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

Impacto da IA Generativa no Diagnóstico de Complicações da Artrite Reumatoide

22 de dezembro de 2025 atualizado por: Quan Jiang, Guang'anmen Hospital of China Academy of Chinese Medical Sciences

Impacto da Inteligência Artificial Generativa no Diagnóstico de Complicações da Artrite Reumatoide

A Inteligência Artificial Generativa (GenAI) baseada em grandes modelos de linguagem (LLMs) deverá melhorar o diagnóstico e o tratamento de doenças autoimunes. Estamos a estudar como a GenAI poderá afetar o diagnóstico de várias complicações da artrite reumatoide (AR). Num estudo retrospetivo que utiliza os registos de EHR de doentes com AR, iremos quantificar a adoção pelos médicos das previsões da GenAI para complicações e doenças coexistentes da AR. Num estudo observacional prospetivo, iremos avaliar a viabilidade de utilizar as previsões da GenAI como informação clínica adicional para ajudar os médicos a fazer diagnósticos mais completos das complicações e doenças coexistentes da AR, incluindo condições complexas, pouco comuns ou raras.

Visão geral do estudo

Tipo de estudo

Observacional

Inscrição (Estimado)

100

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: Quan Jiang Guang'anmen Hospital, China Academy of Chinese Medical Science
  • Número de telefone: 010-88001942
  • E-mail: doctorjq@126.com

Locais de estudo

    • Beijing Municipality
      • Beijing, Beijing Municipality, China, 100053
        • Recrutamento
        • Guang'anmen Hospital of China Academy of Chinese Medical Sciences
        • Contato:
        • Investigador principal:
          • Quan Jiang, MD

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 adultos do sexo masculino e feminino com AR internados no nosso Departamento de Reumatologia que preencham os critérios de classificação e diagnóstico de 2010 do American College of Rheumatology (ACR)/European League Against Rheumatism (EULAR) para artrite reumatoide.

Descrição

Critérios de Inclusão:

  • Pacientes com diagnóstico inicial de artrite reumatoide (AR).
  • Todos os doentes reais com AR internados no nosso serviço.
  • Internamento ocorrido durante o período de estudo de dados do mundo real.

Critérios de Exclusão:

  • Pacientes posteriormente confirmados como não tendo AR durante o 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
Grupo de pacientes com AR que utiliza relatórios de previsão com IA generativa
Os doentes internados recentemente diagnosticados com artrite reumatoide no nosso serviço de reumatologia entre 1 de outubro de 2025 e junho de 2026 serão recrutados para o estudo. Os médicos utilizarão as previsões de GenAI sobre potenciais complicações da AR e doenças coexistentes, juntamente com testes de diagnóstico confirmatórios, como entradas adicionais no processo de diagnóstico diferencial.

A IA generativa baseada em múltiplos modelos de linguagem de grande escala (LLMs) é utilizada para prever potenciais complicações e doenças coexistentes em pacientes com artrite reumatoide, utilizando dados de EHR disponíveis na admissão. Os médicos utilizam estas previsões de IA como informação adicional para ajustar os seus planos de diagnóstico durante o diagnóstico diferencial. O impacto desta intervenção nos diagnósticos finais à saída será medido.

Antes do estudo prospetivo, a adotabilidade dos relatórios de previsão da IA generativa será validada utilizando registos de EHR de pacientes com AR retrospectivos.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Os médicos adotarão previsões de GenAI no diagnóstico de complicações da AR?
Prazo: Imediatamente após a revisão do relatório de IA do paciente no dia da admissão.
No fluxo de trabalho de cuidados de rotina, os modelos de linguagem de grande escala (LLMs) são utilizados para prever potenciais complicações da AR para cada caso de paciente desidentificado e gerar um relatório de IA que lista possíveis complicações e doenças coexistentes. São sugeridos testes de diagnóstico adicionais para verificar as condições previstas. Após a revisão do relatório de IA, os médicos avaliam imediatamente cada previsão de doença utilizando uma escala de Likert de 5 pontos (1 = completo desacordo; 2 = desacordo; 3 = neutro; 4 = acordo; 5 = completo acordo). A pontuação média é calculada como uma medida da precisão percebida da previsão. Os médicos também indicam se cada previsão de doença específica poderia potencialmente ser adotada ou utilizada para auxiliar o diagnóstico diferencial (binário: 0 ou 1). A percentagem de respostas positivas de adoção é calculada como uma medida da taxa de adoção potencial, ou adotabilidade.
Imediatamente após a revisão do relatório de IA do paciente no dia da admissão.

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Até que ponto os diagnósticos de complicações da AR são realmente afetados pelas previsões da GenAI?
Prazo: Imediatamente após a realização do diagnóstico final na alta.
Antes da alta do paciente, os médicos fazem diagnósticos finais e registam quais complicações diagnosticadas ou doenças coexistentes foram influenciadas pela informação de previsão da GenAI para cada paciente. A percentagem de casos em que as previsões da GenAI afetaram o diagnóstico final é calculada como uma medida do impacto real da IA na prática diagnóstica de rotina.
Imediatamente após a realização do diagnóstico final na alta.

Colaboradores e Investigadores

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

Publicações e links úteis

A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.

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 outubro de 2025

Conclusão Primária (Estimado)

1 de fevereiro de 2026

Conclusão do estudo (Estimado)

1 de junho de 2026

Datas de inscrição no estudo

Enviado pela primeira vez

28 de setembro de 2025

Enviado pela primeira vez que atendeu aos critérios de CQ

22 de dezembro de 2025

Primeira postagem (Real)

24 de dezembro de 2025

Atualizações de registro de estudo

Última Atualização Postada (Real)

24 de dezembro de 2025

Última atualização enviada que atendeu aos critérios de controle de qualidade

22 de dezembro de 2025

Última verificação

1 de dezembro de 2025

Mais Informações

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 .

Ensaios clínicos em Doenças cardiovasculares

Se inscrever