该研究旨在提高早期超声扫描中检测脊柱裂的准确性。为了实现这一目标，我们开发了一个人工智能模型来提供有关脊柱裂存在的反馈。一项随机对照试验旨在比较人工智能反馈与无人工智能反馈的有效性。
2024年12月2日 更新者：Julie Leth-Petersen、Copenhagen Academy for Medical Education and Simulation
XAI辅助脊柱裂诊断的评价
该研究旨在提高早期超声扫描中检测脊柱裂的准确性。
为了实现这一目标，我们开发了一个人工智能模型来提供有关脊柱裂存在的反馈。
随机对照试验旨在比较人工智能反馈与无人工智能反馈的有效性。
研究概览
详细说明
该研究旨在提高早期超声扫描中检测脊柱裂的准确性。
为了实现这一目标，我们开发了一个人工智能模型来提供有关脊柱裂存在的反馈。
一项随机对照试验 (RCT) 旨在比较人工智能反馈与无人工智能反馈的有效性。
四十名胎儿医学专家被随机分配接受人工智能反馈或不接受反馈，并对两组进行比较，以确定反馈是否提高了检测脊柱裂的准确性。
研究类型
介入性
注册 (实际的)
38
阶段
- 不适用
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。
学习地点
-
-
-
Copenhagen、丹麦
- Copenhagen University Hospital, Rigshospitalet
-
-
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
- 孩子
- 成人
- 年长者
接受健康志愿者
是的
描述
纳入标准：
- 产科医生
排除标准：
- 胎儿医学专家
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
- 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 |
|---|---|
|
实验性的：人工智能反馈
参与者在完成分析 20 张图像的任务后将收到 AI 反馈。
AI 反馈将包括预测（正常/脊柱裂）以及范围从 0.0 到 1.0 的置信度得分，其中 0.0 表示最低置信度，1.0 表示最高置信度。
|
人工智能反馈
|
|
安慰剂比较：没有AI反馈
参与者将在没有任何人工智能反馈的情况下完成分析 20 张图像的任务。
|
人工智能反馈
|
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 |
|---|---|---|
|
XAI辅助脊柱裂诊断的评价
大体时间：调查问卷分发后一个月。
|
该研究旨在通过比较涉及 20 张图像的任务中正确和错误反应的数量，评估人工智能反馈是否提高诊断脊柱裂的准确性。
|
调查问卷分发后一个月。
|
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。
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)
2024年7月1日
初级完成 (实际的)
2024年10月30日
研究完成 (实际的)
2024年10月30日
研究注册日期
首次提交
2024年5月22日
首先提交符合 QC 标准的
2024年8月20日
首次发布 (实际的)
2024年8月22日
研究记录更新
最后更新发布 (估计的)
2024年12月4日
上次提交的符合 QC 标准的更新
2024年12月2日
最后验证
2024年12月1日
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.