Меню
Набор скоро начнётся NCT06966882

Research on the Real-World Community Application of Large Language Models

— Наблюдательное Ophthalmic Diseases (Specific Types Not Restricted)

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
Это наблюдательное исследование: исследуемое лечение участникам по протоколу не назначают.
Кому может быть актуально
Состояния в реестре: Ophthalmic Diseases (Specific Types Not Restricted). Базовые параметры: Без ограничений · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Список центров уточняется — проверьте первичный протокол.
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Обзор

There is an imbalance between the supply and demand of eye care services, especially in local communities and remote areas. To address this, it's important to use new intelligent technologies to expand the reach of eye disease screening and treatment. Large language models (LLMs) are a type of deep learning technology that can learn from large amounts of text and generate human-like language to help with medical tasks such as diagnosing diseases and answering health-related questions. The investigator's team has previously developed a localized LLM capable of answering ophthalmology-related medical questions. Building on this, this study plans to use a screening-based trial design to explore how accurately the LLM can make referral decisions for eye diseases, diagnose conditions, recommend appropriate tests, and receive user feedback in real-world community settings. The goal is to improve the ability to screen for eye diseases in grassroots and regional areas.

Первичные конечные точки

  • Metrics for Evaluating Referral Accuracy of Large Language Models: Sensitivity, Specificity, Accuracy, Positive Predictive Value, Negative Predictive Value. [Срок оценки: through study completion, up to 1 year.]

Критерии участия

Критерии включения

  • Participants of any age and gender
  • Belonging to one of the following ophthalmic categories: Patients requiring specialist referral；Patients manageable at community level；Individuals without ocular pathology
  • Voluntary participation with written informed consent

Критерии исключения

  • Investigator-determined clinical contraindications

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Да

Дизайн исследования

Модель наблюдения
Другое

Центры проведения

Список центров уточняется — проверьте первичный протокол.

Идентификаторы

NCT: NCT06966882 · 2025KYPJ020

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗