Velké jazykové modely na pomoc gynekologické onkologické léčbě (EASING)
Studenti medicíny a jejich vnímání velkých jazykových modelů (LLM) v gynekologické onkologii
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Pokročilé technologie umělé inteligence (AI), zejména modely velkých jazyků, jako je Chatgpt OpenAI, mají významný potenciál pro zlepšení lékařského rozhodování. Zatímco ChatGPT nebyl speciálně navržen pro lékařské aplikace, ukázal užitečnost v různých scénářích zdravotní péče, včetně zodpovězení dotazů na pacienta, navrhování lékařské dokumentace a pomoci klinickým konzultacím. Navzdory těmto pokrokům byla její role při podpoře rozhodování o léčbě-partikulárně ve složitých onkologických případech, které se nezdály.
Rozhodování o léčbě v gynekologické onkologii je mnohostranný proces, který integruje pokyny založené na důkazech, biologii nádoru, faktory specifické pro pacienta a klinická odbornost. Nástroje AI, jako je CHATGPT, by mohly potenciálně pomoci při syntetizaci relevantních doporučení založených na pokynech, zlepšení přesnosti rozhodování a usnadnění účinnějších klinických pracovních postupů. ChatGPT však není konkrétně přizpůsoben pro rozhodnutí o onkologické léčbě a postrádá komplexní validaci v této doméně. Navíc může generovat dezinformace nebo věrohodně znějící, ale nepřesná doporučení, která by mohla ovlivnit klinický úsudek. Proto je před širší integrací do klinické praxe zásadní porozumět tomu, jak lékařští odborníci, včetně studentů a lékařů v rané kariéře, je proto nezbytné. Lokálně nasaditelné modely, jako je Llama, umožňují zabezpečené využití na premise, zatímco generace vyhledávání-srpna zajišťuje doporučení kompatibilní s pokyny.
Tato studie prozkoumá dopad jazykových modelů na podporu rozhodování o léčbě pro studenty medicíny, kteří řídí gynekologické onkologické případy. Jedná se o křížovou studii, kde budou účastníci randomizováni do dvou skupin. Všichni účastníci začínají přístupem k ChatGPT pro dvě viněty. Poté postupují ve dvou případech pomocí buď lokálně nasazeného jazykového modelu, následované dvěma případy, které se spoléhají na pokyny PDF, nebo naopak.
Každý účastník bude analyzovat klinické případy, navrhnout léčebné plány a hodnotit jejich důvěru v jejich rozhodnutí a použitelnost systému podpory rozhodování. Cílem této studie je poskytnout nahlédnutí do potenciálních výhod a omezení integrace nástrojů AI, jako je chatgpt do rozhodování o onkologické léčbě.
Typ studie
Zápis (Aktuální)
Fáze
- Nelze použít
Kontakty a umístění
Studijní místa
-
-
-
Marburg, Německo, 35043
- Institute for Digital Medicine, University Hospital of Giessen and Marburg, Philipps University Marburg
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Popis
Kritéria pro zařazení:
- Studenti medicíny začali s klinickými předměty
Kritéria pro vyloučení:
- není student medicíny
Studijní plán
Jak je studie koncipována?
Detaily designu
- Primární účel: Léčba
- Přidělení: Randomizované
- Intervenční model: Crossover Assignment
- Maskování: Singl
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
Jiný: Nejprve místní jazykový model
Skupině bude poskytnuta přístup k modelu místního jazyka nejprve po použití ChatGPT
|
Skupině bude poskytnuta přístup k modelu místního jazyka nejprve po použití ChatGPT a poté získá přístup k souboru PDF
|
|
Jiný: Pokyny PDF Nejprve
Skupině bude poskytnuta přístup k pokynů PDF po použití ChatGPT
|
Skupina bude poskytnuta přístup k souboru PDF po chatgptu a poté do modelu místního jazyka
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Léčba rozhodnutí o nádorové desce
Časové okno: přímo (do 10 minut) po zásahu
|
Účastníci každé skupiny vybírají modality léčby pro viněty
|
přímo (do 10 minut) po zásahu
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Důvěra léčby
Časové okno: přímo (do 10 minut) po zásahu
|
Pro každý případ budou účastníci požádáni o důvěru léčby (VAS 0-10).
Průměrné skóre bude porovnáno mezi skupinami podpory rozhodování.
|
přímo (do 10 minut) po zásahu
|
|
Čas strávený za rozhodnutí o léčbě
Časové okno: přímo (do 10 minut) po zásahu
|
Čas (v sekundách) budou účastníci utratit na případ mezi skupinami podpory rozhodování.
|
přímo (do 10 minut) po zásahu
|
Spolupracovníci a vyšetřovatelé
Sponzor
Vyšetřovatelé
- Vrchní vyšetřovatel: Sebastian Griewing, MD PhD, Philipps University Marburg
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Aktuální)
Dokončení studie (Aktuální)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 25-29 ANZ (Jiný identifikátor: Philipps University Marburg)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .