Læge ræsonnerer om ledelsessager med store sprogmodeller
Management ræsonnement med AI Chat Bots
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Kunstig intelligens (AI) teknologier, specifikt avancerede store sprogmodeller som OpenAIs ChatGPT, har potentialet til at forbedre medicinsk beslutningstagning. Selvom ChatGPT-4 ikke blev udviklet til dets brug i medicinsk-specifikke applikationer, har det vist lovende i forskellige sundhedsmæssige sammenhænge, herunder medicinsk noteskrivning, adressering af patienthenvendelser og facilitering af medicinsk konsultation. Der er dog lidt kendt om, hvordan ChatGPT øger klinikernes kliniske ræsonnementevner.
Klinisk ræsonnement er en kompleks proces, der involverer mønstergenkendelse, videnanvendelse og probabilistisk ræsonnement. At integrere AI-værktøjer som ChatGPT-4 i lægers arbejdsgange kan potentielt hjælpe med at reducere klinikernes arbejdsbyrde og mindske sandsynligheden for dårlig ledelse. ChatGPT-4 blev dog ikke udviklet til klinisk begrundelse og er heller ikke blevet valideret til dette formål. Yderligere kan det være genstand for desinformation, herunder overbevisende konfabulationer, der kan vildlede klinikere. Hvis klinikere misbruger dette værktøj, forbedrer det muligvis ikke ræsonnementet og kan endda forårsage skade. Derfor er det vigtigt at studere, hvordan klinikere bruger store sprogmodeller til at øge klinisk ræsonnement forud for rutinemæssig inkorporering i patientbehandling.
I denne undersøgelse vil deltagerne blive randomiseret til at besvare kliniske ledelsessager med eller uden adgang til ChatGPT-4. Hver case har flere komponenter, og deltagerne vil blive bedt om at diskutere deres begrundelse for hver komponent. Svarene vil blive bedømt af uafhængige anmeldere, der er blindet for behandlingsopgave. En bedømmelsesrubrik blev udviklet for hver case af et panel på 4-7 ekspertdiskusanter. Diskussanter udviklede selvstændigt en rubrik for hver sag, og derefter blev eventuelle uoverensstemmelser løst gennem flere diskussionsrunder.
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Fase
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Robert J Gallo, MD
- Telefonnummer: 6507234000
- E-mail: rjgallo@stanford.edu
Undersøgelse Kontakt Backup
- Navn: Jonathan H Chen, MD, PhD
- Telefonnummer: 6507234000
- E-mail: jonc101@stanford.edu
Studiesteder
-
-
California
-
Palo Alto, California, Forenede Stater, 94304
- Stanford University
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Deltagerne skal være autoriserede læger og have gennemført mindst post-graduate år 2 (PGY2) af medicinsk uddannelse.
- Uddannelse i intern medicin, familiemedicin eller akutmedicin.
Ekskluderingskriterier:
- Praktiserer ikke klinisk i øjeblikket.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Behandling
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Enkelt
Antal våben
Våben og indgreb
Deltagergruppe / ArmDeltagergruppe / Arm |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Aktiv komparator: GPT-4
Gruppen får adgang til GPT-4
|
OpenAI's GPT-4 store sprogmodel med chatgrænseflade.
|
|
Ingen indgriben: Sædvanlige ressourcer
Gruppen vil ikke få adgang til GPT-4, men vil blive opfordret til at bruge alle de ressourcer, de ønsker udover store sprogmodeller (UpToDate, Dynamed, google osv.).
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Ledelsesbegrundelse
Tidsramme: Inden for en times undersøgelse
|
Procent korrekt (interval: 0 til 100) for hvert tilfælde.
|
Inden for en times undersøgelse
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Tid brugt på ledelse
Tidsramme: Inden for en times undersøgelse
|
Tid (i minutter) deltagerne bruger pr. case mellem de to undersøgelsesarme.
|
Inden for en times undersøgelse
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
Efterforskere
Efterforskere
- Ledende efterforsker: Jonathan H Chen, MD, PhD, Stanford University
- Ledende efterforsker: Adam Rodman, MD, Beth Israel Deaconess Medical Center
- Ledende efterforsker: Andrew Olson, MD, University of Minnesota
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- 71319b
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .