此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

多模态大语言模型在HFpEF中的应用 (MeG-HFpEF)

2024年6月27日 更新者:Tang Yida、Peking University Third Hospital

应用多模态大语言模型辅助诊断射血分数保留的心力衰竭

本研究将验证多模态大语言模型筛查射血分数保留型心力衰竭(HFpEF)的有效性,并将其与传统的临床标准化评估流程进行比较。

研究概览

详细说明

心力衰竭是各种心脏病的主要并发症,是全世界心血管死亡的主要原因。 根据左心室射血分数(LVEF),心力衰竭可分为射血分数降低的心力衰竭(HFrEF)、射血分数保留的心力衰竭(HFpEF)和射血分数轻度降低的心力衰竭(HFmrEF)。 HFrEF 和 HFpEF 之间的心力衰竭再住院率和住院并发症没有差异。 然而,在过去的二十年里,HFrEF 的生存率显着提高,而 HFpEF 却一直停滞不前。 造成这种情况的主要原因之一是HFpEF的诊断过程复杂,临床上很容易造成漏诊,导致延误治疗。

多模态大语言模型能够集成和分析来自不同来源的医学数据,包括文本数据(例如病历、医学文献)、图像数据(例如心电图、CT扫描图像)和音频数据(例如由医生叙述的症状)患者)。 这种多模式数据集成功能对于理解复杂的医疗场景至关重要,因为它提供了比单一数据源更全面的病情视图。

HFpEF的诊断面临诸多挑战,需要临床医生根据多维度的数据做出判断,很容易导致疾病的漏诊和误诊。 作为一种生成式人工智能工具,大型语言模型能够整合和分析不同来源的数据,并具有从现有临床证据中学习和进化的能力。 基于此,本研究拟评估多模态大语言模型筛查射血分数保留型心力衰竭(HFpEF)的有效性,并将其与传统的临床标准评估流程进行比较。

研究类型

观察性的

注册 (估计的)

80

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习联系方式

学习地点

    • Beijing
      • Beijing、Beijing、中国
        • 招聘中
        • Peking UniversityThird Hospital

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

  • 成人
  • 年长者

接受健康志愿者

不

取样方法

非概率样本

研究人群

受试者将从心脏病科常规住院且也满足本试验需要的患者中招募,不单独招募。

描述

纳入标准:

  1. 年龄18-80周岁,男女不限;
  2. 患有射血分数保留的疑似心力衰竭的心脏病住院患者(心脏超声提示 LVEF ≥50%,且至少存在以下 1 项:1、左心室肥厚和/或左心房扩大;2、舒张心功能异常);
  3. 目前或既往存在至少一种心力衰竭症状,包括呼吸困难(包括劳力性呼吸困难、夜间阵发性呼吸困难和毛细血管扩张)、不适、恶心和双下肢水肿;
  4. 自愿参与并签署知情同意书。

排除标准:

  1. 急性心力衰竭或慢性心力衰竭急性恶化;
  2. 冠状动脉严重狭窄(狭窄≥75%)而无需进行血运重建;
  3. 无法进行运动负荷超声心动图检查或有检查禁忌症的患者;
  4. 正在参加其他临床试验;
  5. 患有严重肝、肾、血液系统器质性病变或患有慢性疾病者;
  6. 不能履行审判程序的;
  7. 拒绝签署知情同意书者。

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

队列和干预

团体/队列
干预/治疗
单组

首先进行常规会诊流程:根据2023年版中国保留射血分数心力衰竭诊治专家共识推荐的流程,主治心脏病专家完成受试者临床标准评估,并进行HFpEF诊断(是/否)。

主治医生就诊过程中,多模态大语言模型筛查系统(MedGuide-72B)采集常规就诊数据,记录患者与MedGuide-72B沟通过程中的相关数据和指标,并做出诊断。

使用多模态大语言模型 MedGuide-72B 诊断射血分数保留的心力衰竭 (HFpEF)。
常规诊断和治疗程序

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
诊断特异性
大体时间:平均8个月完成学习
常规诊疗与大语言模型诊断的诊断特异性比较
平均8个月完成学习
诊断敏感性
大体时间:平均8个月完成学习
常规诊断治疗与大语言模型诊断的诊断敏感性比较
平均8个月完成学习

次要结果测量

结果测量
措施说明
大体时间
一致性率
大体时间:平均8个月完成学习
常规诊疗与大语言模型诊断的一致性率
平均8个月完成学习
诊断所花费的时间
大体时间:平均8个月完成学习
常规诊疗与大语言模型诊断花费时间对比
平均8个月完成学习
患者满意度
大体时间:平均8个月完成学习
常规诊疗与大语言模型问卷诊断患者满意度比较
平均8个月完成学习
经济成本分析
大体时间:平均8个月完成学习
常规诊疗与大语言模型诊断的经济成本比较治疗总费用
平均8个月完成学习
错误发现率
大体时间:平均8个月完成学习
常规诊疗与大语言模型诊断错误发现率比较
平均8个月完成学习
医生工作量评估
大体时间:平均8个月完成学习
常规诊断和治疗与根据治疗相关参与者人数统计的大语言模型诊断的医生工作量比较
平均8个月完成学习
诊断效率
大体时间:平均8个月完成学习
与患者就诊的最终诊断相比的准确性概率
平均8个月完成学习

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2023年12月20日

初级完成 (估计的)

2024年12月20日

研究完成 (估计的)

2024年12月20日

研究注册日期

首次提交

2023年12月22日

首先提交符合 QC 标准的

2024年6月27日

首次发布 (实际的)

2024年7月3日

研究记录更新

最后更新发布 (实际的)

2024年7月3日

上次提交的符合 QC 标准的更新

2024年6月27日

最后验证

2024年6月1日

更多信息

与本研究相关的术语

其他相关的 MeSH 术语

其他研究编号

  • M2023830

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅