Tomada de decisão médica assistida por AI
27 de fevereiro de 2025 atualizado por: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Um estudo de coorte para avaliar um modelo de inteligência artificial para ajudar a tomada de decisão médica usando dados de registro eletrônico de saúde em tempo real em tempo real
Este estudo constrói e aplica um modelo de IA para ajudar os médicos a prever diagnósticos e resultados dos pacientes, como sobrevivência ou internação hospitalar.
Usaremos dados multimodais em tempo real (laboratórios, sinais vitais, história, imagem) dos registros hospitalares.
Os pacientes serão rastreados para comparar o desempenho da IA com os cuidados padrão.
O objetivo é melhorar a precisão do diagnóstico e do tratamento em um estudo prospectivo do mundo real.
Visão geral do estudo
Status
Recrutamento
Condições
Intervenção / Tratamento
Descrição detalhada
Este estudo tem como objetivo construir e aplicar um modelo de inteligência artificial (AI) para ajudar os médicos a prever diagnósticos e resultados dos pacientes, como sobrevivência ou tempo de internação hospitalar.
Inscreveremos pacientes em todo o hospital e usaremos os resultados do laboratório de dados de saúde multimodal em tempo real e multimodais, sinais vitais, histórico médico e registros eletrônicos de saúde.
O estudo seguirá os participantes para avaliar o desempenho do modelo de IA em relação à prática padrão.
Nosso objetivo é melhorar a precisão e a velocidade dos diagnósticos e tratamentos, melhorando o atendimento ao paciente.
Este estudo prospectivo testa o modelo em ambientes hospitalares do mundo real.
Tipo de estudo
Observacional
Inscrição (Estimado)
50000000
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
-
-
Zhejiang
-
Wenzhou, Zhejiang, China
- Recrutamento
- First Affiliated Hospital of Wenzhou Medical University
-
Contato:
- Cheng Tang
- Número de telefone: +86-0577-88002888
- E-mail: c249325687@163.com
-
Wenzhou, Zhejiang, China
- Recrutamento
- Second Affiliated Hospital of Wenzhou Medical University
-
Contato:
- Linfeng Liu
- E-mail: llfwfe@163.com
-
-
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
Este estudo inclui todos os pacientes admitidos em qualquer departamento hospitalar, com dados de registro eletrônico de saúde em tempo real (por exemplo, laboratórios, sinais vitais, histórico, imagem).
Os participantes devem consentir com a coleta de dados.
Descrição
Critérios de inclusão:
- Os pacientes admitidos em qualquer departamento do hospital (por exemplo, UTI, enfermarias gerais, emergência, serviços ambulatoriais) durante o período do estudo.
- Pacientes com dados disponíveis no registro de saúde eletrônico em tempo real (EHR), incluindo pelo menos dois dos seguintes: resultados laboratoriais, sinais vitais, histórico médico e dados de imagem.
Critérios de exclusão:
Os pacientes atualmente incluíram em outro ensaio clínico que poderia interferir na coleta de dados ou nos resultados deste estudo.
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 |
|---|---|
|
Coorte de pacientes em todo o hospital
|
A intervenção neste estudo envolve um sistema de IA que aproveita a fusão de dados multimodais para apoiar a tomada de decisão clínica e a avaliação de doenças.
Os pacientes desta coorte passarão por exames padrão, com decisões clínicas guiadas pelas recomendações geradas pelo sistema de IA.
|
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
|
|
Melhoria geral de utilização de recursos hospitalares
Prazo: 1 ano
|
A redução percentual no uso geral de recursos hospitalares (por exemplo, dias de cama, admissões na UTI, testes de diagnóstico) atribuídos à tomada de decisão assistida por AA, expressa como uma porcentagem.
|
1 ano
|
|
Melhoria de precisão diagnóstica em nível populacional
Prazo: 1 ano
|
A melhora geral na precisão diagnóstica em todos os pacientes hospitalar (por exemplo, porcentagem de diagnósticos corretos ou redução de diagnósticos incorretos) facilitados pelo modelo de IA, expressos como uma porcentagem ou razão.
|
1 ano
|
|
Redução em todo o sistema nas taxas de eventos adversos
Prazo: 1 ano
|
A redução percentual em grandes eventos adversos (por exemplo, mortalidade, complicações graves ou estadias prolongadas) em todos os pacientes hospitalares devido à tomada de decisão assistida por IA, expressa como uma porcentagem.
|
1 ano
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Melhoria geral nos resultados do paciente hospitalar
Prazo: 1 ano
|
A melhora agregada nos principais resultados dos pacientes (por exemplo, mortalidade, morbidade, taxas de recuperação) em toda a população hospitalar devido à tomada de decisão assistida por AA, expressa como uma pontuação ou porcentagem composta.
|
1 ano
|
|
Aprimoramento da eficiência do sistema de saúde
Prazo: 1 ano
|
A melhoria geral na eficiência operacional hospitalar (por exemplo, tempos de espera reduzidos, alocação de recursos otimizados, carga de trabalho da equipe diminuída) atribuída ao modelo de IA, expressa como uma porcentagem ou classificação qualitativa.
|
1 ano
|
|
Pontuação de impacto na saúde da população
Prazo: 1 ano
|
Uma pontuação composta que reflete o efeito do modelo de IA na saúde da população na área de captação do hospital (por exemplo, carga reduzida de doenças, melhor gerenciamento de doenças crônicas), expressa como um índice padronizado ou alteração percentual.
|
1 ano
|
|
Índice de benefícios de saúde pública de longo prazo
Prazo: 1 ano
|
Um índice composto que mede a contribuição de longo prazo do modelo de IA para a saúde pública (por exemplo, prevalência reduzida de doenças, maior expectativa de vida), expressa como uma pontuação padronizada ou melhoria percentual.
|
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)
24 de fevereiro de 2025
Conclusão Primária (Estimado)
1 de junho de 2026
Conclusão do estudo (Estimado)
1 de junho de 2026
Datas de inscrição no estudo
Enviado pela primeira vez
24 de fevereiro de 2025
Enviado pela primeira vez que atendeu aos critérios de CQ
24 de fevereiro de 2025
Primeira postagem (Real)
25 de março de 2025
Atualizações de registro de estudo
Última Atualização Postada (Real)
25 de março de 2025
Última atualização enviada que atendeu aos critérios de controle de qualidade
27 de fevereiro de 2025
Última verificação
1 de fevereiro de 2025
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Outros números de identificação do estudo
- AI Prediction
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 .