Forskning om ett intelligent hälsorekommendationssystem för kronisk sjukdomskomorbiditet som integrerar traditionell kinesisk medicin
Forskning om ett intelligent rekommendationssystem för hälsovård vid kronisk sjukdom med flera samtidiga sjukdomar baserat på integrering av databas för traditionell kinesisk medicinsk konstitution och multimodala stora språkmodeller
- Konstruera en databas för traditionell kinesisk medicins (TCM) konstitution, klargör fördelningsmönstren för TCM-konstitution i populationer med samsjuklighet av "tre-höga" tillstånd (högt blodtryck, hyperlipidemi och hyperglykemi) och deras associationer med metaboliska indikatorer. Etablera en "konstitution-samsjuklighet-metabolism" relationsmodell för att ge en grund för personanpassade interventioner och utvecklingen av en AI-plattform.
- Utveckla AI-HEALS-systemet genom att integrera TCM-konstitutionsdatabasen med multimodala stora språkmodeller. Detta system kommer att generera personanpassade interventionsplaner och erbjuda intelligenta interaktiva fråge- och svarsfunktioner för att förbättra patienters följsamhet till interventioner.
- Utvärdera den kliniska applikationseffektiviteten av AI-HEALS-systemet, utforska relationen mellan förändringar i konstitution och interventionsresultat, och validera TCM-interventionsvägen "reglera konstitution för att främja hälsa". Detta kommer att ge både teoretisk och praktisk vägledning för den dynamiska regleringen och precisa interventionen av TCM-konstitution.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Detta projekt kombinerar traditionell kinesisk medicins (TCM) konstitutionsteori med stora språkmodeller (LLM) genom tvärvetenskaplig integration och konstruerar ett dynamiskt förstärkt intelligent hälsorekommendationssystem för TCM. Det främjar den djupa integrationen av konceptet "behandling baserad på konstitutionsdifferentiering" med artificiell intelligens. Betydelsen av denna forskning återspeglas främst i följande två aspekter:
På den teoretiska nivån hjälper denna studie till att utöka kunskapsrepresentationen och beräkningsmodelleringsmetoderna för TCM-konstitutionsteori inom ramen för modern artificiell intelligens. Den främjar tillämpningen och omvandlingen av TCM-konceptet "förebyggande behandling" i stordata- och intelligent resonemangsscenarier, ger nya perspektiv för forskning om mekanismerna som länkar TCM-konstitution och kroniska sjukdomars samsjuklighet, och främjar korsintegration mellan TCM-teoretiska system och modern medicinsk informationsvetenskap.
På den praktiska nivån förlitar sig forskningen på verkliga kliniska data och multimodala AI-modeller för att upprätta en strukturerad, standardiserad TCM-konstitutionsdatabas. Den utvecklar ett hälsobildningssystem med individuell identifiering, intelligent rekommendation och dynamiska interventionsfunktioner, lämpligt för personlig hantering och tidig varning i populationer med kroniska sjukdomars samsjuklighet. Projektets resultat kommer att hjälpa till att förbättra individens hälsokunskap och livskvalitet, lindra bördan av kroniska sjukdomar, främja den praktiska tillämpningen av TCM i primärvårdstjänster och digital medicin, och demonstrera betydande socialt värde och breda utsikter för utbredd användning.
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: qingqing liu
- Telefonnummer: 13858089867
- E-post: qingliuq@zju.edu.cn
Studera Kontakt Backup
- Namn: yibo wu
- Telefonnummer: 13758089867
- E-post: bjmuwuyibo@outlook.com
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
Ålder ≥ 18 år; Tydlig diagnos av hypertoni, typ 2-diabetes och hyperlipidemi, samt en komorbiditet som involverar alla tre sjukdomarna; Stabil sjukdomstillstånd utan nyligen inträffade akuta komplikationer; Kapabel att slutföra frågeformulär och villig att ge informerat samtycke för att frivilligt delta i studien.
Exklusionskriterier:
Patienter i den akuta fasen av de tre höga sjukdomarna (hypertoni, diabetes, hyperlipidemi) eller med allvarliga komplikationer (såsom akut hjärtinfarkt eller stroke); Patienter med andra större sjukdomar som kan påverka konstitutionsbedömning eller interventionsgenomförande, såsom maligna tumörer, svår lever- eller njurfunktionsnedsättning, aktiv tuberkulos eller psykisk sjukdom; Patienter som har fått systemisk traditionell kinesisk medicinbehandling (t.ex. växtdekokter eller akupunktur) under den senaste månaden, vilket kan påverka den initiala bedömningen av konstitutionstyp; Gravida eller ammande kvinnor; Personer som inte kan samarbeta med mätningar, med språkkommunikationshinder eller kognitiva funktionsnedsättningar; Patienter som deltar i andra interventionsstudier.
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Databas för traditionell kinesisk medicin (TCM) konstitution
Tidsram: Observationsperiod: 3 år
|
Utveckla AI-HEALS intelligenta interventionsplattformen, utrustad med funktioner såsom konstitutionsidentifiering, intelligenta rekommendationer och interaktiv fråga-svar, vilket uppnår en fråga-svar- noggrannhetsgrad på över 90%.
|
Observationsperiod: 3 år
|
Samarbetspartners och utredare
Studieavstämningsdatum
Studera stora datum
Studiestart (Beräknad)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- KY-2025-295
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .