Vyhodnocení shrnutí prostého jazyka generovaného AI o porozumění oftalmologických poznámek mezi anglicky mluvícími pacienty

Tato studie využívá dvouramenné randomizované kontrolované studie k vyhodnocení, zda shrnutí prostého jazyka (PLSS), které se vyvolaly umělou inteligenci (AI) (PLS), mohou zlepšit pochopení oftalmologických poznámek pacienta. Způsobilí účastníci jsou přijímáni během jejich rutinních návštěv v Jules Stein Eye Institute a jakmile jsou promícháni pomocí standardizovaných klinických kritérií, jsou náhodně přiřazeni k obdržení standardní oftalmologické poznámky (SON) nebo Son doplněného PLS generovaným AI. Proces randomizace používá počítačově generovanou sekvenci se skrytou alokací, aby bylo zajištěno nezaujaté přiřazení skupiny.

Systém AI použitý v této studii je nasazen lokálně na zabezpečeném intranetu UCLA. Využívá model velkého jazyka (LLM), který byl přizpůsoben a ověřen pro generování vysvětlení prostého jazyka složitých oftalmologických informací. Veškeré zpracování se vyskytuje na UCLA schválených, šifrovaných zařízeních a žádná data nejsou přenášena externě. Předtím, než je účastníkům poskytnuto PLS, je každé shrnutí přezkoumáno oftalmologem za účelem ověření přesnosti a zajištění toho, aby byly správně a jasně sděleny základní klinické údaje.

Sběr dat se provádí pomocí průzkumných nástrojů. Průzkum zahrnuje řadu pětibodových položek Likertova stupnice, otevřené otázky a strukturované oddíly odpovědí, jejichž cílem je posoudit porozumění diagnostice, léčebné plány a následné pokyny. Účastníci dokončují průzkum ihned po jejich návštěvě kliniky a následný telefonní rozhovor probíhá přibližně o sedm dní později vyškolenými výzkumnými pracovníky, aby zachytili další zpětnou vazbu o jasnosti a zachování poskytnutých informací. Studie nepoužívá záznam zvuku ani videa; Všechny odpovědi jsou buď přímo zaznamenány výzkumným personálem, nebo elektronicky zadávají do zabezpečené databáze.

Statistické analýzy budou prováděny pomocí standardních softwarových balíčků pro porovnání výsledků mezi intervenčními a kontrolními skupinami. Primární analýzy zahrnují nezávislé t-testy nebo testy Mann-Whitney U pro nepřetržité proměnné, testy chí-kvadrát na kategorické proměnné a multivariabilní regresní modely, které se přizpůsobí matoucím proměnným, jako je věk, úroveň vzdělání a základní zdravotní gramotnost. Velikost vzorku byla vypočtena za účelem detekce klinicky smysluplných rozdílů ve skóre porozumění, přičemž analýzy výkonu naznačují potřebu mezi 460 a 2030 účastníků v závislosti na velikosti účinku.

Zabezpečení dat je udržováno přísnými opatřeními. Elektronická data jsou uložena na šifrovaných, notebookech zaměřených na UCLA a v úložišti Secure Box. Veškerá zpracování dat se řídí zásadami UCLA a pokyny IRB pro uchovávání a destrukci dat, přičemž identifikovatelné informace jsou zničeny zabezpečenými metodami, jakmile již nejsou vyžadovány.

Postupy kontroly kvality zahrnují periodické audity zadávání dat, pravidelné schůzky s přezkumem se studijním personálem a křížové kontroly odpovědí na průzkum proti klinickým záznamům, pokud je to možné. Je zaveden nezávislý monitorovací proces, který zajistí soulad s protokolem studie a okamžitě řešit jakékoli odchylky.

Celkově je tato studie navržena tak, aby poskytovala robustní důkazy o proveditelnosti a účinnosti PLS generovaných AI při zvyšování porozumění komplexním lékařským informacím pacienta. Integrací technických záruk, přísných statistických metod a efektivního procesu sběru dat je výzkum cílem poskytnout poznatky, které mohou vést ke zlepšeným strategiím komunikace pacientů a efektivnější poskytování zdravotní péče napříč několika specialitami.