Utvärdering av en AI-baserad klinisk assistent för att stödja sköldkörtelcancerhantering
17 juli 2026 uppdaterad av: Dr. Carlos King-Ho Wong, The University of Hong Kong
En randomiserad kontrollerad studie för att utvärdera en AI-baserad klinisk assistent för sköldkörtelcancerstaging och riskstratifiering bland läkarstudenter och kliniker
Denna studie syftar till att utvärdera den kliniska genomförbarheten av att använda artificiell intelligens (AI)-baserade modeller för att förbättra den kliniska hanteringen av sköldkörtelcancer.
Studieöversikt
Status
Anmälan via inbjudan
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Med de senaste framstegen inom tekniken har AI blivit allmänt tillämpligt för visuell textigenkänning i kliniska miljöer.
AI-driven textigenkänning framträder som ett mycket effektivt, hållbart och kostnadseffektivt verktyg för beslutsfattande och personlig medicin.
Många studier har använt algoritmer för naturlig språkbehandling (NLP), särskilt stora språkmodeller (LLM), för att omvandla ostrukturerad fri text från kliniska konsultationsanteckningar inom elektroniska hälsoregister (EHR) till strukturerad data, vilket berikar individuella kliniska profiler i EHR-databaserna.
Över tid har dessa AI-modeller kontinuerligt förbättrat sin prediktiva noggrannhet och prestanda genom självinlärning (eller oövervakad inlärning).
Även om AI-modeller har haft en betydande inverkan på onkologipraxis utomlands, förblir deras användbarhet för textigenkänning inom onkologi begränsad i Hongkong.
Denna föreslagna studie syftar till att utvärdera den kliniska genomförbarheten av att anta AI-baserade modeller för att förbättra slutanvändarnas förtroende för diagnostisk noggrannhet och riskprediktion med hjälp av AI-assisterade arbetsflöden inom sköldkörtelcancerhantering.
Studietyp
Interventionell
Inskrivning (Beräknad)
76
Fas
- Inte tillämpbar
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
-
Hong Kong, Hong Kong
- School of Public Health, The University of Hong Kong
-
Hong Kong, Hong Kong
- Department of Surgery, School of Clinical Medicine, The University of Hong Kong
-
-
Deltagandekriterier
Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Ja
Beskrivning
Inklusionskriterier:
- medicinare
- kliniker (inklusive men inte begränsat till kirurger, onkologer, patologer)
Exklusionskriterier:
- medicinare och kliniker som hade granskat journalanteckningarna eller varit involverade i hanteringen av journalanteckningarna före påbörjandet av kliniska experimentella studier
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Hälsovårdsforskning
- Tilldelning: Randomiserad
- Interventionsmodell: Crossover tilldelning
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: AI-aktiverad klinisk assistent
Deltagarna kommer att ange cancerstadieställning och riskkategori för varje patient med sköldkörtelcancer samt deltagarnas säkerhet för ovanstående diagnostiska bedömningar med AI-stödd klinisk assistent som intervention.
Den AI-assistenten drivs av LLM:er och omfattar en klinisk instrumentpanel.
Den kliniska instrumentpanelen visar de ursprungliga kliniska anteckningarna och sammanfattar cancerstadieställning och riskkategori för varje patient med sköldkörtelcancer som genererats från bakgrundsbehandlingen av den kliniska assistenten.
Stödjande bevis från ursprungliga kliniska anteckningar är också markerade för deltagarnas verifiering.
|
Deltagarna kommer att ange cancerskede och riskkategori för varje patient med sköldkörtelcancer samt deltagarnas tillförsikt för ovanstående diagnostiska bedömningar med AI-stödd klinisk assistent som intervention.
Den AI-assistenten drivs av LLM:er och omfattar en klinisk instrumentpanel.
Den kliniska instrumentpanelen visar de ursprungliga kliniska anteckningarna och sammanfattar cancerskede och riskkategori för varje patient med sköldkörtelcancer som genererats från bakgrundsbehandlingen av den kliniska assistenten.
Stödjande bevis från ursprungliga kliniska anteckningar framhävs också för deltagarnas verifiering.
|
|
Inget ingripande: Manuell journalgranskning
Deltagarna kommer att ange cancerstadiesteg och riskkategori för varje patient med sköldkörtelcancer samt deltagarnas tillförsikt för ovanstående diagnostiska bedömningar med manuell journalgranskning.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Efficiency
Tidsram: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The time required to complete reviewing one set of clinical notes is compared between intervention and non-intervention groups
|
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Accuracy of Cancer Staging and Risk Stratification by Participants Compared with Ground Truth across Intervention and Non-intervention Groups
Tidsram: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The study will compare the accuracy of cancer staging and risk category assessed by the participants across the intervention group with AI assitance and non-intervention group without AI asssitance. The participants will review the clinical notes and assess the cancer staging and risk category for each thyroid cancer patient with or without the AI assistant. Participant provided assessments will be compared against the ground truth established by the clinical investigators of the study to guage the accuracy which is quantified as the percentage of correctly graded cancer staging and risk stratification. The accuracy will be compared between the intervention group and non-intervention groups using t-tests to evaluate the clinical impact of the AI assistant. |
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
|
Participants' Confidence in Cancer Staging and Risk Stratification as Assessed by a 0-10 Scale Questionnaire
Tidsram: Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
The study will compare the participants' confidence in grading cancer staging and risk category between the intervention group with AI assistance and non-intervention group without AI-assistance. After evaluating each thyroid cancer case for providing cancer staging and risk category, participants will complete a short questionnaire rating their confidence in providing their assessments on a scale from 0 (lowest) to 10 (hightest). Meanw confidence score will be compared between the intervention group and non-intervention group to evaluate the clinical impact of the AI assitant. |
Between intervention group and non-intervention group. Cross-over in 4-26 weeks
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: King Ho Carlos Wong, School of Public Health The University of Hong Kong
- Huvudutredare: Man Him Matrix Fung, Department of Surgery, School of Clinical Medicine, The University of Hong Kong
Publikationer och användbara länkar
Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.
Studieavstämningsdatum
Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.
Studera stora datum
Studiestart (Faktisk)
2 oktober 2025
Primärt slutförande (Beräknad)
31 mars 2027
Avslutad studie (Beräknad)
30 april 2027
Studieregistreringsdatum
Först inskickad
29 september 2025
Först inskickad som uppfyllde QC-kriterierna
16 november 2025
Första postat (Faktisk)
18 november 2025
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
21 juli 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
17 juli 2026
Senast verifierad
1 juli 2026
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- UW24-319-RCT
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
JA
IPD-planbeskrivning
Endast anonymiserad IPD som används i resultatpublikationer kommer att delas så att re-identifiering av individer inte är möjlig.
Tidsram för IPD-delning
IPD och stödjande information kommer att vara tillgänglig efter avslutat studie (förväntat datum 31 december 2025) med resultatspridning eller publicering, och kommer att förbli oändligt tills borttagning krävs.
Kriterier för IPD Sharing Access
IPD och stödinformation kommer att vara tillgängliga vid resultatspridning och publicering som dokumentuppladdningar eller bilagor.
Alla som har tillgång till artiklarna kommer att kunna komma åt alla dokument.
IPD-delning som stöder informationstyp
- STUDY_PROTOCOL
- SAV
- ICF
- ANALYTIC_CODE
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .