- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06796036
Konversations-KI in der taktischen Unfallversorgung: Baseline GPT-4O verbessert die Entscheidungsfindung der Kampfmediziner (FieldAI)
Studienübersicht
Status
Bedingungen
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
Einschreibung (Tatsächlich)
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
-
Praha, Tschechien, 16209
- Military University Hospital Prague
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
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
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
Mitarbeiter
Ermittler
- Hauptermittler: Michal Soták, M.D., Ph.D., Charles University, Czech Republic
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- 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.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- FieldAI
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .