Acceptabilitet af kunstig intelligens i diagnosen prostatacancer (AccAI)

1. Introduktion 1.1. Acceptabilitet af kunstig intelligens 1.1.1. Kunstig intelligens inden for sundhedsfagfolk i sundhedsvæsenet står over for en række voksende og mere og mere komplekse udfordringer. Arten af sundhedsmæssige problemer ændrer sig, arbejdsbelastninger øges, hvilket fører til en vanskeligere styring i pleje og kræver også en konstant opdatering af viden. På samme tid eksploderer implementeringen af værktøjer til kunstig intelligens (AI) i sundhedsydelser og giver en lys mulighed for at imødekomme behovene i den udviklende medicinske sektor.

Mange undersøgelser har undersøgt muligheden for klinisk AI ved at evaluere blandt andet AI -systemers tekniske ydelse. Imidlertid er den tekniske karakter af AI -udvikling ikke den eneste udfordring, der står over for implementeringen af klinisk AI. Undersøgelser har faktisk vist, at acceptabiliteten af klinisk AI fra sundhedspersonale og patienter påvirker den effektive vedtagelse af AI af disse brugere. At ignorere denne parameter kan føre til spild af ressourcer ved ikke at drage fordel af de tilgængelige AI -systemer.

Acceptabiliteten af klinisk AI af patienter og sundhedsfagfolk er blevet undersøgt i forskellige sammenhænge, men de fleste undersøgelser vedrører AI's acceptabilitet i sundhedsydelser generelt. Dette emne er allerede systematisk opsummeret og viser i majoritets god acceptabilitet af AI. På den anden side er undersøgelser i specifikke sundhedsmæssige sammenhænge sjældnere, og AI -acceptabiliteten i disse sammenhænge kan ikke defineres ved blot at ekstrapolere AI -acceptabiliteten i sundhedsvæsenet. Faktisk adskiller acceptabiliteten af AI sig i henhold til konteksten (sygdom, der er diagnosticeret, sværhedsgraden af sygdommen, konsekvenser af AI's beslutning, kompleksiteten af beslutningstagning), men også til de opgaver, som AI udfører (diagnose, valg af behandling, prognose). Derudover adskiller AI -acceptabilitetsfaktorer sig afhængigt af den undersøgte befolkning (patienter, sundhedspersonale, forskere og sundhedsledere) på grund af forskelle i behov, præferencer og konteksten af brug. Det er derfor vigtigt at undersøge AI -acceptabiliteten i den nøjagtige kontekst, som undersøgelsen henviser til.

1.1.2. Acceptabilitet af AI i prostatacancerdiagnoseprocessen Implementeringen af AI -værktøjer i Prostatacancer Diagnosis (PCA) -processen vil forbedre information fra medicinske billeder og oprettelse af forudsigelige modeller. Dette vil repræsentere et betydeligt fremskridt med at optimere diagnosen PCA og forudsige dens aggressivitet med det endelige mål at personalisere behandling ved tilpasning til tumorens biologiske egenskaber. Dette vil hjælpe med at reducere behovet for prostatabiopsier, hvilket øger individers overholdelse og tilskynder dem til at blive testet inden symptomernes udseende. Desuden forbedrer den tidlige påvisning af PCA dramatisk behandlingssuccesraten.

I betragtning af muligheden for implementering af AI i PCA -diagnoseprocessen er det vigtigt at undersøge acceptabiliteten af denne implementering for patienter og sundhedsfagfolk, der ville de endelige brugere af AI i PCA -konteksten og betingelserne for denne implementering. Selvom nogle undersøgelser har undersøgt denne acceptabilitet, forbliver forskning på dette område begrænset og kræver yderligere undersøgelse.

En nylig undersøgelse har vurderet patienternes tillid til AI og deres opfattelse af urologer, der er afhængige af AI. Denne undersøgelse har vist, at patienter havde mere tillid til lægeres evne til at stille den rigtige diagnose, at overveje den seneste forskning, individualisere kommunikationen af diagnosen og til at forklare informationen på en forståelig måde i sammenligning med AI. Patienter oplyste, at de havde højere tillid til en diagnose, der blev foretaget af AI kontrolleret af en læge mod AI, der ikke kontrolleres af en læge.

En anden undersøgelse udforskede mænds frygt og forventninger til AI -diagnose og behandling i forbindelse med PCA gennem tre repræsentationer af AI, som deltagerne forestillede sig. De tre forestillede repræsentationer var AI som et værktøj til at hjælpe sundhedsudbydere, AI som en avanceret maskine og AI som en enhed, der ville erstatte sundhedsudbydere. Det sidste imaginære er det værste tilfælde for deltagere. I alle forestillinger så deltagerne AI i et positivt lys, men jo mere AI indtog stedet for lægen, jo flere deltagere så AI i et negativt lys.

1.1.3. Begrebet acceptabilitet Begrebet acceptabilitet af klinisk AI er ikke veldefineret. Selv hvis der findes rammer for at forklare og forudsige enkeltpersoners adfærdsintention til at bruge og acceptere en teknologisk innovation, er disse modeller enten ikke tilpasset til sundhedsvæsenets kontekst; Enten overvejer AI på samme måde som digitale sundhedsteknologier. Det er dog vigtigt at tage hensyn til sundhedsvæsenets kontekst og kompleksiteten af AI i sammenligning med digitale teknologier, der fungerer på en mere forenklet måde end AI. Det er derfor nødvendigt at bedre definere begrebet acceptabilitet af klinisk AI. Nogle undersøgelser har ændret eksisterende rammer for teknologi accept af teknologi til at tage hensyn til ovennævnte begrænsninger, såsom de to følgende rammer.

Den første ramme modellerer statistisk patientens accept af AI-baserede kliniske beslutningsstøtteenheder. Forfatterne af denne model har udvidet de teoretiske rammer for teknologisk accept, der inkluderer opfattelse af værdi (VAM), der tilpasser dem til sundhedssektoren. Denne ramme evaluerer de opfattede risici og fordele ved AI-baserede kliniske beslutningsstøtteenheder for at måle deres acceptabilitet. Forfatterne af denne model antyder, at fremtidige undersøgelser skal tilføje yderligere faktorer til deres model, herunder social indflydelse, der bruges i nogle andre teoriske rammer for accept, for at øge dens efterforskningsstyrke (R2 af denne model er 0,80). Derudover oplyser forfatterne, at variablerne køn, årlig husstandsindkomst, uddannelsesniveau, beskæftigelse, opfattet teknisk viden om AI-teknologi og fortrolighed med en AI-baseret tjeneste havde en betydelig effekt på intentionen om at bruge AI-baserede kliniske beslutningsstøtteenheder.

For det andet opsummerede en nylig undersøgelse i Lancet systematisk kvalitative undersøgelser af accept af AI til diagnostiske formål fra interessenter (patienter, klinikere, forskere og sundhedschefer). Forfatterne udvidede den eksisterende NASSS -ramme for at skabe en ny model tilpasset AI -diagnostik; NASSS-AI-rammen. Denne nye ramme er struktureret i seks domæner, tyve underdomæner og 42 temaer, der grupperer de elementer, der ofte diskuteres af de undersøgelser, der er inkluderet i denne gennemgang.

Flere faktorer, der ikke er inkluderet i de forskellige teoretiske modeller nævnt ovenfor, er blevet identificeret ved andre undersøgelser som faktorer, der påvirker patientens acceptabilitet af klinisk AI. Disse faktorer var alder, tidligere eksponering for lignende værktøjer, den geografiske placering, den diagnosticerede sygdom, sværhedsgraden af sygdommen og tilliden til sundhedsvæsenet.

Derudover har en systematisk gennemgang undersøgt, hvordan oplysninger om AI blev givet til deltagere i undersøgelser, der vurderede patienters acceptabilitet af AI i sundhedsvæsenet. Denne systematiske gennemgang indikerer, at de fleste undersøgelser citerer begrænset patientkendskab til AI i forbindelse med deres forskning som en begrænsning af deres undersøgelse. Derudover rapporterer flere undersøgelser, at den type information, der blev leveret til patienter i begyndelsen af en undersøgelse, påvirker resultaterne. Derfor tilføjes en "interventionskohærens" -faktor til vores forskningsramme. Denne faktor er integreret i de teoriske rammer for acceptabilitet (TFA), der studerer acceptabiliteten af sundhedsinterventioner.

1.2. Data altruisme - Data, der leverer data altruisme, forstås som den frivillige, der leverer personlige og ikke -personlige data, baseret på samtykke fra registrerede eller tilladelse fra naturlige og juridiske personer, uden at søge en belønning og for mål af almen interesse.

Udviklingen af klinisk AI kræver anvendelse af en stor mængde sundhedsdata. Brugen af disse data er uundgåelig, fordi de gør det muligt for værktøjerne at komme videre og udvikle sig. Som forklaret ovenfor skal klinisk AI accepteres af patienter og af sundhedsudbydere, men det skal også fodres af patientdata. De må derfor blive enige om at give deres sundhedsdata.

Selvom patienternes vilje til at levere personlige sundhedsdata er blevet undersøgt i vid udstrækning i forbindelse med sekundær anvendelse generelt (datadeling for klinisk, folkesundhedsforskning, epidemiologi osv. Nogle undersøgelser vurderer viljen til at give sundhedsdata ved et simpelt spørgsmål. En undersøgelse om AI i diagnostisk AI i hudkræft viser, at 88% af de adspurgte ville gøre deres sundhedsdata anonymt tilgængelige til udvikling af AI-baseret medicinsk anvendelse.

En pilotundersøgelse undersøgte patienters perspektiver på data, der leverer med det formål at udvikle AI til almen praksis. Deltagere i denne undersøgelse mente, at udviklingen af AI til almen praksis var et mål, som de var villige til at give deres data. De sagde, at de ville hjælpe med at håndtere sygdomme og hjælpe deres praktiserende læge (GP) ved at levere deres data. Viljen til at give deres data var afhængig af det tillidsforhold, de havde med deres læge.

1.2.1. Begrebet vilje til at give sundhedsdata ingen validerede rammer til undersøgelse af patienters vilje til at levere deres sundhedsdata til sekundær anvendelse eller til AI -udviklingsformål er blevet identificeret i litteraturen. En nylig systematisk gennemgang konkluderede også, at der ikke var noget valideret måleværktøj til at bestemme denne vilje.

En undersøgelse udviklede en konceptuel model af patienternes vilje til at levere sundhedsdata til forskningsformål. Denne ramme er baseret på den validerede værdiopfattelsesramme, der evaluerer de opfattede fordele og risici ved data, der leverer. Forfatterne føjede til denne ramme Flere faktorer, der er specifikke for data, der giver forskningsformål, såsom typen af endelige brugere, typen af data indsamlet, konteksten osv. Disse faktorer kan forstås som betingelser for at levere sundhedsdata.

2. Mål Formålet med denne undersøgelse er at bedre forstå AI's acceptabilitet og dens betingelser af mennesker med prostatacancer og sundhedsudbydere i forbindelse med diagnose af prostatacancer og AI som støtte til sundhedsudbydere. Denne undersøgelse har også til formål at bedre forstå folks vilje til at levere deres sundhedsdata til klinisk AI -udvikling og betingelserne omkring denne vilje.

Målene for denne undersøgelse er:

1. Bestem acceptabiliteten af mennesker med prostatacancer vedrørende implementeringen af AI som støtte til sundhedsudbydere i diagnosen prostatacancer og udforske betingelserne for denne implementering.

2. Bestem folks vilje til at levere deres sundhedsdata til udvikling af klinisk AI og udforske betingelserne for denne vilje.

3. Bestem acceptabiliteten af sundhedsudbydere vedrørende gennemførelsen af AI som en støtte til dem i diagnosen prostatacancer og udforske betingelserne for denne implementering.

3. Metoder 3.1. Type undersøgelses- og forskningsproces Undersøgelsen er en tværsnitsobservation, blandet-metode, sekventiel undersøgelse, der omfatter en indledende kvantitativ fase, der vil føre til en anden kvalitativ fase. Undersøgelsen er multinationale og rekrutterer deltagere fra Belgien, Italien og Spanien.

Hvert land forelægger protokollen til sit etiske udvalg, hvis det er påkrævet. Designet af denne undersøgelse er præsenteret i figur 1. Denne protokol vedrører den kvantitative fase. Protokollen for den kvalitative fase vil blive forelagt etikudvalget på et senere tidspunkt, da analysen af det kvantitative fase -spørgeskema er nødvendig for udviklingen af den kvalitative fase.

Figur 1: Undersøgelsesdesign 3.2. Rammer for de kvantitative fase to rammer bruges, svarende til de to mål i denne fase (bestem acceptabiliteten af mennesker med prostatacancer vedrørende implementeringen af AI som støtte til sundhedsudbydere i diagnosen prostatacancer og bestemme folks vilje til at give deres sundhedsdata til udvikling af klinisk AI).

For at bestemme acceptabiliteten af mennesker med prostatacancer med hensyn til implementering af AI som støtte til sundhedsudbydere i diagnosen prostatacancer blev der oprettet en ramme på grundlag af eksisterende rammer, der tidligere var præsenteret (ramme baseret på opfattelse af værdier, NASSS-AI og TFA). Rammerne baseret på opfattelse af værdier blev brugt som grundlag for vejning af risici mod opfattede fordele. Social indflydelse blev føjet til denne model har antydet af forfatterne. En "betingelser for at bruge" faktor og dens underdimensioner blev også tilføjet, inspireret af NASSS-AI og de tidligere citerede rammer. Faktoren "Intervention Coherence" blev tilføjet i tråd med TFA.

Den sidste ramme, der blev brugt til at undersøge acceptabiliteten af mennesker med prostatacancer med hensyn til implementering af AI som støtte til sundhedsudbydere i diagnosen prostatacancer, præsenteres i figur 2.

Figur 2: Teoretisk model af acceptabiliteten af mennesker med prostatacancer vedrørende implementeringen af AI som støtte til sundhedsudbydere i diagnosen prostatacancer.

For at bestemme folks vilje til at levere deres sundhedsdata til AI -udviklingsformål blev der oprettet en ramme på grundlag af eksisterende rammer baseret på værdiopfattelse af, at balancer opfattede risici og opfattede fordele. En "betingelser" -faktor blev tilføjet for at udforske denne vilje. Den sidste ramme, der bruges til at studere menneskers vilje til at levere deres sundhedsdata til udvikling af klinisk AI, er præsenteret i figur 3.

Figur 3: Teoretisk model af folks vilje til at levere deres sundhedsdata til udvikling af klinisk AI.

3.3. Befolkningskarakteristika for den kvantitative fase Undersøgelsespopulationen er mennesker med lokal prostatacancer.

Inkluderingskriterierne er defineret som følger:

• over 18 år;

• med diagnose af lokaliseret prostatacancer;

• samtykke til undersøgelsen.

Ekskluderingskriterierne er defineret som følger:

• At ikke tale fransk;

• diagnosticeret med metastatisk kræft fra starten;

• Terminalt syg;

• Mennesker, der lider af mental retardering, demens eller ændret bevidsthedstilstand.

3.4. Prøve af den kvantitative fase Den valgte prøveudtagningsmetode er frivillig prøveudtagning. Ethvert individuelt opfylder inkluderingskriterierne og ikke opfylder ekskluderingskriterierne kan vælge at deltage i undersøgelsen, som involverer udfyldelse af et selvadministreret online spørgeskema.

Spørgeskemaet distribueres gennem følgende kanaler:

• En plakat- og flyers -kampagne i Urology -afdelingen i Elipse Network. Plakater og flyers viser linket og QR -koden til spørgeskemaet. Samundersøgeren E. Koshmanova fra denne undersøgelse vil være tilgængelig på et eller flere hospitaler på Elipse-netværket for at tilbyde hjælp til adgang til spørgeskemaet uden at gribe ind i færdiggørelsesprocessen. Hun vil også have en bærbar computer eller tablet tilgængelig for deltagere, der ønsker at deltage i undersøgelsen, men ikke har det nødvendige udstyr.

• Distribution af linket og QR -koden for spørgeskemaet via plakatdesignet i fotoformat på sociale medier.

• Distribution af linket og QR -koden via plakatdesignet i fotoformat eller ikke via patientforeninger. Disse foreninger vil dele disse gennem deres netværk eller mailinglister. Foreninger kan også vise plakaten og/eller flyers i deres faciliteter, hvis de anses for relevante.

Der blev ikke udført nogen beregning af prøvestørrelse, da undersøgelsesbegrænsningerne kræver inkludering af mindst 50 deltagere pr. Land og højst 100 deltagere pr. Land.

For at have adgang til spørgeskemaet bruger folk spørgeskemaet eller scanner QR -koden. Det er ikke nødvendigt at oprette en konto. Efter at have brugt linket eller scanning af QR -koden, er den første ting, der vises, spørgeskemaets hjemmeside, hvor deltagerne inviteres til at læse formularen information og samtykke og derefter samtykke til undersøgelsen. Det er specificeret i formularen om information og samtykke, at samtykke ikke indsamles direkte i formularen information og samtykke, men via det første afsnit af spørgeskemaet (videresendelse af den informerede samtykkeformular). Dette blokerer adgangen til resten af spørgeskemaet til folk, der ikke accepterer undersøgelsen, dvs. dem, der ikke markerer alle udsagnene.

Hvis deltagerne giver deres samtykke, vil spørgeskemaet være tilgængelige, og deltagerne vil blive bedt om at bekræfte, at de opfylder undersøgelsens inkluderingskriterier og ikke opfylder undersøgelsens ekskluderingskriterier. Hvis de ikke bekræfter disse elementer, afsluttes spørgeskemaet. Hvis de bekræfter disse elementer, starter spørgeskemaet.

I betragtning af at regler giver deltagerne mulighed for at trække deres samtykke tilbage fra undersøgelsen til enhver tid, tildeles en unik kode til dem. Denne kode vil blive dannet af hver deltager med denne identifikationsnøgle: første bogstav i efternavnet + sidste bogstav i efternavnet + første bogstav i fornavnet + de to sidste cifre i deres fødselsår.

I slutningen af onlineformularen har deltagerne mulighed for at klikke på et link, hvis de ønsker at deltage i den anden fase (kvalitative fase) af denne undersøgelse. Dette link fører dem til et andet online spørgeskema, der beder om deres kontaktdata. Det andet spørgeskema er ikke knyttet til det første. Med kontaktdataene kan individer kontaktes for at deltage i den anden fase af denne undersøgelse, og dette først efter godkendelsen af etikudvalget for den anden fase af denne undersøgelse (kvalitativ fase).

I tilfælde af at deltagerrekruttering viser sig mere effektiv gennem en papirbaseret tilgang, vil en papirversion af spørgeskemaet, der er identisk med online-versionen, blive brugt. I sådanne tilfælde vil deltagerne blive bedt om at udfylde papirspørgeskemaet og underskrive en papirversion af formularen Informeret samtykke inden deltagelse. Spørgeskemaet i dette tilfælde vil blive kodet online på REDCAP af forskerteamet.

Hver deltager har mulighed for at stille spørgsmål til co-efterforskeren (E. Koshmanova) når som helst. Hendes kontaktoplysninger findes i formularen information og samtykke og i begyndelsen af spørgeskemaet.

3.5. Studerede parametre i den kvantitative fase

Flere parametre indsamles med det første online spørgeskema:

• Oplysninger, der vedrører enkeltpersoner: alder, opfattet indkomst, beskæftigelse, uddannelse, opfattet sundhedsstatus, opholdsland, sværhedsgraden af prostatacancer (hvor længe siden blev diagnosen, der blev gjort, er den behandles), tidligere plejeoplevelse, tidligere eksponering for lignende værktøjer, hyppighed af brug af sundhedsydelser, tillid til sundhedssystemer.

• Oplysninger om folks færdigheder: Sundhedskompetence, e-sundhedskompetence, opfattet teknisk viden om AI-teknologi, fortrolighed med en AI-baseret tjeneste.

• Spørgsmål, der vedrører acceptabiliteten til mennesker med prostatacancer ved implementeringen af AI som støtte til sundhedsudbydere i diagnosen prostatacancer.

• Spørgsmål, der vedrører viljen hos mennesker med prostatacancer til at give deres sundhedsdata til udvikling af klinisk AI.

Flere data indsamles med det andet online spørgeskema:

• Før og efternavn;

• telefonnummer;

• bopælsland;

• Postkode.

Dette spørgeskema er uafhængigt af det første. 3.6. Dataindsamlingsværktøj til de kvantitative fase online -spørgeskemaer deles med deltagere af REDCAP -platformen. 3.6.1. Spørgeskema nummer 1: Online -spørgeskemaet sigter mod at vurdere både acceptabiliteten af mennesker med prostatacancer vedrørende implementeringen af AI som støtte til sundhedsudbydere i diagnosen prostatacancer og deres vilje til at give deres sundhedsdata med henblik på at udvikle klinisk AI. Spørgeskemaet spørger også om visse menneskers egenskaber, som nævnt i punkt 3.5. Spørgeskemaet introduceres af en forklaring på, hvordan AI er involveret i pleje i sammenhæng med denne undersøgelse.

Spørgeskemaet er baseret på to spørgeskemaer. For det første er spørgeskemaet, der er knyttet til rammerne baseret på opfattelse af værdier, blevet brugt. For det andet blev spørgeskemaet, der er knyttet til rammerne, der studerer viljen til at give sundhedsdata til forskningsformål, brugt som inspiration (19).

3.6.2. Spørgeskema nummer 2: Formålet med dette spørgeskema er at kontakte deltagere, der ønsker at tage en del af den anden fase af denne undersøgelse (kvalitativ fase).

3.7. Kalender Figur 1: Gantt -diagram. 4. Etiske bekymringer fra den kvantitative fase Undersøgelsen udgør ingen risici eller ulemper for deltagerne. Ingen ændring i deres sædvanlige kliniske styring vil være nødvendig. Ingen indsamlet information vil blive videregivet til sundhedspersonalet.

Undersøgelser vil blive udviklet ved hjælp af REDCAP -platformen, som er en softwarepakke designet til den overordnede styring af studier, og som opfylder de lovgivningsmæssige krav til sundhedsstudieværter og overvåget af det kliniske forsøgscenter (CTC) fra Chul.

En informations- og samtykkeformular udfyldes (elektronisk version) af deltagerne, før de faktisk deltager i undersøgelsen. Deltagerne kan trække deres samtykke tilbage fra den vigtigste efterforsker (D. Waltregny) når som helst.

Alle indsamlede data vil blive pseudonymiseret med en unik kode, der vil blive tildelt hver deltager. Denne kode vil blive dannet af deltagere med denne identifikationsnøgle: første bogstav i efternavnet + sidste bogstav i efternavnet + første bogstav i fornavnet + de to sidste cifre i deres fødselsår.

Derudover vil kontaktdata blive indsamlet, behandlet og gemt i overensstemmelse med den generelle databeskyttelsesforordning (GDPR).

Undersøgelsen begynder først efter godkendelse fra etikudvalget.