心血管磁共振成像的自动化报告生成
基于视觉大语言模型的心血管磁共振成像多步骤自动化报告生成
本研究是一项观察性研究，旨在评估由大语言模型生成的心脏磁共振（CMR）影像报告与专家放射科医师报告在常规临床CMR检查患者中的准确性、完整性和临床一致性。
本研究主要探讨以下问题：
与经验丰富的心血管放射科医师撰写的报告相比，由大型多模态模型自动生成的CMR报告能否准确反映关键的影像学发现和诊断？
通过定量指标和专家评审评估，生成的报告在临床正确性、完整性和语言清晰度方面的质量表现如何？
如果存在对照组：
研究人员将比较人工智能生成的CMR报告与由获得委员会认证的心血管放射科医师撰写的真实报告，以评估自动化系统在不同心脏病理学中是否达到可比的诊断准确性和报告质量。
参与者将：
作为常规临床实践的一部分，接受标准护理的心脏MRI检查。
回顾性收集其匿名化的CMR影像数据和相应的放射科医师报告。
提供用于生成自动化CMR报告的数据，随后通过客观指标（如诊断一致性、实体级别准确性）和放射科医师的主观临床评分，将生成的报告与专家报告进行评估对比。
研究概览
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Beijing Municipality
-
Beijing、Beijing Municipality、中国、100037
- Fuwai Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College
-
-
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
取样方法
研究人群
研究人群包括在一家医疗中心接受常规、临床指征的心脏磁共振（CMR）检查的患者，代表接受心脏磁共振成像用于诊断评估各种心血管疾病的真实世界临床人群。
本观察性研究中包含的所有CMR研究均为回顾性收集、完全去识别化，并附有相应的放射科医师撰写的临床报告。研究人群代表了一个真实世界的临床队列，包含一系列通常通过CMR评估的心脏疾病。
描述
纳入标准：
- 接受临床指征心脏磁共振（CMR）检查的患者。
- 具备完整且去标识化的CMR影像数据。
- 具备由经验丰富的心血管放射科医师撰写的相应临床CMR报告。
- 采用标准临床成像协议获取的CMR研究。
排除标准：
- CMR影像数据不完整或损坏。
- 缺少参考放射科医师报告。
- 图像质量差，无法进行可靠的临床解读。
- 存在严重影响诊断评估的成像伪影的CMR研究。
学习计划
研究是如何设计的？
设计细节
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 |
|---|---|---|
|
AI生成心脏MRI报告的诊断准确性
大体时间：基线
|
主要结局是大型多模态模型自动生成的心脏磁共振（CMR）报告的诊断准确性。 诊断准确性通过比较人工智能生成的报告与由获得委员会认证的心血管放射科医师撰写的参考报告来评估。 使用预设标准在关键临床发现和最终影像印象层面评估一致性。 准确性指标包括主要诊断的正确性以及是否存在临床相关影像发现。 |
基线
|
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 (估计的)
研究完成 (估计的)
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.