ChiCTR2500103122尚未招募不适用
人工智能多模态大模型在泌尿系统疾病中的应用探索
自选课题（自筹）1 个研究点 分布在 1 个国家开始时间: 2025年5月1日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 特异性
研究概览
简要总结
本研究旨在探索人工智能多模态大模型在泌尿系统疾病诊疗数据分析中的应用潜力，基于回顾性收集的结构化临床信息、医学影像和文本记录等多源异构数据，构建融合医学语言处理与图像识别能力的 AI 模型，用于疾病识别、分型判断及预后预测。通过深度学习、多模态融合与可解释性技术的结合，评估人工智能在复杂临床决策支持中的实际效果与价值，推动泌尿系统疾病精准医疗的发展。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 连续入组
- 盲法
- 无
入排标准
- 年龄范围
- 18 至 —（—）
- 性别
- All
入选标准
- •确诊为泌尿系统相关疾病的患者，包括但不限于：肾脏疾病（如肾结石、肾泌尿疾病、慢性肾病等）；膀胱疾病（如膀胱癌、膀胱炎、间质性膀胱炎等）；前列腺相关疾病（如前列腺增生、泌尿疾病）；输尿管、尿道等其他泌尿系统疾病；以及未患有任何泌尿系统疾病的患者（对照组）。
- •具有完整的多模态医疗数据，至少包含以下两类或以上：结构化数据：如病历信息、实验室检查、手术记录；非结构化文本：如医生诊断记录、出院小结等；医学影像资料：如超声、CT、MRI 等，图像质量良好；病理切片或组织学资料；
- •年龄在 18 岁以上，性别不限；
排除标准
- •1.患者明确拒绝自身检查检验数据被用于各类研究；
- •2.研究者判断其他不适合参与本研究的情况。
研究组 & 干预措施
泌尿系统相关疾病组
结局指标
主要结局
特异性
准确率
灵敏度
AUC
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
一项评估人工智能算法在泌尿系肿瘤管理及早期诊断中应用的观察性研究ChiCTR2500105530自选课题（自筹）
Unknown
不适用
基于人工智能肾脏肿瘤病理特征与预后精准预测模型的构建肾脏肿瘤ChiCTR1900025090福建省中青年教师教育科研项目
尚未招募
Unknown
基于影像组学的先天性肾脏和尿路畸形（CAKUT）多模态影像人工智能诊断系统构建及临床应用验证ChiCTR25001065762,000
Unknown
不适用
基于多模态大模型的多种肿瘤智能诊疗系统构建与应用——一项多中心研究ChiCTR2500106586上海元末科技有限公司
尚未招募
Unknown
多模态深度学习模型预测非肌层浸润性膀胱癌复发风险的回顾性临床研究膀胱尿路上皮癌ChiCTR2500106799392