- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT07305324
Улучшение диагностики фиброза печени в первичной медицинской помощи с использованием FibroX AI
Валидация инструмента ИИ для улучшения диагностики прогрессирующего фиброза печени при MASLD в условиях первичной медико-санитарной помощи: Пилотное кроссоверное рандомизированное контролируемое исследование на уровне медицинских работников
Цель данного клинического исследования — выяснить, может ли инструмент искусственного интеллекта (ИИ) под названием FibroX помочь врачам первичного звена лучше диагностировать значительный фиброз печени (≥F2) и клинически значимую портальную гипертензию у взрослых с метаболической дисфункцией-ассоциированной стеатозной болезнью печени (MASLD).
Основные вопросы, на которые оно направлено ответить:
- Может ли FibroX повысить точность диагностики значительного фиброза печени (≥F2) и клинически значимой портальной гипертензии по сравнению с обычной практикой?
- Является ли FibroX простым в использовании и приемлемым для врачей первичного звена в имитационных клинических условиях?
- Доверяют ли врачи FibroX как инструменту поддержки принятия решений?
Исследователи сравнят помощь с использованием FibroX с обычной практикой, чтобы определить, повышает ли FibroX точность диагностики, доверие врачей и способствует ли лучшему принятию решений.
Участники будут:
- Врачами первичного звена (MD, DO, NP, PA) из различных клиник
- Анализировать имитационные случаи пациентов с факторами риска MASLD
- Использовать либо обычные инструменты (стандартные лабораторные анализы и опциональный калькулятор FIB-4), либо FibroX (оценку риска, сгенерированную ИИ, триажную категорию и панель объяснимости)
- Принимать диагностические решения и решения о направлении для каждого случая
- Заполнять опросники об удобстве использования, доверии к ИИ, уверенности и когнитивной нагрузке
Это исследование поможет определить, можно ли интегрировать FibroX в реальные рабочие процессы первичного звена для поддержки более раннего и точного выявления фиброза печени и портальной гипертензии, потенциально снижая пропущенные диагнозы, ненужные направления и улучшая исходы для пациентов.
Обзор исследования
Статус
Условия
Вмешательство/лечение
Подробное описание
Это исследование представляет собой пилотное клиническое испытание продолжительностью 12 месяцев, предназначенное для оценки осуществимости, удобства использования, доверия медицинских работников и предварительной эффективности FibroX — объяснимого инструмента искусственного интеллекта (ИИ), разработанного для улучшения диагностики значимого фиброза печени (≥F2) и клинически значимой портальной гипертензии у взрослых с метаболической дисфункцией-ассоциированной стеатозной болезнью печени (MASLD). MASLD — это распространенное и прогрессирующее заболевание печени, которое может привести к циррозу, печеночной недостаточности и повышенному сердечно-сосудистому риску. Раннее выявление этих состояний имеет критическое значение, поскольку текущие клинические рекомендации рекомендуют начинать терапию (например, резметиром или семаглутид для фиброза ≥F2 и бета-блокаторы для портальной гипертензии). Однако существующие инструменты, такие как FIB-4, часто не обладают достаточной точностью и удобством использования в рутинной первичной медицинской помощи.
FibroX решает эти ограничения, используя рутинно доступные клинические данные — такие как возраст, печеночные ферменты, количество тромбоцитов, ИМТ и функция почек — для оценки вероятности значимого фиброза и портальной гипертензии. Он предоставляет категорию сортировки (исключение, неопределенность, подтверждение) и краткое объяснение того, какие клинические факторы оказали наибольшее влияние на прогноз. Эта прозрачность достигается с использованием Shapley Additive Explanations (SHAP), что помогает клиницистам понять, как ИИ пришел к своему выводу.
В ретроспективных исследованиях FibroX продемонстрировал превосходные диагностические характеристики по сравнению с FIB-4 (AUROC 0.97 против 0.62) и был связан с долгосрочным риском смертности, что предполагает прогностическую ценность помимо диагностической полезности.
Это пилотное испытание будет имитировать реальные рабочие процессы первичной медицинской помощи, чтобы проверить, могут ли клиницисты эффективно использовать FibroX. В исследовании примут участие 30–40 врачей первичного звена (MD, DO, NP, PA) из 4–6 различных клиник. Каждый участник будет участвовать в двух симуляционных периодах, каждый из которых включает 16 синтетических или обезличенных случаев пациентов, отражающих взрослых с факторами риска MASLD. Истинная стадия фиброза и портальная гипертензия будут определяться биопсией или экспертным консенсусом с использованием вибрационно-контролируемой транзиторной эластографии (VCTE) и критериев, основанных на клинических рекомендациях.
Участники будут случайным образом распределены для рассмотрения случаев в одной из двух последовательностей:
- Уход с использованием FibroX: Участники будут получать оценку вероятности риска, категорию сортировки и панель объяснимости от FibroX.
- Стандартный уход: Участники будут использовать стандартные лабораторные показатели и витальные признаки с возможностью доступа к калькулятору FIB-4 по желанию.
После недельного периода вымывания участники перейдут к другому условию. Для каждого случая участники будут принимать решение о ведении пациента (например, без действий, назначение VCTE, направление к гепатологу), фиксировать уровень своей уверенности и заполнять опросники по удобству использования, доверию к ИИ и когнитивной нагрузке.
Первичные исходы
- Осуществимость: Уровень рекрутинга ≥70%, уровень завершения ≥85%, медианное время принятия решения ≤3.5 минуты.
- Удобство использования и приемлемость: Оценка по шкале удобства использования системы (SUS) ≥70.
- Доверие медицинских работников: Оценка по шкале доверия к ИИ ≥6.
- Эффективность: Внутриучастническая диагностическая точность для значимого фиброза (≥F2) и клинически значимой портальной гипертензии.
Вторичные исходы
- Уровни адекватного направления
- Улучшение чистой реклассификации (NRI)
- Метрики калибровки (пересечение, наклон)
- Уверенность врача и когнитивная нагрузка (NASA-TLX)
- Предполагаемая нагрузка от последующего тестирования
- Внедрение и соблюдение рекомендаций по сортировке
- Частота и причины отклонения от рекомендаций
- Анализ справедливости по подгруппам (возраст, пол, ИМТ, раса/этническая принадлежность)
Все действия участников и время принятия решений будут автоматически регистрироваться. Опросники после периода и качественные обсуждения позволят изучить барьеры и факторы, способствующие использованию FibroX.
Значимость исследования Это пилотное исследование предоставит критически важные данные для поддержки будущего многоцентрового испытания и потенциальной интеграции FibroX в электронные медицинские карты. В случае успеха FibroX может обеспечить масштабируемый, соответствующий клиническим рекомендациям скрининг на значимый фиброз печени и портальную гипертензию в первичной медицинской помощи, сокращая пропущенные диагнозы и ненужные направления. Это соответствует национальным приоритетам в области прецизионной медицины и ответственного внедрения ИИ в здравоохранении.
Тип исследования
Регистрация (Оцененный)
Фаза
- Непригодный
Контакты и местонахождение
Контакты исследования
- Имя: Basile Njei, MD, MPH, PhD, FRCP
- Номер телефона: 475-227-5537
- Электронная почта: basile.njei@yale.edu
Учебное резервное копирование контактов
- Имя: Ulrick S Kanmounye, MD, MPH, MSc
- Номер телефона: 5705404973
- Электронная почта: ulricksidney@gmail.com
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Описание
Критерии включения:
- Лицензированные специалисты первичной медицинской помощи (врачи MD, DO, практикующие медсёстры NP или помощники врачей PA)
- В настоящее время работающие в области первичной помощи для взрослых (≥0,5 эквивалента полной занятости)
- Связанные с одной из участвующих клиник (академических, общественных или Федерально Квалифицированных Медицинских Центров)
- Готовые и способные участвовать в симулированных обзорах случаев на основе электронной медицинской карты (EHR)
- Способные предоставить информированное согласие
Критерии исключения:
- Специалисты, не практикующие активно в области первичной помощи для взрослых
- Специалисты с менее чем 0,5 эквивалента полной занятости в клинической практике
- Предыдущее участие в разработке или валидации инструмента FibroX
- Невозможность завершить оба периода симуляции из-за графика или других ограничений
Учебный план
Как устроено исследование?
Детали дизайна
- Основная цель: Диагностика
- Распределение: Рандомизированный
- Интервенционная модель: Назначение кроссовера
- Маскировка: Нет (открытая этикетка)
Оружие и интервенции
Группа участников / Армия |
Вмешательство/лечение |
|---|---|
|
Экспериментальный: Уход с поддержкой FibroX
В этом подразделении врачи первичного звена используют FibroX, инструмент клинической поддержки принятия решений на основе искусственного интеллекта, для оценки смоделированных клинических случаев пациентов на предмет значительного фиброза печени (≥F2) и клинически значимой портальной гипертензии.
FibroX отображает оценку вероятности риска, категорию сортировки (исключить, неопределенный, подтвердить) и панель однострочного объяснения, показывающую, какие клинические факторы наиболее повлияли на прогноз.
Врачи используют эту информацию для принятия диагностических и реферальных решений (например, назначить VCTE, направить к гепатологу, начать терапию по рекомендациям).
Каждый врач рассматривает 16 случаев в течение этого периода вмешательства.
Цель — оценить влияние FibroX на точность диагностики, доверие врачей, удобство использования и эффективность рабочего процесса по сравнению с обычным лечением.
|
FibroX — это интерпретируемый инструмент искусственного интеллекта (ИИ), предназначенный для помощи врачам первичного звена в диагностике значительного фиброза печени (≥F2) и клинически значимой портальной гипертензии у пациентов с метаболической дисфункцией-ассоциированной стеатозной болезнью печени (MASLD).
Он использует рутинно доступные клинические данные (например, возраст, АСТ, АЛТ, тромбоциты, ИМТ, HbA1c, креатинин) для генерации оценки вероятности риска, категории триажа (исключить, неопределенный, подтвердить) и панели однострочной объяснимости с использованием Shapley Additive Explanations (SHAP).
Врачи используют FibroX во время симулированных встреч с пациентами для принятия решений по диагностике и направлению (например, назначить VCTE, направить к гепатологу, начать терапию по рекомендациям).
Инструмент направлен на повышение точности диагностики, укрепление доверия врачей, сокращение пропущенных диагнозов и поддержку соответствующего рекомендациям триажа в первичной медико-санитарной помощи.
|
|
Активный компаратор: Обычное лечение
В этой группе врачи первичного звена оценивают симулированные клинические случаи, используя стандартные инструменты, доступные в рутинной практике.
К ним относятся лабораторные результаты, жизненно важные показатели, списки проблем, лекарственные препараты и предыдущие визуализационные исследования.
Врачи могут по желанию использовать калькулятор FIB-4 для оценки риска фиброза печени.
Каждый врач рассматривает 16 случаев в течение этого периода.
Поддержка принятия решений на основе ИИ не предоставляется.
Эта группа служит контролем для оценки того, улучшает ли FibroX точность диагностики значительного фиброза печени (≥F2) и клинически значимой портальной гипертензии, а также доверие врачей, удобство использования и эффективность рабочих процессов по сравнению с обычной практикой.
|
В условиях обычного лечения врачи первичного звена оценивают смоделированные случаи пациентов с использованием стандартных клинических инструментов, доступных в рутинной практике.
К ним относятся результаты лабораторных исследований, жизненно важные показатели, списки проблем, лекарственные препараты и предыдущие визуализационные исследования.
Врачи могут дополнительно использовать калькулятор FIB-4 для оценки риска фиброза печени.
Искусственный интеллект для поддержки принятия решений не предоставляется.
Это вмешательство служит в качестве компаратора для оценки того, улучшает ли FibroX диагностическую точность в отношении значимого фиброза печени (≥F2) и клинически значимой портальной гипертензии, а также доверие врачей, качество принятия решений и эффективность рабочих процессов по сравнению с обычным лечением.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Диагностическая точность для значительного фиброза печени (≥F2) и клинически значимой портальной гипертензии с использованием FibroX по сравнению с обычной помощью
Временное ограничение: Сразу после каждого периода моделирования, до 24 недель
|
Точность диагностики внутри медицинского учреждения для выявления значительного фиброза печени (≥F2) и клинически значимой портальной гипертензии при имитации первичных медицинских контактов. Точность будет оцениваться с использованием чувствительности, специфичности и AUROC при клинически значимых порогах. Эталонные данные для стадии фиброза и портальной гипертензии будут получены на основе биопсии, экспертного консенсуса на основе вибрационно-контролируемой транзиторной эластографии (VCTE) и критериев, определенных в руководствах. Единица измерения: Доля (чувствительность и специфичность в %, AUROC как безразмерная величина) |
Сразу после каждого периода моделирования, до 24 недель
|
|
Балл по Шкале Полезности Системы (SUS) для интеграции FibroX
Временное ограничение: Сразу после каждого периода моделирования, до 24 недель
|
Пригодность FibroX оценивалась с помощью Системной шкалы удобства использования (SUS), валидированного опросника из 10 пунктов, оцениваемого от 0 до 100, где более высокие баллы указывают на лучшую пригодность. Единица измерения: Балл (диапазон: 0-100; более высокие баллы = лучшая пригодность) |
Сразу после каждого периода моделирования, до 24 недель
|
|
Доверие поставщиков к инструменту ИИ (FibroX)
Временное ограничение: Непосредственно после периода моделирования с использованием FibroX, до 24 недель
|
Доверие поставщиков к FibroX оценивалось с использованием валидированной Шкалы доверия к ИИ (AI-Trust Scale), которая включает 12 пунктов, оцениваемых по шкале Лайкерта. Более высокие баллы указывают на большее доверие к инструменту ИИ. Единица измерения: Балл (диапазон: 12-60; более высокие баллы = большее доверие) |
Непосредственно после периода моделирования с использованием FibroX, до 24 недель
|
|
Медианное время принятия решения по делу
Временное ограничение: Сразу после каждого периода моделирования, до 24 недель
|
Медианное время (в минутах), затраченное медицинскими работниками на принятие решений по ведению смоделированных случаев MASLD с использованием FibroX по сравнению со стандартной терапией. Единица измерения: Минуты |
Сразу после каждого периода моделирования, до 24 недель
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Соответствующий уровень направления
Временное ограничение: Непосредственно после каждого периода моделирования, до 24 недель
|
Доля смоделированных случаев, в которых решения поставщиков медицинских услуг о направлении (например, направление к гепатологу, назначение VCTE) соответствуют рекомендациям по сортировке для стратификации риска MASLD. Единица измерения: Доля (%) |
Непосредственно после каждого периода моделирования, до 24 недель
|
|
Улучшение чистой реклассификации (NRI)
Временное ограничение: Непосредственно после каждого периода моделирования, до 24 недель
|
Изменение точности классификации категорий риска MASLD (исключение, неопределенный, подтверждение) при использовании FibroX по сравнению со стандартной медицинской помощью. Единица измерения: показатель NRI (безразмерная величина) |
Непосредственно после каждого периода моделирования, до 24 недель
|
|
Калибровка прогнозов риска
Временное ограничение: Сразу после каждого периода моделирования, до 24 недель
|
Калибровка предсказаний FibroX по сравнению с наблюдаемыми исходами, оцененная с использованием калибровочного пересечения, наклона и калибровочного графика. Единица измерения: пересечение и наклон (безразмерные) |
Сразу после каждого периода моделирования, до 24 недель
|
|
Уверенность провайдера в принятии решений
Временное ограничение: Непосредственно после каждого периода моделирования, до 24 недель
|
Уверенность, о которой сообщил поставщик медицинских услуг, в принятии решений по ведению MASLD в смоделированных случаях, измеренная по 5-балльной шкале Лайкерта (1 = очень низкая уверенность; 5 = очень высокая уверенность). Единица измерения: Балл (диапазон: 1–5; более высокие баллы = большая уверенность) |
Непосредственно после каждого периода моделирования, до 24 недель
|
|
Когнитивная нагрузка при рассмотрении дела
Временное ограничение: Сразу после каждого периода симуляции, до 24 недель
|
Когнитивная нагрузка на провайдера оценивалась с использованием индекса нагрузки задач NASA (NASA-TLX), который предоставляет общий показатель нагрузки от 0 до 100 по шести измерениям. Единица измерения: Балл (диапазон: 0-100; более высокие баллы = большая нагрузка) |
Сразу после каждого периода симуляции, до 24 недель
|
|
Планируемая нагрузка последующего тестирования
Временное ограничение: Сразу после каждого периода моделирования, до 24 недель
|
Количество и тип дополнительных анализов или направлений (например, VCTE, консультация гепатолога), которые врачи планируют назначить после каждого имитационного случая. Единица измерения: Количество (число анализов/направлений на случай) |
Сразу после каждого периода моделирования, до 24 недель
|
|
Внедрение и соблюдение рекомендаций по сортировке
Временное ограничение: Сразу после каждого периода моделирования, до 24 недель
|
Доля случаев, когда поставщики следуют рекомендациям FibroX по сортировке (например, исключение, неопределенный результат, подтверждение) без переопределения. Единица измерения: Доля (%) |
Сразу после каждого периода моделирования, до 24 недель
|
|
Частота и причины отмены
Временное ограничение: Сразу после каждого периода моделирования, до 24 недель
|
Доля случаев, когда поставщики услуг отклоняют рекомендации FibroX, и задокументированные причины отклонения. Единица измерения: Доля (%) |
Сразу после каждого периода моделирования, до 24 недель
|
|
Анализ справедливости по подгруппам
Временное ограничение: Сразу после каждого периода моделирования, до 24 недель
|
Производительность FibroX (чувствительность, специфичность, калибровка) в демографических подгруппах (возраст, пол, ИМТ, раса/этническая принадлежность). Единица измерения: Доля (%) и AUROC (безразмерная величина) |
Сразу после каждого периода моделирования, до 24 недель
|
Соавторы и исследователи
Спонсор
Публикации и полезные ссылки
Общие публикации
- Wong VW, Vergniol J, Wong GL, Foucher J, Chan HL, Le Bail B, Choi PC, Kowo M, Chan AW, Merrouche W, Sung JJ, de Ledinghen V. Diagnosis of fibrosis and cirrhosis using liver stiffness measurement in nonalcoholic fatty liver disease. Hepatology. 2010 Feb;51(2):454-62. doi: 10.1002/hep.23312.
- Njei, B., et al., FIBROX: an explainable AI model for accurate prediction of advanced liver fibrosis and cardiovascular mortality in MASLD. Gastroenterology, 2024. 169(1): p. S-131-S-132.
- Njei B, Osta E, Njei N, Al-Ajlouni YA, Lim JK. An explainable machine learning model for prediction of high-risk nonalcoholic steatohepatitis. Sci Rep. 2024 Apr 13;14(1):8589. doi: 10.1038/s41598-024-59183-4.
- Ratziu V, Charlotte F, Heurtier A, Gombert S, Giral P, Bruckert E, Grimaldi A, Capron F, Poynard T; LIDO Study Group. Sampling variability of liver biopsy in nonalcoholic fatty liver disease. Gastroenterology. 2005 Jun;128(7):1898-906. doi: 10.1053/j.gastro.2005.03.084.
- Decharatanachart P, Chaiteerakij R, Tiyarattanachai T, Treeprasertsuk S. Application of artificial intelligence in non-alcoholic fatty liver disease and liver fibrosis: a systematic review and meta-analysis. Therap Adv Gastroenterol. 2021 Dec 21;14:17562848211062807. doi: 10.1177/17562848211062807. eCollection 2021.
- Meng F, Zheng Y, Zhang Q, Mu X, Xu X, Zhang H, Ding L. Noninvasive evaluation of liver fibrosis using real-time tissue elastography and transient elastography (FibroScan). J Ultrasound Med. 2015 Mar;34(3):403-10. doi: 10.7863/ultra.34.3.403.
- Boursier J, de Ledinghen V, Zarski JP, Fouchard-Hubert I, Gallois Y, Oberti F, Cales P; multicentric groups from SNIFF 32, VINDIAG 7, and ANRS/HC/EP23 FIBROSTAR studies. Comparison of eight diagnostic algorithms for liver fibrosis in hepatitis C: new algorithms are more precise and entirely noninvasive. Hepatology. 2012 Jan;55(1):58-67. doi: 10.1002/hep.24654.
- Yoon JH, Lee JM, Joo I, Lee ES, Sohn JY, Jang SK, Lee KB, Han JK, Choi BI. Hepatic fibrosis: prospective comparison of MR elastography and US shear-wave elastography for evaluation. Radiology. 2014 Dec;273(3):772-82. doi: 10.1148/radiol.14132000. Epub 2014 Jul 7.
- Mondal A, Debnath A, Dhandapani G, Sharma A, Lukhmana S, Yadav G. Prevalence of High and Moderate Risk of Liver Fibrosis Among Patients With Diabetes at a Noncommunicable Diseases (NCD) Clinic in a Primary Healthcare Center in Northern India. Cureus. 2023 Nov 23;15(11):e49286. doi: 10.7759/cureus.49286. eCollection 2023 Nov.
- Estes C, Anstee QM, Arias-Loste MT, Bantel H, Bellentani S, Caballeria J, Colombo M, Craxi A, Crespo J, Day CP, Eguchi Y, Geier A, Kondili LA, Kroy DC, Lazarus JV, Loomba R, Manns MP, Marchesini G, Nakajima A, Negro F, Petta S, Ratziu V, Romero-Gomez M, Sanyal A, Schattenberg JM, Tacke F, Tanaka J, Trautwein C, Wei L, Zeuzem S, Razavi H. Modeling NAFLD disease burden in China, France, Germany, Italy, Japan, Spain, United Kingdom, and United States for the period 2016-2030. J Hepatol. 2018 Oct;69(4):896-904. doi: 10.1016/j.jhep.2018.05.036. Epub 2018 Jun 8.
- Targher G, Byrne CD, Tilg H. MASLD: a systemic metabolic disorder with cardiovascular and malignant complications. Gut. 2024 Mar 7;73(4):691-702. doi: 10.1136/gutjnl-2023-330595.
- Maher S, Rajapakse J, El-Omar E, Zekry A. Role of the Gut Microbiome in Metabolic Dysfunction-Associated Steatotic Liver Disease. Semin Liver Dis. 2024 Nov;44(4):457-473. doi: 10.1055/a-2438-4383. Epub 2024 Oct 10.
- Younossi ZM, Mangla KK, Berentzen TL, Grau K, Kjaer MS, Ladelund S, Nitze LM, Coolbaugh C, Hsu CY, Hagstrom H. Liver histology is associated with long-term clinical outcomes in patients with metabolic dysfunction-associated steatohepatitis. Hepatol Commun. 2024 May 10;8(6):e0423. doi: 10.1097/HC9.0000000000000423. eCollection 2024 Jun 1.
Полезные ссылки
Даты записи исследования
Изучение основных дат
Начало исследования (Оцененный)
Первичное завершение (Оцененный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 2000027433
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Описание плана IPD
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
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. .