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

Безопасный и объяснимый ИИ

23 февраля 2026 г. обновлено: Abramson Cancer Center at Penn Medicine

БЕЗОПАСНОЕ И ОБЪЯСНИМОЕ ПРИНЯТИЕ РЕШЕНИЙ С ПОМОЩЬЮ ИИ ДЛЯ ПЕРСОНАЛИЗИРОВАННОЙ ПОДДЕРЖКИ КЛИНИЧЕСКИХ РЕШЕНИЙ

Хотя нынешняя технология искусственного интеллекта подходит для автоматизации некоторых повторяющихся клинических задач, остаются технические проблемы в решении критических и прибыльных проблем в области лечения пациентов и лечения заболеваний. Предлагаемое исследование направлено на решение проблем медицинского ИИ, таких как эффективная интеграция медицинских знаний, объяснение рекомендаций ИИ врачам и установление гарантий безопасности.

Обзор исследования

Статус

Рекрутинг

Условия

Вмешательство/лечение

Тип исследования

Наблюдательный

Регистрация (Оцененный)

300000

Контакты и местонахождение

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

Контакты исследования

Учебное резервное копирование контактов

Места учебы

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

  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

В исследовании будут рассмотрены данные ЭМИ от кардиологических, онкологических пациентов и пациентов с риском заражения сепсисом.

Каждая группа имеет четко определенные критерии включения-исключения. Для модели машинного обучения, позволяющей прогнозировать желудочковые аритмии и внутрибольничную остановку сердца, мы создадим когорты пациентов, состоящие из взрослых (т. е. 18 лет и старше) пациентов, госпитализированных в доступные для медотсека койки в больнице Penn Medicine с 2020 года по присутствующие, а также пациенты, у которых была выявлена ​​остановка сердца с помощью записей EHR.

Описание

Критерии включения:

Кардиология 18 лет и старше, поступившие в любую из больниц Penn Medicine с 2017 года по настоящее время. Сепсис. Возраст 18 лет на момент обращения в отделение неотложной помощи или госпитализации в любую больницу Penn Medicine, начиная с 1 июля 2017 г., будет иметь право на участие, поскольку это представляет группу риска заражения сепсисом. Онкология 18 лет и старше с диагноз инвазивного рака молочной железы (стадии 1-4) в реестре рака Пенсильвании

Критерии исключения Все модели прогнозирования исключают пациентов в возрасте до 18 лет из своих наборов данных о пациентах.

Кардиологические пациенты, у которых первичным диагнозом при поступлении была остановка сердца. Сепсис. Пациенты с ранее существовавшими ограничениями в отношении поддерживающей жизнь терапии будут исключены, поскольку на их право на определение сепсиса, полученную помощь и результаты могут существенно и по-разному влиять ранее существовавшие ограничения на лечение. . Онкология Других исключений нет.

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

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Кардиология
Основная цель в этом сценарии клинического случая — оценить модель ML с использованием сердечной телеметрии в реальном времени, а также других источников клинических, демографических и структурированных изображений среди госпитализированных пациентов в отделениях интенсивной терапии (ОИТ) для прогнозирования предстоящих внутрибольничных сердечных заболеваний. остановки сердца, выявить потенциально обратимые причины остановки сердца и спрогнозировать, у каких пациентов может возникнуть надвигающаяся остановка сердца из-за шокового ритма, например, желудочковой тахикардии (ЖТ) или фибрилляции желудочков (ФЖ).
Другой: ПЕРСОНАЛИЗИРОВАННАЯ ПОДДЕРЖКА КЛИНИЧЕСКИХ РЕШЕНИЙ с помощью искусственного интеллекта
ПРИНЯТИЕ РЕШЕНИЙ С ИСПОЛЬЗОВАНИЕМ ИИ ДЛЯ ПЕРСОНАЛИЗИРОВАННОЙ ПОДДЕРЖКИ КЛИНИЧЕСКИХ РЕШЕНИЙ
Онкология - рак молочной железы
Основная цель в этом сценарии клинического случая — оценить модель МО, используя структурированные и неструктурированные данные клинических, демографических, а также секвенирования опухолевых молекул и зародышевых линий среди амбулаторных пациентов с раком, для прогнозирования краткосрочной смертности и/или снижения симптомов. Модель прогнозирования ответа на лечение у пациентов с раком молочной железы будет сравниваться с двумя прогностическими инструментами: 1) Conversation Connect, ранее проверенным инструментом прогнозирования смертности на основе машинного обучения, который использовался в Пенсильванском университете для рутинной поддержки принятия клинических решений, и 2) Индекс коморбидности Эликсхаузера, прогностический индекс, основанный на коморбидности, обычно используемый в исследованиях и корректировке риска.
Другой: ПЕРСОНАЛИЗИРОВАННАЯ ПОДДЕРЖКА КЛИНИЧЕСКИХ РЕШЕНИЙ с помощью искусственного интеллекта
ПРИНЯТИЕ РЕШЕНИЙ С ИСПОЛЬЗОВАНИЕМ ИИ ДЛЯ ПЕРСОНАЛИЗИРОВАННОЙ ПОДДЕРЖКИ КЛИНИЧЕСКИХ РЕШЕНИЙ
Сепсис
Основная цель в этом сценарии клинического случая — разработать и оценить модель МО, которая использует мультимодальные клинические данные (например, структурированные данные ЭМК, такие как демографические данные, результаты лабораторных исследований и показатели жизнедеятельности; неструктурированные данные ЭУЗ, включая текст записей о клинических наблюдениях и , где это возможно, сигналы от устройств мониторинга сердца, гемодинамики и дыхания в реальном времени) для прогнозирования необходимости начала антимикробной терапии широкого спектра действия у госпитализированных пациентов с сепсисом. Сосредоточив внимание на реализуемом и объяснимом искусственном интеллекте, мы будем производить хорошо выверенные прогнозы, которые также будут иметь клиническое значение у постели больного, чтобы помочь в реальном времени принимать решения о диагностике и начале лечения. Модель своевременной диагностики и вмешательства при сепсисе будет сравниваться с широко используемыми коммерческими моделями прогнозирования сепсиса и моделями с открытым исходным кодом.
Другой: ПЕРСОНАЛИЗИРОВАННАЯ ПОДДЕРЖКА КЛИНИЧЕСКИХ РЕШЕНИЙ с помощью искусственного интеллекта
ПРИНЯТИЕ РЕШЕНИЙ С ИСПОЛЬЗОВАНИЕМ ИИ ДЛЯ ПЕРСОНАЛИЗИРОВАННОЙ ПОДДЕРЖКИ КЛИНИЧЕСКИХ РЕШЕНИЙ

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Нейросимволические алгоритмы обучения
Временное ограничение: Прототипировать и разрабатывать новые алгоритмы обучения; 18 месяцев. Сравните и оцените алгоритмы обучения; 24 месяца. Публиковать результаты исследований; 24 месяца
Разработать и оценить новые алгоритмы обучения нейросимволических моделей. Мы разработаем эффективные алгоритмы обработки данных и вычислений для сквозного обучения нейросимволических моделей. Эта задача уменьшит нагрузку на врачей-экспертов по предоставлению детальной маркировки объемных данных ЭМК.
Прототипировать и разрабатывать новые алгоритмы обучения; 18 месяцев. Сравните и оцените алгоритмы обучения; 24 месяца. Публиковать результаты исследований; 24 месяца
Методы объяснения
Временное ограничение: Прототипировать и разрабатывать новые алгоритмы объяснения; 18 месяцев. Получить заверенные гарантии на разъяснения; 18 месяцев. Сравните и оцените алгоритмы объяснения; 24 месяца. Распространить сертификаты на новые свойства и задачи; 30 месяцев. Публикация
Мы разработаем новые объяснимые методы искусственного интеллекта, которые будут иметь поддающиеся проверке гарантии. Эти гарантии обеспечат доверие и прозрачность в области ИИ на фундаментальном уровне.
Прототипировать и разрабатывать новые алгоритмы объяснения; 18 месяцев. Получить заверенные гарантии на разъяснения; 18 месяцев. Сравните и оцените алгоритмы объяснения; 24 месяца. Распространить сертификаты на новые свойства и задачи; 30 месяцев. Публикация
Методы гарантий безопасности
Временное ограничение: Прототипировать и разрабатывать новые алгоритмы обучения правилам; 30 месяцев. Масштабируйте алгоритмы обучения правилам для более крупных настроек данных; 36 месяцев. Включайте новые примитивы для выражения сложных правил; 36 месяцев. Внедрение алгоритмов обучения правилам для базовых задач
Мы разработаем новые алгоритмы, которые смогут масштабируемо извлекать сложные логические правила, регулирующие безопасность данных, имеющих статистические гарантии. Эти методы будут основаны на статистическом анализе и помогут пользователям выявлять нераспределенные данные и выявлять аномалии.
Прототипировать и разрабатывать новые алгоритмы обучения правилам; 30 месяцев. Масштабируйте алгоритмы обучения правилам для более крупных настроек данных; 36 месяцев. Включайте новые примитивы для выражения сложных правил; 36 месяцев. Внедрение алгоритмов обучения правилам для базовых задач

Соавторы и исследователи

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

Спонсор

Abramson Cancer Center at Penn Medicine

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)

29 ноября 2025 г.

Первичное завершение (Оцененный)

1 ноября 2028 г.

Завершение исследования (Оцененный)

1 ноября 2028 г.

Даты регистрации исследования

Первый отправленный

15 ноября 2024 г.

Впервые представлено, что соответствует критериям контроля качества

15 ноября 2024 г.

Первый опубликованный (Действительный)

19 ноября 2024 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

25 февраля 2026 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

23 февраля 2026 г.

Последняя проверка

1 февраля 2026 г.

Дополнительная информация

Термины, связанные с этим исследованием

Дополнительные соответствующие термины MeSH

Другие идентификационные номера исследования

  • 34124

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .

Подписаться