Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Effekten af perceptionsbaserede interventioner på offentlig accept af brug af store sprogmodeller i medicin

11. december 2025 opdateret af: Liu Jue, Peking University

Perceptionsbaserede interventioner påvirker offentlig accept af brug af store sprogmodeller i medicin: Randomiseret kontrolleret undersøgelse

Store sprogmodeller (LLM'er) viser potentiale inden for medicin, men bekymringer om deres nøjagtighed, sammenhængskraft, gennemsigtighed og etik består. Indtil videre er den offentlige opfattelse af brugen af LLM'er i medicin og om de spiller en rolle i accepten af sundhedsvæsenets anvendelser af LLM'er endnu ikke fuldt ud forstået. Dette studie har til formål at undersøge den offentlige opfattelse af brugen af LLM'er i medicin og om indgreb for opfattelser påvirker accepten af sundhedsvæsenets anvendelser af LLM'er.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Detaljeret beskrivelse

På grund af hurtige fremskridt inden for kunstig intelligens bruges store sprogmodeller (LLM'er) i stigende grad i en række kliniske sammenhænge såsom triage, sygdomsdiagnose, behandlingsplanlægning og selvovervågning. Til trods for deres potentiale forbliver brugen af LLM'er begrænset inden for sundhedssektoren på grund af manglende nøjagtighed, sammenhæng og gennemsigtighed samt etiske bekymringer. Offentlige opfattelser såsom opfattet nyttighed og risici spiller en afgørende rolle i at forme deres holdninger til kunstig intelligens, hvilket enten kan lette eller hæmme dens implementering. Men så vidt vi ved, er der mangel på opmærksomhed om opfattelsesdrevne interventioner i sundhedsplejen, og ingen tidligere studier har undersøgt, om offentlige opfattelser spiller en rolle i accepten af medicinske anvendelser af LLM'er. Derfor har dette studie til formål at undersøge offentlige opfattelser af brugen af LLM'er i medicin og om interventioner for opfattelser påvirker accepten af sundhedsplejeapplikationer af LLM'er.

Undersøgelsestype

Interventionel

Tilmelding (Anslået)

3000

Fase

  • Ikke anvendelig

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

    • Beijing Municipality
      • Beijing, Beijing Municipality, Kina, 100191
        • Jue Liu

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Beskrivelse

Inklusionskriterier:

  • ≥18 år
  • I stand til at gennemføre en onlineundersøgelse
  • Indvillig i at underskrive et informeret samtykke

Eksklusionskriterier:

  • Ikke i stand til at besvare spørgsmål eller kommunikere
  • Ikke villig til at deltage i denne undersøgelse

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Andet
  • Tildeling: Randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Enkelt

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Ingen indgriben: Styring
Ingen indgriben
Eksperimentel: Opfattede fordele ved store sprogmodeller i medicinen
Deltagerne blev bedt om at læse "I april 2023 lancerede Massachusetts General Hospital et pilotprogram, der benyttede medicinske LLM'er til at assistere med skadestue-triage og indledende diagnose, og observerede en reduktion i patienters ventetid og en forbedring af den kliniske effektivitet."
Deltagere tildelt interventionsgruppen modtog perception-baserede interventioner. Interventioner for Gruppe 1-3 var henholdsvis opfattede fordele ved LLM'er i medicin, opfattet racebias i LLM'er i medicin og opfattede etiske konflikter i LLM'er i medicin.
Eksperimentel: Opfattet racebias i store sprogmodeller inden for medicin
Deltagerne blev bedt om at læse "I november 2022 fandt et forskningsteam fra University of California, San Francisco, at avancerede medicinske LLM'er udviste racebias, når de anbefalede behandlingsplaner."
Deltagere tildelt interventionsgruppen modtog perception-baserede interventioner. Interventioner for Gruppe 1-3 var henholdsvis opfattede fordele ved LLM'er i medicin, opfattet racebias i LLM'er i medicin og opfattede etiske konflikter i LLM'er i medicin.
Eksperimentel: Opfattede etiske konflikter i store sprogmodeller i medicinen
Deltagerne blev bedt om at læse "I februar 2023 lækkede et stort europæisk hospitalnetværk utilsigtet delvist anonymiserede, men stadig følsomme patientdata under test af medicinske LLM'er på grund af en systemkonfigurationsfejl. Selvom der ikke skete direkte patientpåvirkning, øgede dette offentlighedens bekymring om databeskyttelse og sikkerhed og tvang relevante institutioner til at gennemføre presserende gennemgange af deres databeskyttelsesforanstaltninger."
Deltagere tildelt interventionsgruppen modtog perception-baserede interventioner. Interventioner for Gruppe 1-3 var henholdsvis opfattede fordele ved LLM'er i medicin, opfattet racebias i LLM'er i medicin og opfattede etiske konflikter i LLM'er i medicin.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Antallet af deltagere, der vil ændre deres holdning til medicinske anvendelser af store sprogmodeller
Tidsramme: Gennem undersøgelsens afslutning, i gennemsnit 1 år
Offentlig accept af anvendelsen af store sprogmodeller inden for medicin vil blive kategoriseret i ja, ikke sikker og nej, hvilket vil blive indsamlet før opfattelsesbaserede interventioner og efter interventioner.
Gennem undersøgelsens afslutning, i gennemsnit 1 år

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Efterforskere

  • Ledende efterforsker: Jue Liu, Peking University

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

25. november 2025

Primær færdiggørelse (Anslået)

31. oktober 2026

Studieafslutning (Anslået)

31. december 2026

Datoer for studieregistrering

Først indsendt

1. december 2025

Først indsendt, der opfyldte QC-kriterier

11. december 2025

Først opslået (Faktiske)

26. december 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

26. december 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

11. december 2025

Sidst verificeret

1. december 2025

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 .

Kliniske forsøg med Perception, Selv

Kliniske forsøg med Perceptionsbaserede interventioner

Abonner