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。

人工智能临床助手在甲状腺癌管理中的评估

2026年7月17日 更新者:Dr. Carlos King-Ho Wong、The University of Hong Kong

一项评估人工智能辅助临床助手在医学生和临床医生中进行甲状腺癌分期和风险分层的随机对照试验

本研究旨在评估采用基于人工智能(AI)的模型来改善甲状腺癌临床管理的临床可行性。

研究概览

详细说明

随着技术的不断进步,人工智能在临床环境中的视觉文本识别领域已得到广泛应用。 基于人工智能的文本识别正成为一种高效、可持续且成本效益显著的决策工具,助力个性化医疗发展。 大量研究采用自然语言处理(NLP)算法,特别是大语言模型(LLM),将电子健康记录(EHR)中临床咨询笔记的非结构化自由文本转换为结构化数据,从而丰富EHR数据库中的个体临床档案。 随着时间的推移,这些人工智能模型通过自我学习(或无监督学习)持续提升其预测准确性和性能表现。 尽管人工智能模型在海外肿瘤诊疗实践中已产生重大影响,但在香港地区其用于肿瘤学文本识别的应用仍十分有限。 本研究旨在评估采用人工智能模型提升终端用户对诊断准确性和风险预测信心的临床可行性,通过人工智能辅助工作流程应用于甲状腺癌管理。

研究类型

介入性

注册 (估计的)

76

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

      • Hong Kong、香港
        • School of Public Health, The University of Hong Kong
      • Hong Kong、香港
        • Department of Surgery, School of Clinical Medicine, The University of Hong Kong

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

是的

描述

纳入标准:

  • 医学生
  • 临床医生(包括但不限于外科医生、肿瘤学家、病理学家)

排除标准:

  • 在临床实验研究开始前已查阅或参与处理临床记录的医学生和临床医生

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:卫生服务研究
  • 分配:随机化
  • 介入模型:交叉作业
  • 屏蔽:单身的

武器和干预

参与者组/臂
干预/治疗
实验性的:AI驱动的临床助手
参与者将提供每位甲状腺癌患者的癌症分期和风险类别,以及参与者在使用AI临床助手作为干预手段时对上述诊断评估的信心程度。 该AI助手由大型语言模型驱动,并包含一个临床仪表盘。 临床仪表盘显示原始临床记录,并总结通过临床助手后端处理生成的每位甲状腺癌患者的分期和风险类别。 同时突出显示来自原始临床记录的支持证据,以供参与者验证。
参与者将借助人工智能临床助手作为干预工具,提供每位甲状腺癌患者的癌症分期和风险类别,以及参与者对上述诊断评估的信心度。 该人工智能助手基于大语言模型技术构建,包含一个临床仪表盘。 临床仪表盘展示原始临床记录,并汇总呈现通过临床助手后端处理生成的每位甲状腺癌患者的分期和风险类别。 同时重点标注原始临床记录中的支持性证据,以供参与者进行验证。
无干预:人工图表审查
受试者将通过人工病历审查提供每位甲状腺癌患者的癌症分期和风险类别,以及受试者对于上述诊断评估的确信度。

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
Efficiency
大体时间:Between intervention group and non-intervention group. Cross-over in 4-26 weeks
The time required to complete reviewing one set of clinical notes is compared between intervention and non-intervention groups
Between intervention group and non-intervention group. Cross-over in 4-26 weeks

次要结果测量

结果测量
措施说明
大体时间
Accuracy of Cancer Staging and Risk Stratification by Participants Compared with Ground Truth across Intervention and Non-intervention Groups
大体时间:Between intervention group and non-intervention group. Cross-over in 4-26 weeks

The study will compare the accuracy of cancer staging and risk category assessed by the participants across the intervention group with AI assitance and non-intervention group without AI asssitance.

The participants will review the clinical notes and assess the cancer staging and risk category for each thyroid cancer patient with or without the AI assistant. Participant provided assessments will be compared against the ground truth established by the clinical investigators of the study to guage the accuracy which is quantified as the percentage of correctly graded cancer staging and risk stratification. The accuracy will be compared between the intervention group and non-intervention groups using t-tests to evaluate the clinical impact of the AI assistant.

Between intervention group and non-intervention group. Cross-over in 4-26 weeks
Participants' Confidence in Cancer Staging and Risk Stratification as Assessed by a 0-10 Scale Questionnaire
大体时间:Between intervention group and non-intervention group. Cross-over in 4-26 weeks

The study will compare the participants' confidence in grading cancer staging and risk category between the intervention group with AI assistance and non-intervention group without AI-assistance.

After evaluating each thyroid cancer case for providing cancer staging and risk category, participants will complete a short questionnaire rating their confidence in providing their assessments on a scale from 0 (lowest) to 10 (hightest). Meanw confidence score will be compared between the intervention group and non-intervention group to evaluate the clinical impact of the AI assitant.

Between intervention group and non-intervention group. Cross-over in 4-26 weeks

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。

调查人员

  • 首席研究员:King Ho Carlos Wong、School of Public Health The University of Hong Kong
  • 首席研究员:Man Him Matrix Fung、Department of Surgery, School of Clinical Medicine, The University of Hong Kong

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。

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10月2日

初级完成 (估计的)

2027年3月31日

研究完成 (估计的)

2027年4月30日

研究注册日期

首次提交

2025年9月29日

首先提交符合 QC 标准的

2025年11月16日

首次发布 (实际的)

2025年11月18日

研究记录更新

最后更新发布 (实际的)

2026年7月21日

上次提交的符合 QC 标准的更新

2026年7月17日

最后验证

2026年7月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

是的

IPD 计划说明

仅在结果出版物中使用的匿名化IPD将被共享,以确保无法重新识别个体身份。

IPD 共享时间框架

研究数据及支持信息将在研究完成(预计日期为2025年12月31日)后随结果传播或发表时提供,并将持续保留至需要移除之日。

IPD 共享访问标准

IPD及支持信息将随结果传播和发表以文档上传或附件形式提供。 任何可访问文章的人员均能获取所有相关文档。

IPD 共享支持信息类型

  • 研究方案
  • 树液
  • 国际碳纤维联合会
  • 分析代码

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