Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Konversations-KI in der taktischen Unfallversorgung: Baseline GPT-4O verbessert die Entscheidungsfindung der Kampfmediziner (FieldAI)

12. Mai 2025 aktualisiert von: Michal Soták, Charles University, Czech Republic
Ziel des Projekts ist es zu untersuchen, ob die Integration der Unterstützung der künstlichen Intelligenz (KI), insbesondere durch das GPT-4-Modell, die Entscheidungsprozesse von militärischen medizinischen Ersthelfern im Rahmen der taktischen Kampfunfallversorgung (TCCC) verbessert. Die Studie konzentriert sich auf die Fähigkeit der KI, die Beatmungseinstellungen für verletzte Personen in Kampfszenarien zu unterstützen, wobei die Verbesserung der Genauigkeit und der Entscheidungsgeschwindigkeit hervorgehoben wird. Der Projekt testet die Hypothese, dass die Verwendung von AI die Ergebnisse positiv beeinflussen kann, ohne die Autonomie der Ersthelfer zu beeinträchtigen. Die Ergebnisse können die Patientenversorgung unter herausfordernden Bedingungen optimieren und zur Weiterentwicklung der Kampfmedizin beitragen.

Studienübersicht

Detaillierte Beschreibung

Diese Studie untersucht das Potenzial der künstlichen Intelligenz (AI), insbesondere GPT-4, zur Verbesserung der klinischen Entscheidungsfindung in Tactical Combat Casualty Care Care (TCCC) -Szenarien. Das Hauptziel besteht darin, zu bewerten, ob die AI-Unterstützung die Genauigkeit und Effizienz von Beatmungsmanagemententscheidungen für Kampfmediziner in Hochdruckumgebungen verbessert, ohne ihre Autonomie zu beeinträchtigen.

Ein prospektives, randomisiertes Studiendesign innerhalb des Subjekts wird eingesetzt. Dreißig Kampfmediziner der tschechischen Streitkräfte werden teilnehmen. Jeder Teilnehmer vervollständigt 10 simulierte TCCC -Szenarien: fünf mit AI -Unterstützung und fünf ohne. Die Szenarien werden für die Komplexität übereinstimmen und randomisiert, um die Auftragseffekte zu kontrollieren. Die Teilnehmer verwenden Chatgpt auf Handheld-Geräten, um die Entscheidungsfindung in Echtzeit zu simulieren.

In Szenarien mit AI-Unterstützung fragen Mediziner GPT-4 zur Unterstützung bei der Optimierung der mechanischen Beatmungseinstellungen auf der Grundlage von Patientendaten, einschließlich Blutgasergebnissen, Vitalfunktionen und Beatmungsparametern.

Das primäre Ergebnis ist die Genauigkeit der Beatmungseinstellungen, die in "ausgezeichnete", "akzeptable" oder "fehlgeschlagene" basierend auf vordefinierten TCCC -Standards eingeteilt wurden. Zu den sekundären Ergebnissen gehören die Geschwindigkeit der Entscheidungsfindung und die Wahrnehmung des Nutzens der KI durch die Teilnehmer, gemessen durch postszenario-Umfragen.

Die Ergebnisse zielen darauf ab, die Machbarkeit der Integration von großsprachigen Modellen (LLMs) in die kämpfende medizinische Versorgung zu bestimmen, um die Patientenergebnisse zu optimieren und Mediziner unter Kampfbedingungen zu unterstützen. Die Studie versucht, das Verständnis der Rolle der KI in der Militärmedizin voranzutreiben und eine Grundlage für den zukünftigen Einsatz fein abgestimmter KI-Lösungen in TCCC und anderen Szenarien für die Intensivpflege.

Diese Studie bietet eine Bewertung von LLM-Anwendungen in der Combat-Opfer-Versorgung mit Proof-of-Concept-Bewertung mit dem Potenzial, die Entscheidungsfindung zu verbessern und die Entwicklung spezialisierter KI-Tools für die militärische Nutzung zu informieren.

Studientyp

Interventionell

Einschreibung (Tatsächlich)

42

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Praha, Tschechien, 16209
        • Military University Hospital Prague

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

  • Kampfmediker dienen aktiv in den tschechischen Streitkräften
  • Fertigstellung standardisierter taktischer Kampfmodule für die Combat Caserty Care Care und E-Learning für Beatmungseinstellungen und Blutgasinterpretation
  • Erfolgreicher Bestehen von Vorprüfungen, um ein einheitliches Basiswissenniveau zu gewährleisten.
  • Bereitschaft zur Teilnahme und Einverständniserklärung.
  • Verfügbarkeit zum Abschluss des vollständigen Studienprotokolls, einschließlich 10 simulierter Szenarien.

Ausschlusskriterien:

  • Versäumnis, die Vorprüfungen zu bestehen oder das TCCC- und Ventilator-Management-Training abzuschließen
  • Vorherige Schulung oder professionelle Zertifizierung in der Intensivpflege oder in der mechanischen Belüftung, die die Ergebnisse verzerren kann
  • Weigerung, eine Einverständniserklärung oder Unfähigkeit zu ermöglichen, sich für den Studienplan zu verpflichten

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Sonstiges
  • Zuteilung: N / A
  • Interventionsmodell: Einzelgruppenzuweisung
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: Bekämpfung der Entscheidungsfindung mit der Mediziner mit und ohne KI-Unterstützung
Alle Teilnehmer vervollständigen 10 taktische Combat Casualty Care-Szenarien: 5 mit AI-Unterstützung mit GPT-4 für das Beatmungsmanagement und 5 ohne KI-Unterstützung. Das Crossover -Design sorgt dafür, dass jeder Teilnehmer beide Bedingungen erlebt.
Die Teilnehmer vervollständigen 10 Szenarien für taktische Combat Casualty Care (Tactical Combat Caserty Care), wobei 5 Szenarien ohne AI-Hilfe (GPT-4) und 5 ohne AI durchgeführt werden. In AI-unterstützten Szenarien verwenden die Teilnehmer GPT-4, um die Beatmungseinstellungen auf der Grundlage von Patientendaten abzufragen und zu optimieren, während Nicht-AI-Szenarien ausschließlich auf ihr klinisches Urteilsvermögen beruhen.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Genauigkeit der Beatmungseinstellungen
Zeitfenster: 1 Stunde

Genauigkeit der Beatmungseinstellungen, die in "ausgezeichnete", "akzeptabel" oder "fehlgeschlagen" eingeteilt wurden, basierend auf vordefinierten TCCC -Standards.

Ausgezeichnete Mittelwerte 2 Punkte, akzeptabler 1 Punkt und fehlgeschlagener 0 Punkt.

1 Stunde

Andere Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Wahrnehmung des Nutzens der künstlichen Intelligenz
Zeitfenster: 1 Stunde
Wahrnehmung des Nutzens der künstlichen Intelligenz, gemessen durch die Umfrage nach der Szenario
1 Stunde

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Ermittler

  • Hauptermittler: Michal Soták, M.D., Ph.D., Charles University, Czech Republic

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

2. Februar 2025

Primärer Abschluss (Tatsächlich)

31. März 2025

Studienabschluss (Tatsächlich)

30. April 2025

Studienanmeldedaten

Zuerst eingereicht

22. Januar 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

22. Januar 2025

Zuerst gepostet (Tatsächlich)

28. Januar 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

13. Mai 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

12. Mai 2025

Zuletzt verifiziert

1. Mai 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • FieldAI

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Einzelteilnehmerdaten werden aufgrund von Bedenken hinsichtlich der Vertraulichkeit der Teilnehmer, der Datenschutz und des sensiblen Charakters der Studie mit Militärpersonal nicht weitergegeben. Aggregate Daten und Studienergebnisse werden durch von Experten begutachtete Veröffentlichungen und Präsentationen geteilt.

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Abonnieren