Samtale AI i Tactical Casualty Care: Baseline GPT-4O forbedrer kampmedicinsk beslutningstagning (FieldAI)
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Denne undersøgelse undersøger potentialet i samtale kunstig intelligens (AI), specifikt GPT-4, for at forbedre klinisk beslutningstagning i taktisk kampulykke (TCCC) scenarier. Det primære mål er at evaluere, om AI-understøttelse forbedrer nøjagtigheden og effektiviteten af ventilatorstyringsbeslutninger til kampmedicin i højtryksmiljøer uden at gå på kompromis med deres autonomi.
Der vil blive anvendt et prospektivt, randomiseret undersøgelsesdesign inden for emnet. Tredive kampmedicin fra de tjekkiske væbnede styrker vil deltage. Hver deltager afslutter 10 simulerede TCCC -scenarier: fem med AI -hjælp og fem uden. Scenarier vil blive matchet for kompleksitet og randomiseret til kontrol for ordreeffekter. Deltagerne vil bruge ChatGpt på håndholdte enheder til at simulere AI-assisteret beslutningstagning i realtid.
I scenarier, der involverer AI-hjælp, vil medicin forespørge GPT-4 om støtte til optimering af mekaniske ventilatorindstillinger baseret på patientdata, herunder blodgasresultater, vitale tegn og ventilatorparametre.
Det primære resultat er nøjagtigheden af ventilatorindstillinger som kategoriseret i "fremragende", "acceptabelt" eller "mislykkes" baseret på foruddefinerede TCCC -standarder. Sekundære resultater inkluderer beslutningstagningshastighed og deltagernes opfattelse af AIs nytteværdi, målt gennem undersøgelser efter scenario.
Resultaterne sigter mod at bestemme muligheden for at integrere store sprogmodeller (LLM'er) i kampmedicinsk behandling for at optimere patientresultater og understøtte medicin under kampforhold. Undersøgelsen søger at fremme forståelsen af AI's rolle i militær medicin og give et fundament for fremtidig implementering af finjusterede AI-løsninger i TCCC og andre kritiske plejescenarier.
Denne undersøgelse tilbyder en proof-of-concept-evaluering af LLM-applikationer i Combat Casualty Care, med potentialet til at forbedre beslutningstagningen og informere udviklingen af specialiserede AI-værktøjer til militær brug.
Undersøgelsestype
Tilmelding (Faktiske)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiesteder
-
-
-
Praha, Tjekkiet, 16209
- Military University Hospital Prague
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inkluderingskriterier:
- Bekæmp medicin, der aktivt tjener i de tjekkiske væbnede styrker
- Afslutning af standardiserede taktiske kampovertrædelsesuddannelsesmoduler og e-learning på ventilatorindstillinger og fortolkning af blodgas
- Succesfuld bestået af før-test for at sikre et ensartet baseline-videnniveau.
- Vilje til at deltage og give informeret samtykke.
- Tilgængelighed til at gennemføre den fulde studieprotokol, inklusive 10 simulerede scenarier.
Ekskluderingskriterier:
- Manglende bestået træning før test eller komplet TCCC og ventilatorstyring.
- Tidligere avanceret uddannelse eller professionel certificering i kritisk pleje eller mekanisk ventilation, der kan bias resultater
- Afvisning af at give informeret samtykke eller manglende evne til at forpligte sig til undersøgelsesplanen
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Andet
- Tildeling: N/A
- Interventionel model: Enkelt gruppeopgave
- Maskning: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: Bekæmpelse af medicinsk beslutningstagning med og uden AI-hjælp
Alle deltagere vil gennemføre 10 taktiske kampulykke-scenarier: 5 med AI-hjælp ved hjælp af GPT-4 til ventilatorstyring og 5 uden AI-hjælp.
Crossover -designet sikrer, at hver deltager oplever begge forhold.
|
Deltagerne afslutter 10 simulerede Tactical Combat Casualty Care (TCCC) -scenarier, med 5 scenarier udført ved hjælp af AI-hjælp (GPT-4) og 5 uden AI.
I AI-assisterede scenarier vil deltagerne bruge GPT-4 til at forespørge og optimere ventilatorindstillinger baseret på patientdata, mens ikke-AI-scenarier udelukkende er afhængige af deres kliniske vurdering.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed af ventilatorindstillinger
Tidsramme: 1 time
|
Nøjagtighed af ventilatorindstillinger som kategoriseret i "fremragende", "acceptabel" eller "mislykkes" baseret på foruddefinerede TCCC -standarder. Fremragende betyder 2 point, acceptabelt 1 point og mislykkes 0 point. |
1 time
|
Andre resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Opfattelse af kunstig intelligens værktøj
Tidsramme: 1 time
|
Opfattelse af kunstig intelligensværktøj, målt gennem efter-scenarioundersøgelsen
|
1 time
|
Samarbejdspartnere og efterforskere
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Michal Soták, M.D., Ph.D., Charles University, Czech Republic
Publikationer og nyttige links
Generelle publikationer
- Nemeth C, Amos-Binks A, Rule G, Laufersweiler D, Keeney N, Flint I, Pinevich Y, Herasevich V. TCCC Decision Support With Machine Learning Prediction of Hemorrhage Risk, Shock Probability. Mil Med. 2023 Nov 8;188(Suppl 6):659-665. doi: 10.1093/milmed/usad298.
- Preiksaitis C, Ashenburg N, Bunney G, Chu A, Kabeer R, Riley F, Ribeira R, Rose C. The Role of Large Language Models in Transforming Emergency Medicine: Scoping Review. JMIR Med Inform. 2024 May 10;12:e53787. doi: 10.2196/53787.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Faktiske)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Andre undersøgelses-id-numre
- FieldAI
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
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 .