xrAI - 提高胸片解读的质量和效率
xrAI（发音为“X-ray”）作为一种临床辅助工具，供训练有素的临床专业人员解读胸片。 该工具被设计为质量控制和辅助、有限的临床决策支持工具，不能取代临床专业人员的作用。 它会突出显示胸片上的区域，以供口译临床医生查看。
本研究的目的是利用机器学习和人工智能算法 (xrAI) 提高家庭医生、执业护士、急诊医师、内科医生、肺科医生和放射科医生解读胸片的质量和效率。
假设是，增加 xrAI 的分析将减少观察者之间在解释胸片时的变异性，并提高参与者在肺部异常筛查中的敏感性、召回率和准确性。
研究概览
详细说明
为了研究 xrAI 对将胸片解读为日常职责一部分的临床医生的影响，研究人员设计了一项随机对照试验。
xrAI 检测到的并包含在异常定义中的肺部异常如下：任何线状瘢痕或纤维化、肺不张、实变、脓肿或空洞、结节、胸腔积液、严重的肺气肿和 COPD（轻度充气过度但不显着）肺气肿未标记）和气胸。
为了评估 xrAI 的因果效应，研究人员将 36 名临床医生随机分配到治疗组（由 xrAI 处理的 X 射线图像）或对照组（无 xrAI 处理）。 参与者只会查看一次图像。 每位参与者将总共进行 500 次射线照相解读。
对照组的参与者将被要求在没有 xrAI 分析的情况下解释相同的 500 张图像。
为了提高估计的精确度并更好地调查临床专业人员之间的潜在差异，研究人员在每组临床医生（家庭医生、执业护士、急诊医师、内科医生、肺科医生、放射科医生）中随机分配治疗组或对照组。 在每组临床医生中，研究人员将随机分配一半到治疗组或对照组。 这种随机化的完整区组设计可确保每组临床专业人员在治疗组和对照组中的代表人数相等。
为了分析 xrAI 的效果，研究人员将通过使用基于随机化的推理比较治疗组和对照组的表现来估计每个亚组的平均治疗效果 (ATE)（Green 和 Gerber，2012）。
研究类型
注册 (实际的)
阶段
- 不适用
联系人和位置
学习地点
-
-
British Columbia
-
Vancouver、British Columbia、加拿大、V6E 4B1
- 1QB Information Technologies Inc
-
-
参与标准
资格标准
适合学习的年龄
- 孩子
- 成人
- 年长者
接受健康志愿者
有资格学习的性别
描述
纳入标准：
- 目前在萨斯喀彻温省卫生局内的一个站点执业的家庭医生
- 目前在萨斯喀彻温省卫生局内的一个站点执业的执业护士
- 目前在萨斯喀彻温省卫生局内的一个站点执业的急诊医学医师
- 目前在萨斯喀彻温省卫生局内的一个站点执业的内科医生
- 目前在萨斯喀彻温省卫生局内的一个站点执业的肺科医生
- 目前在萨斯喀彻温省卫生局内的一个站点执业的放射科医生
排除标准：
- 目前不在萨斯喀彻温省卫生局内的站点执业的医生。
- 目前在萨斯喀彻温省卫生局内的一个地点执业的医生既不是家庭医生、执业护士、急诊医生、内科医生、肺科医生，也不是放射科医生。
学习计划
研究是如何设计的？
设计细节
- 主要用途：诊断
- 分配：随机化
- 介入模型：并行分配
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
安慰剂比较：控制
参与者将在没有 xrAI 帮助的情况下审查 500 张胸片
|
xrAI 检测到的并包括在异常定义中的肺部异常如下：任何线状疤痕或纤维化、肺不张、实变、脓肿或空洞、结节、胸腔积液、严重的肺气肿和 COPD（轻微的过度充气但不显着的病例）肺气肿未标记），气胸。 治疗组的参与者将在暗室中解读与 xrAI 处理结果一起呈现的 500 张图像，并要求将每张图像分类为以下类别之一：肺部清晰，至少存在一个肺部异常，不确定。 对照组的参与者将被要求解释与治疗组相同的 500 张图像，但没有 xrAI 的分析。 |
|
实验性的：治疗
参与者将在 xrAI 的协助下审查 500 张胸片
|
xrAI 检测到的并包括在异常定义中的肺部异常如下：任何线状疤痕或纤维化、肺不张、实变、脓肿或空洞、结节、胸腔积液、严重的肺气肿和 COPD（轻微的过度充气但不显着的病例）肺气肿未标记），气胸。 治疗组的参与者将在暗室中解读与 xrAI 处理结果一起呈现的 500 张图像，并要求将每张图像分类为以下类别之一：肺部清晰，至少存在一个肺部异常，不确定。 对照组的参与者将被要求解释与治疗组相同的 500 张图像，但没有 xrAI 的分析。 |
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
识别出的异常数量除以分析的图像总数（准确度）
大体时间：分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
准确性定义为医生预测与数据集标签匹配的图像比率。 精度= (TP+FP) / (TP+FP+TN+FN) TP (true positives) = 被解释为异常的案例； FP（误报）= 被错误解释为异常的案例； TN（真阴性）= 被正确解释为正常的病例； FN（假阴性）= 异常情况被错误地解释为正常情况。 |
分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
|
识别出的真正异常数除以识别出的异常总数（精度）
大体时间：分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
精确度定义为如果医生确定 X 光片异常，则 X 光片异常的概率。 精度= TP / (TP+FP) TP (true positives) = 被解释为异常的案例； FP（误报）= 被错误解释为异常的案例； TN（真阴性）= 被正确解释为正常的病例； FN（假阴性）= 异常情况被错误地解释为正常情况。 |
分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
|
识别出的真正异常的数量除以识别出的真正异常和遗漏的异常（召回）之和
大体时间：分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
召回率定义为医生在图像中捕捉到异常（如果存在）的概率（基于数据集的标签）。 召回率= TP / (TP+FN) TP (true positives) = 被解释为异常的案例； FP（误报）= 被错误解释为异常的案例； TN（真阴性）= 被正确解释为正常的病例； FN（假阴性）= 异常情况被错误地解释为正常情况。 |
分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
医生准确性的平均值（如结果 1 中所定义）
大体时间：分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
调查人员将计算一组中所有参与者的准确度平均值以及所有组中所有参与者的准确度平均值。
|
分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
|
医师精确度的平均值（如结果 2 中所定义）
大体时间：分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
调查人员将计算一组中所有参与者的精确度平均值以及所有组中所有参与者的精确度平均值。
|
分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
|
医师回忆的平均值（如结果 3 中所定义）
大体时间：分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
调查人员将计算一组中所有参与者的召回平均值以及所有组中所有参与者的召回平均值。
|
分析 500 张图像所需的时间。参与者将被要求在 2 周内完成练习。
|
合作者和调查者
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.