AI协助医疗决策
2025年2月27日 更新者：Kang Zhang、The Eye Hospital of Wenzhou Medical University
一项同类研究，用于评估使用实时医院范围的电子健康记录数据来协助医疗决策的人工智能模型
这项研究建立并采用AI模型来帮助医生预测患者的诊断和结果，例如生存或住院。
我们将使用医院记录的实时多模式数据（实验室，生命体征，历史记录，成像）。
将跟踪患者以将AI的表现与标准护理进行比较。
目的是在一项现实世界中的前瞻性研究中提高诊断和治疗准确性。
研究概览
详细说明
这项研究旨在建立和应用人工智能（AI）模型，以帮助医生预测患者的诊断和结果，例如生存或住院时间。
我们将在医院招募患者，并使用实时，多模式的健康数据，包括实验室结果，生命体征，病史和从电子健康记录中进行成像。
该研究将跟随参与者根据标准实践评估AI模型的性能。
我们的目标是提高诊断和治疗的准确性和速度，从而增强患者护理。
这项前瞻性研究测试了现实世界中医院环境中的模型。
研究类型
观察性的
注册 (估计的)
50000000
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
- 姓名：Fei Liu, MD
- 电话号码：+86 13810512704
- 邮箱：liufei_2359@163.com
学习地点
-
-
Zhejiang
-
Wenzhou、Zhejiang、中国
- 招聘中
- First Affiliated Hospital of Wenzhou Medical University
-
接触：
- Cheng Tang
- 电话号码：+86-0577-88002888
- 邮箱：c249325687@163.com
-
Wenzhou、Zhejiang、中国
- 招聘中
- Second Affiliated Hospital of Wenzhou Medical University
-
接触：
- Linfeng Liu
- 邮箱：llfwfe@163.com
-
-
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
取样方法
非概率样本
研究人群
这项研究包括所有医院部门录取的患者，并具有实时的电子健康记录数据（例如，实验室，生命体征，历史，成像）。
参与者必须同意数据收集。
描述
纳入标准：
- 在研究期间，入院的患者（例如，ICU，一般病房，紧急情况，门诊服务）。
- 具有可用实时电子健康记录（EHR）数据的患者，包括以下至少两个：实验室结果，生命体征，病史和成像数据。
排除标准：
目前，患者正在参加另一项临床试验，该试验可能会干扰该研究的数据收集或结果。
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 |
|---|---|
|
医院范围内的患者队列
|
这项研究的干预涉及一个AI系统，该系统利用多模式数据融合来支持疾病的临床决策和评估。
该队列中的患者将接受标准检查，并由AI系统产生的建议指导临床决定。
|
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 |
|---|---|---|
|
曲线下面积 (AUC)
大体时间：1年
|
ROC曲线的AUC，用于量化诊断精度。
没有单位（比率或百分比，通常表示为0到1之间的数字）。
|
1年
|
|
总体医院资源利用改善
大体时间：1年
|
归因于AI辅助决策的总体资源使用率降低（例如，床天，ICU入学，诊断测试）的百分比降低，表示为一个百分比。
|
1年
|
|
人口级诊断精度增强
大体时间：1年
|
AI模型促进的所有医院患者的诊断准确性的总体提高（例如，正确诊断或误诊的误诊的降低百分比），表示为百分比或比例。
|
1年
|
|
不良事件率的系统范围降低
大体时间：1年
|
由于AI辅助决策，所有医院患者的重大不良事件（例如，死亡率，严重并发症或长时间住宿）的降低百分比降低为百分比。
|
1年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
医院患者预后的总体改善
大体时间：1年
|
由于AI辅助决策，整个医院人群的关键患者结果的总体改善（例如，死亡率，发病率，恢复率）的总改善，表示为综合评分或百分比。
|
1年
|
|
增强医疗保健系统效率
大体时间：1年
|
他的医院运营效率的总体提高（例如，等待时间减少，优化资源分配，减少员工工作量）归因于AI模型，该模型表示为百分比或定性评级。
|
1年
|
|
人口健康影响评分
大体时间：1年
|
一个综合评分反映了AI模型对医院集水区内人口健康的影响（例如疾病负担减轻，改善慢性病管理），表示为标准化指数或百分比变化。
|
1年
|
|
长期公共卫生福利指数
大体时间：1年
|
综合指数衡量了AI模型对公共卫生的长期贡献（例如疾病患病率降低，预期寿命提高），以标准化的分数或提高百分比表示。
|
1年
|
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)
2025年2月24日
初级完成 (估计的)
2026年6月1日
研究完成 (估计的)
2026年6月1日
研究注册日期
首次提交
2025年2月24日
首先提交符合 QC 标准的
2025年2月24日
首次发布 (实际的)
2025年3月25日
研究记录更新
最后更新发布 (实际的)
2025年3月25日
上次提交的符合 QC 标准的更新
2025年2月27日
最后验证
2025年2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.