Explainable AI in Medical Education: CerViD-MultiModal Framework Trial (CerViD-MM)
29. Juli 2026 aktualisiert von: Prince L. Fully, University of Liberia
Explainable Artificial Intelligence (XAI) in Medical Education: A Multi-Modal Framework for Enhancing Human-AI Collaboration
This study evaluates whether Explainable Artificial Intelligence (XAI) explanations integrated into medical training improve AI literacy, reduce cognitive workload, and enhance learner trust compared to traditional lecture methods.
Third-year medical students participated in a randomized controlled trial assessing the CerViD-MultiModal diagnostic framework during a neuroimaging diagnostic module focused on fornix atrophy in early and late mild cognitive impairment
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
The study utilized a two-phase sequential explanatory design with mixed methodologies.
In Phase 1 (Technical Development), the CerViD-MultiModal model was developed and validated using neuroimaging data from 100 Alzheimer's Disease Neuroimaging Initiative (ADNI) subjects to classify early vs. late mild cognitive impairment via fornix morphometry features.
In Phase 2 (Educational Intervention), a randomized controlled trial was conducted with 120 third-year medical students enrolled in the clinical neuroscience rotation at the University of Liberia.
Participants were randomized into two equal groups (n=60 per group): Control Group: Completed a 45-minute traditional lecture module using static text and bar charts.
XAI-Enhanced Group: Completed an interactive 45-minute module featuring SHAP summary charts, LIME patient-specific explanations, and interactive force graphs.
Post-intervention electronic assessments evaluated four primary outcomes: AI Literacy Score (0-100 scale), System Usability Scale (SUS, 0-100 scale), perceived cognitive workload using the NASA Task Load Index (NASA-TLX, 0-100 scale), and Confidence in AI Interpretation (1-5 scale)
Studientyp
Interventionell
Einschreibung (Tatsächlich)
120
Phase
- Unzutreffend
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Montserrado County
-
Monrovia, Montserrado County, Liberia, 1000
- University of Liberia Medical School
-
-
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
Inclusion Criteria:
- Enrolled as a third-year medical student in the clinical neuroscience rotation at the University of Liberia.
- Willing and able to complete the 45-minute educational module and post-intervention evaluations.
- Provided informed consent to participate in the study.
Exclusion Criteria:
- Prior formal coursework, professional training, or specialized technical degree in artificial intelligence, machine learning, or computer science.
- Inability to complete the post-intervention assessment.
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Versorgungsforschung
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Aktiver Komparator: Control Group
Participants complete a 45-minute traditional lecture module on AI in neuroimaging using static text and bar charts
|
Standard educational instruction delivered via traditional slides and static charts explaining neuroimaging AI outputs.
|
|
Experimental: XAI-Enhanced Group
Participants complete an interactive 45-minute lecture module supplemented with CerViD-MultiModal visual XAI explanations (SHAP summary charts and LIME patient-specific explanations
|
Standard educational instruction delivered via traditional slides and static charts explaining neuroimaging AI outputs.
Andere Namen:
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
AI Literacy Score
Zeitfenster: Immediately post-intervention (Day 1)
|
Continuous score (0-100 scale) measuring conceptual knowledge, practical application, ethical awareness, and critical evaluation of AI systems in medicine
|
Immediately post-intervention (Day 1)
|
|
System Usability Scale (SUS) Score
Zeitfenster: Immediately post-intervention (Day 1)
|
Standardized 10-item scale assessing user perception of system usability, converted to a 0-100 overall score
|
Immediately post-intervention (Day 1)
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Mitarbeiter
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.
Allgemeine Veröffentlichungen
- Lundberg SM, Lee SI. A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems (NeurIPS). 2017;30:4765-4774.
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)
30. Mai 2026
Primärer Abschluss (Tatsächlich)
30. Mai 2026
Studienabschluss (Tatsächlich)
15. Juni 2026
Studienanmeldedaten
Zuerst eingereicht
29. Juli 2026
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
29. Juli 2026
Zuerst gepostet (Tatsächlich)
4. August 2026
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
4. August 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
29. Juli 2026
Zuletzt verifiziert
1. Juli 2026
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- UL-IRB-2026-XAI-MED
- U01AG024904 (US NIH Stipendium/Vertrag)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
JA
Beschreibung des IPD-Plans
De-identified individual participant data collected during the study, including post-intervention assessment scores for AI literacy, System Usability Scale (SUS) ratings, NASA Task Load Index (NASA-TLX) workload metrics, and confidence scores, will be made available upon reasonable request.
All direct and indirect identifiers will be removed prior to data sharing to preserve participant privacy.
IPD-Sharing-Zeitrahmen
De-identified individual participant data and supporting documents will become available within 6 months following publication of the study results in a peer-reviewed journal and will remain accessible for up to 3 years.
IPD-Sharing-Zugriffskriterien
Data and supporting materials will be shared with qualified academic researchers and clinical educators whose formal proposal has been approved by the research team.
Access is granted solely for scientific research and meta-analytic purposes.
Requests should be submitted via email directly to the Principal Investigator.
Art der unterstützenden IPD-Freigabeinformationen
- STUDIENPROTOKOLL
- SAFT
- ANALYTIC_CODE
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 .