LLM-generierte Laienzusammenfassungen für MRT-Berichte des Gehirns (CLEAR-HEAD)

Hintergrund Kopfschmerzen machen etwa 2 % bis 4 % der Notaufnahmebesuche aus, was in Frankreich etwa 450.000 Konsultationen pro Jahr entspricht. Während 95 % dieser Fälle gutartige primäre Kopfschmerzen sind, ist die Identifizierung sekundärer Ursachen, die eine dringende Behandlung erfordern, entscheidend, was oft zu einer verstärkten Nutzung von Neuroimaging wie MRT führt. Radiologieberichte enthalten jedoch oft komplexe medizinische Fachsprache, die für Patienten und nicht-spezialisierte Ärzte schwer verständlich sein kann, was möglicherweise zu Verwirrung oder Angst führt. Große Sprachmodelle (LLMs) haben das Potenzial gezeigt, komplexe medizinische Texte zu vereinfachen. Während kommerzielle Modelle existieren, bieten Open-Weight-Modelle (die lokal eingesetzt werden können, um Datensicherheit zu gewährleisten) einen vielversprechenden Weg für die klinische Integration. Diese Studie zielt darauf ab, die Wirksamkeit einer KI-generierten Zusammenfassung in einfacher Sprache zur Verbesserung des Patientenverständnisses von Hirn-MRT-Berichten zu bewerten.<\/p>

Studiendesign Dies ist eine randomisierte, kontrollierte, einfachblinde Studie, die in die COMPARE-e-Kohorte eingebettet ist. Die Studie verwendet ein Parallelgruppendesign mit einem 1:1-Zuteilungsverhältnis. Die gesamte Studie wird remote über sichere Online-Formulare durchgeführt.<\/p>

Teilnehmer Die Studie rekrutiert erwachsene Freiwillige, die bereits in der COMPARE-e-Kohorte eingeschrieben sind. Die Teilnehmer müssen über ausreichende Kenntnisse der französischen Schriftsprache verfügen, um die Berichte zu lesen und die Fragebögen auszufüllen. Für die Aufnahme ist keine spezifische medizinische Erkrankung erforderlich, da die Studie fiktive Fallszenarien verwendet.<\/p>

Intervention und Verfahren Die Teilnehmer werden über ein Minimierungsverfahren randomisiert, das die Vorgeschichte von Hirn-MRT und bekannte neurologische Pathologie ausgleicht. Jeder Teilnehmer wird gebeten, sechs fiktive Hirn-MRT-Berichte zu lesen, die häufige Notfall-Kopfschmerzszenarien simulieren. Die sechs Berichte decken drei klinische Situationen ab: zwei mit normalen Ergebnissen, zwei mit Zufallsbefunden, die die Kopfschmerzen nicht erklären, und zwei mit Auffälligkeiten, die die Kopfschmerzen erklären. In der Experimentalgruppe erhalten die Teilnehmer den standardmäßigen MRT-Bericht, ergänzt durch einen strukturierten Zusammenfassungsabsatz, der von einem Open-Weight-LLM generiert und unter dem Abschnitt "Synthese für den Patienten und den nicht-radiologischen Arzt" eingefügt wird. In der Kontrollgruppe erhalten die Teilnehmer den standardmäßigen MRT-Bericht in seiner ursprünglichen Version ohne die KI-generierte Zusammenfassung.<\/p>

Ergebnisparameter Unmittelbar nach dem Lesen jedes Berichts füllen die Teilnehmer einen standardisierten Fragebogen aus. Das primäre Ergebnis ist das Verständnis des Berichts, gemessen an der Genauigkeit der Antwort auf die binäre Frage: Wird in diesem Bericht eine wahrscheinliche Erklärung für die Kopfschmerzen gefunden? Sekundäre Ergebnisse umfassen die Teilnehmerzufriedenheit, gemessen auf einer Likert-Skala, den wahrgenommenen Bedarf an professioneller Klärung, die wahrgenommene Fähigkeit, die Ergebnisse einem Angehörigen zu erklären, und die projizierten Angstniveaus.<\/p>

Statistische Analyse Die primäre Analyse vergleicht den Anteil korrekter Antworten zwischen den Gruppen unter Verwendung eines gemischten logistischen Regressionsmodells. Dieses Modell enthält die Interventionsgruppe als festen Effekt und berücksichtigt gekreuzte Zufallseffekte (Teilnehmer und Bericht), um die intraindividuelle Korrelation und Variabilität zwischen klinischen Fällen zu handhaben. Die Stichprobengröße wird auf 412 Teilnehmer (206 pro Gruppe) berechnet, um einen Unterschied von 10 % im Verständnis mit 95 % Power zu erkennen.<\/p>