Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Усовершенствованная медицина, основанная на данных, часть рака легких (ADAMpartlung)

9 мая 2023 г. обновлено: AZ Delta

Подисследование ADAM Luik 2: Обсервационное ретроспективное когортное исследование в одном центре по построению и проверке моделей прогнозирования исходов рака легких с помощью ИИ

Разработка и проверка модели ИИ, которая помогает врачам принимать решения о лечении пациентов с раком легких. Эта модель ИИ должна предсказывать вероятность или эволюцию результатов для возможных методов лечения рака легких. Исходными данными для обучения таких моделей будет «глубокий пациент». Этот глубокий пациент представляет собой собственную модель ИИ, обученную на данных больницы, как описано во второстепенных целях.

Обзор исследования

Статус

Рекрутинг

Условия

Рак легких

Вмешательство/лечение

Другой: Сбор данных

Подробное описание

Целью этого исследования является подготовка и разблокировка разрозненных данных реального мира (RWD) для анализа и построения искусственной модели с целью получения доказательств реального мира (RWE). В настоящее время врачи и медсестры собирают данные о пациентах и регистрируют данные в электронной системе медицинских карт. Точки данных часто недоступны в структурированном формате, поэтому сбор и разблокировка данных выполняется вручную по запросу. Тщательный анализ собранных данных с использованием инструментов искусственного интеллекта также может помочь предсказать, какие пациенты подвергаются наибольшему риску незапланированного обращения за медицинской помощью, посещения отделения неотложной помощи и госпитализации. Таким образом, модель, способная предсказать соответствующие результаты, могла бы существенно помочь врачам в повседневной практике.

Основная цель Разработка и проверка модели ИИ, которая помогает врачам принимать решения о лечении пациентов с раком легких. Эта модель ИИ должна предсказывать вероятность или эволюцию результатов для возможных методов лечения рака легких. Источниками входных данных модели являются данные больницы, такие как демографические данные, исходное состояние здоровья, предшествующее лечение, данные визуализации и физиологические данные, подробные данные о лечении.

Второстепенные цели

Автоматическое разблокирование, сбор и преобразование точек данных о раке легких в общую модель данных OMOP, чтобы данные были легко доступны для дальнейших исследований и анализа.
Создание цифрового пациента путем обучения модели искусственного интеллекта с использованием всех данных, доступных в общей модели данных OMOP.
Проверка цифрового пациента и выбор оптимальных функций для повышения производительности модели ИИ с помощью методов обучения без учителя

Потенциал применения трансформеров для представления пациентов — это действительно персонализированная и даже предиктивная медицина. Причина в том, что трансформаторы — это инструмент, который позволяет иметь дело с миллионами взаимодействующих и нелинейно ведущих себя параметров. Следовательно, источники данных на рисунке выше можно расширить, включив в них генетическую информацию и так далее. использовать Оптимальный выбор характеристик цифрового пациента для повышения производительности модели ИИ с помощью методов обучения без учителя, а также для дальнейшей точной настройки моделей прогнозирования для повседневной практики.

Создать виртуального близнеца для подробного представления пациента, чтобы анализ популяции и построение модели были клинически значимыми.

Тип исследования

Наблюдательный

Регистрация (Ожидаемый)

500

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Контакты исследования

Имя: Peter De Jaeger, PhD
Номер телефона: 003251237650
Электронная почта: peter.dejaeger@azdelta.be

Учебное резервное копирование контактов

Имя: Ingel Demedts, MD
Номер телефона: 003251237111

Места учебы

Бельгия
- West-Vlaanderen
  - Roeselare, West-Vlaanderen, Бельгия, 8800
    - Рекрутинг
    - AZ Delta
    - Контакт:
      
      Peter De Jaeger, PhD, Prof
      
      Номер телефона: 003251237650
      
      Электронная почта: peter.dejaeger@azdelta.be
    - Главный следователь:
      
      Ingel Demedts, Prof
    - Младший исследователь:
      
      Hannelore Bode, MD
    - Младший исследователь:
      
      Bernard Bouckaerts, MD
    - Младший исследователь:
      
      Kris Carron, MD
    - Младший исследователь:
      
      Stephanie Dobbelaere, MD
    - Младший исследователь:
      
      Ulrike Himpe, MD
    - Младший исследователь:
      
      Heidi Mariën, MD
    - Младший исследователь:
      
      Peter Van Haecke, MD
    - Младший исследователь:
      
      Wim Verbeke, MD
    - Младший исследователь:
      
      Peter De Jaeger, Prof, PhD
    - Младший исследователь:
      
      Pieter-Jan Lammertyn
    - Младший исследователь:
      
      Louise Berteloot
    - Младший исследователь:
      
      Kim Denturck, Msc ir

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

Ребенок
Взрослый
Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

Пациенты с раком легких, включенные в список пациентов с раком легких с 20 апреля 2018 г.

Описание

Критерии включения:

Пациенты с раком легких, включенные в схему лечения пациентов с раком легких

Критерий исключения:

Не указано

Учебный план

В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Что измеряет исследование?

Первичные показатели результатов

Мера результата	Мера Описание	Временное ограничение
Данные в международную общую модель данных, готовые для ввода ИИ Временное ограничение: 2022	Данные больниц по лечению рака легких переведены и клинически проверены в концепциях UMLS и сохранены в общей модели данных OMOP.	2022

Вторичные показатели результатов

Мера результата	Мера Описание	Временное ограничение
Цифровая конструкция пациента Временное ограничение: 2023	Создание цифрового пациента путем обучения модели ИИ	2023
Контролируемое машинное обучение Временное ограничение: 2023	Обучение и проверка контролируемых моделей машинного обучения с ограниченным набором выбранных функций в качестве входных данных для прогнозирования результатов лечения пациентов с раком легких.	2023
Построение и проверка прогностической модели ИИ для пациентов с раком легких Временное ограничение: 2024	Построение и проверка технико-экономического подхода к прогнозной модели ИИ; Построение прогнозируемых моделей результатов ИИ, таких как 30-дневная смертность, 30-дневное посещение скорой помощи, изменение качества жизни, острые осложнения лечения.	2024

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

AZ Delta

Следователи

Главный следователь: Ingel Demedts, MD, AZ Delta

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Действительный)

27 сентября 2021 г.

Первичное завершение (Ожидаемый)

27 сентября 2024 г.

Завершение исследования (Ожидаемый)

31 декабря 2024 г.

Даты регистрации исследования

Первый отправленный

13 марта 2023 г.

Впервые представлено, что соответствует критериям контроля качества