chengdu, Sichuan, China
- Recrutamento
- West China Hospital
-
Contato:
- Kai Wang
- Número de telefone: +86 028-85422114
- E-mail: wkai@stu.pku.edu.cn
-
-
Zhejiang
-
Wenzhou, Zhejiang, China
- Recrutamento
- First Affiliated Hospital of Wenzhou Medical University
-
Contato:
- Cheng Tang
- E-mail: c249325687@163.com
-
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
-
-
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
Os participantes deste estudo serão selecionados em vários centros de saúde e hospitais que mantêm registros eletrônicos de saúde (EHR) abrangentes e dados de imagem multimodais.
A população do estudo incluirá pacientes que apresentam diversas doenças ou condições de saúde, com dados disponíveis para diagnóstico e progressão da doença.
Os participantes terão diagnósticos confirmados com base em registros clínicos ou dados de imagem, incluindo, entre outros, condições capturadas por raios X, tomografias computadorizadas, ressonâncias magnéticas e ultrassonografias.
Tanto aqueles com condições de saúde complexas como aqueles com doenças mais comuns serão incluídos para avaliar as capacidades diagnósticas e preditivas do sistema de IA num amplo espectro de casos. Os participantes destes centros fornecerão dados históricos de saúde e não haverá intervenção ativa além do uso de seus dados clínicos e de imagem existentes para treinar e testar o sistema de IA.
Descrição
Critérios de inclusão:
- Os participantes devem ter registros de saúde eletrônicos abrangentes (EHR) disponíveis, incluindo informações demográficas, histórico médico e resultados do laboratório.
- Os participantes devem ter disponíveis dados de imagens multimodais (por exemplo, raios X, tomografias computadorizadas, ressonâncias magnéticas, ultrassonografias) relevantes para sua condição de saúde.
- Os participantes devem ter um diagnóstico confirmado de uma ou mais doenças ou condições de saúde com base em registros clínicos ou dados de imagem.
- Os pacientes devem fornecer consentimento para o uso de seus dados históricos de saúde para fins de pesquisa.
Critérios de exclusão:
- Participantes com diagnósticos ambíguos ou não verificáveis que não podem ser categorizados com precisão.
- Dados de pacientes duplicados ou redundantes (por exemplo, registros repetidos do mesmo paciente sem diferenciação clara).
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 |
|---|
|
Previsão de doenças assistida por IA usando EHR e dados de imagem
Esta coorte consiste em pacientes cujos dados históricos de saúde, incluindo registros eletrônicos de saúde (EHR) e dados de imagem multimodal (por exemplo, raios-X, ressonância magnética, tomografia computadorizada, ultrassom), serão analisados por um agente de IA.
O sistema de IA ajudará no diagnóstico e previsão de doenças, processando e integrando essas diversas fontes de dados.
O foco principal é avaliar a capacidade do agente de IA de identificar padrões e prever a progressão da doença com alta precisão.
Os participantes não serão obrigados a tomar ações adicionais além de fornecer seus dados de histórico médico e imagem.
O objetivo é avaliar o quão bem o sistema de IA pode apoiar a tomada de decisão clínica e melhorar os resultados de diagnóstico com base nos dados fornecidos.
|
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 julho de 2025
Conclusão do estudo (Estimado)
1 de julho 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
- AI-agent
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 .