Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

SAFE.AI: Desarrollo y Prueba de un Chatbot Híbrido Basado en IA para el Empoderamiento Financiero en la Atención Oncológica Rural

4 de junio de 2026 actualizado por: University of Utah

SAFE.AI: Desarrollo y Prueba de un Chatbot Híbrido Basado en Inteligencia Artificial para el Empoderamiento Financiero en la Atención Oncológica Rural

Este es un ensayo piloto aleatorizado, de dos brazos y grupos paralelos que investiga una nueva herramienta de chatbot diseñada para apoyar a pacientes con cáncer y cuidadores, especialmente aquellos en comunidades rurales. Aproximadamente 60 participantes serán aleatorizados 1:1 para interactuar con un chatbot híbrido o con un chatbot habilitado con IA. Los participantes utilizarán su chatbot asignado para obtener información clara y útil relacionada con seguros, costos de viaje y otros aspectos financieros de la atención oncológica.

Descripción general del estudio

Estado

Aún no reclutando

Descripción detallada

Los costos de la atención del cáncer alcanzarán aproximadamente $246 mil millones para 2030, lo que convierte al cáncer en una de las condiciones de salud más costosas para los individuos. Las dificultades financieras relacionadas con el cáncer impactan negativamente en el bienestar psicológico, la calidad de vida relacionada con la salud, la adherencia a la medicación y las decisiones de retrasar o renunciar a la atención. Los pacientes de cáncer rurales y sus familias tienen una mayor prevalencia de dificultades financieras, incurren en mayores gastos relacionados con viajes, enfrentan factores de estrés laborales y de ingresos únicos, y tienen menor acceso a servicios y proveedores especializados en cáncer, incluidos aquellos que apoyan necesidades financieras.

Pocas intervenciones para la toxicidad financiera están diseñadas para las necesidades de pacientes de cáncer rurales y sus familias. Aunque la navegación financiera puede reducir efectivamente los costos de bolsillo de los pacientes con cáncer, los servicios de navegación financiera y para pacientes rurales de los programas de cáncer, incluidos en el Huntsman Cancer Institute (HCI), están sobrecargados. La mayoría de los centros responden a las dificultades financieras de manera reactiva en lugar de proactiva, y los programas están menos equipados para asistir con fuentes no médicas de costos del cáncer, como viajes y dificultades laborales.

Para abordar esta brecha, se creó el kit de herramientas de recursos de Autodefensa para el Empoderamiento Financiero (SAFE) con un consejo asesor comunitario que incluye pacientes de cáncer rurales, cuidadores y partes interesadas en la atención médica. La investigación con participación comunitaria también identificó la necesidad de información individualizada y accesible sobre recursos y apoyos financieros, el estigma como barrera para buscar ayuda, y la naturaleza que consume tiempo y recursos de la navegación financiera que limita la penetración y alcance de estos servicios esenciales en las comunidades rurales afectadas por el cáncer.

Los chatbots, o agentes conversacionales, son un tipo de sistema de inteligencia artificial (IA) que aplica aprendizaje automático para reproducir conversaciones humanas realistas. Los chatbots guionizados, basados en límites de información claramente definidos, ofrecen respuestas precisas, confiables e individualizadas a preguntas. Por el contrario, los chatbots basados en IA que usan modelos de lenguaje grandes (LLM) como GPT4, pueden abordar preguntas ambiguas y abiertas mientras continúan preservando la privacidad. Los chatbots facilitan información individualizada y fragmentada que mejora la comunicación de información compleja, promueve la privacidad y necesidades de apoyo de los usuarios, y aborda desafíos de la fuerza laboral.

GARDE-Chat, una plataforma de código abierto, se ha establecido para la evaluación de riesgos a nivel del sistema de salud y pruebas genéticas para cáncer hereditario en HCI. GARDE-Chat admite chatbots guionizados, híbridos y de IA. Antes de esta prueba piloto, GARDE-Chat se utilizará para crear un chatbot diseñado para proporcionar respuestas sobre toxicidad financiera, basado en el contenido del kit de herramientas SAFE y recursos verificados para desarrollar la versión guionizada del chatbot. Se incorporará un componente de modelo de lenguaje grande del chatbot para la versión híbrida que permitirá a los usuarios hacer preguntas más complejas y abiertas, refinado con aportes de las partes interesadas de la comunidad.

Este es un ensayo piloto aleatorizado, de dos brazos y grupos paralelos que investiga una nueva herramienta de chatbot diseñada para apoyar a pacientes con cáncer y cuidadores, particularmente aquellos en comunidades rurales. Aproximadamente 60 participantes serán aleatorizados 1:1 para interactuar con un chatbot híbrido o un chatbot habilitado con IA. Los participantes usarán su chatbot asignado para obtener información clara y útil relacionada con seguros, costos de viaje y otros aspectos financieros de la atención del cáncer. Los participantes inscritos completarán tres encuestas (pretest, postest y seguimiento de 2 semanas) e interactuarán con el chatbot antes del postest. Los participantes pueden interactuar con el chatbot entre el postest y el seguimiento de 2 semanas según lo deseen. Los participantes compartirán comentarios sobre la utilidad, facilidad de uso y experiencia general usando el chatbot y completarán medidas de pre y postest para evaluar la eficacia preliminar para medidas de resultado secundarias. Todas las actividades de investigación se realizarán en línea.

Tipo de estudio

Intervencionista

Inscripción (Estimado)

60

Fase

  • No aplica

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Ubicaciones de estudio

    • Utah
      • Salt Lake City, Utah, Estados Unidos, 84112
        • Huntsman Cancer Institute/ University of Utah
        • Contacto:
        • Investigador principal:
          • Djin Tay, PhD, RN

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

No

Descripción

Criterios de inclusión:

  • Adultos (18 años o más)
  • Pacientes con cáncer o cuidadores responsables económicamente de pacientes con cáncer que:
  • Residan en el área de captación de cinco estados del Huntsman Cancer Institute (Utah, Idaho, Wyoming, Montana y Nevada),
  • Sean capaces de leer y escribir en inglés, y
  • Vivan en un área rural, definida por la aprobación de un código postal residencial clasificado como no metropolitano (códigos RUCA 4-10) según los Códigos de Área de Desplazamiento Rural-Urbano del USDA.

Criterios de exclusión:

  • Encuestados que no vivan en esta región de 5 estados: el material del kit de herramientas SAFE se desarrolló para la población de pacientes del Huntsman Cancer Institute que atiende a UT, ID, MT, WY y NV
  • Encuestados que solo hablan español u otros grupos exclusivamente no angloparlantes: el modelo de lenguaje grande para el chatbot se desarrollará en inglés. Dado que la formación en idiomas no ingleses para el chatbot no forma parte del alcance de este estudio, los participantes que no puedan leer y escribir en inglés pueden no ser apropiados. Por lo tanto, no reclutaremos participantes que solo hablen español u otros grupos exclusivamente no angloparlantes. Estudios futuros incluirán la adaptación del chatbot a otros idiomas.
  • Cuidadores que no son principalmente responsables de los aspectos económicos de la atención del cáncer de los pacientes: el tema de las dificultades económicas de la atención del cáncer puede ser menos relevante para cuidadores que no están involucrados económicamente en la atención.
  • No residentes en zonas rurales

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

  • Propósito principal: Cuidados de apoyo
  • Asignación: Aleatorizado
  • Modelo Intervencionista: Asignación paralela
  • Enmascaramiento: Ninguno (etiqueta abierta)

Armas e Intervenciones

Grupo de participantes/brazo
Intervención / Tratamiento
Otro: Chatbot basado en reglas
Los participantes asignados aleatoriamente a este brazo serán invitados a utilizar el chatbot basado en reglas.

El chatbot SAFE.ai basado en reglas (guionizado) es una herramienta conversacional guiada diseñada para proporcionar información estructurada, precisa y coherente a pacientes rurales con cáncer y cuidadores que experimentan toxicidad financiera relacionada con el cáncer.

Este chatbot se basa en el kit de recursos de Autodefensa para el Empoderamiento Financiero (SAFE), que fue codesarrollado con un consejo asesor comunitario (CAB) compuesto por pacientes rurales, cuidadores, enfermeras y expertos en navegación financiera en el área de captación de cinco estados del HCI. Todas las respuestas guionizadas reflejan las prioridades identificadas durante las sesiones de evaluación cualitativa de necesidades, garantizando que el contenido esté culturalmente alineado con las experiencias de los pacientes rurales y los desafíos financieros del mundo real.

El chatbot sigue un árbol de decisiones basado en reglas. Los usuarios avanzan en la conversación seleccionando una respuesta de un conjunto de opciones fijas mostradas en pantalla. Esto garantiza que todo el contenido esté clínicamente revisado, sea seguro, coherente y esté alineado con prácticas basadas en la evidencia.

Otro: Chatbot Híbrido
Los participantes asignados aleatoriamente a este brazo serán invitados a utilizar el chatbot híbrido

El chatbot híbrido SAFE.ai se basa en el sistema basado en reglas existente al integrar una capa de modelo de lenguaje grande (LLM) para admitir interacciones más flexibles, abiertas y conversacionales. Si bien el chatbot basado en reglas proporciona conversaciones estructuradas a través de contenido predefinido, el enfoque híbrido permite a los usuarios hacer preguntas complejas o personalizadas sobre toxicidad financiera.

Para garantizar la seguridad y precisión, el chatbot híbrido no puede generar respuestas desde la internet abierta.

Al combinar la consistencia de la lógica basada en reglas con la adaptabilidad de un LLM, el chatbot híbrido permitirá a los usuarios hacer preguntas de seguimiento, describir situaciones financieras matizadas, solicitar aclaraciones con sus propias palabras y recibir orientación más personalizada, al tiempo que garantiza la adhesión al contenido de SAFE.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Calificación de Utilidad de Elemento Único
Periodo de tiempo: hasta 2 semanas
La utilidad se evalúa mediante un ítem de escala Likert de 5 puntos con opciones de respuesta que van desde Muy inútil (1) hasta Muy útil (5). Las puntuaciones totales oscilan entre un mínimo de 1 y un máximo de 5, donde las puntuaciones más bajas indican una menor utilidad percibida, y las puntuaciones más altas indican una mayor utilidad percibida.
hasta 2 semanas
Escala de Usabilidad del Sistema (SUS)
Periodo de tiempo: hasta 2 semanas
La SUS es una escala de Likert de 10 ítems y 5 puntos (0 = totalmente en desacuerdo, 5 = totalmente de acuerdo). Las puntuaciones totales oscilan entre un mínimo de 0 y un máximo de 100, donde los valores más bajos indican menor usabilidad y los valores más altos indican mayor usabilidad.
hasta 2 semanas
Medida de Aceptabilidad de la Intervención (AIM)
Periodo de tiempo: hasta 2 semanas
El AIM es una escala Likert de 4 ítems y 5 puntos (1 = totalmente en desacuerdo, 5 = totalmente de acuerdo). Las puntuaciones totales oscilan entre un mínimo de 4 y un máximo de 20, donde los valores más bajos indican una menor aceptabilidad y los valores más altos indican una mayor aceptabilidad.
hasta 2 semanas
Chatbot User Satisfaction (CUS) - Subescala de Satisfacción
Periodo de tiempo: hasta 2 semanas
La subescala de Satisfacción de la medida CUS es una escala Likert de 5 ítems (1 = muy en desacuerdo, 5 = muy de acuerdo). Las puntuaciones totales oscilan entre un mínimo de 5 y un máximo de 25, donde valores más bajos indican menor satisfacción del usuario y valores más altos indican mayor satisfacción.
hasta 2 semanas
Prueba de Confianza en Sistemas Automatizados (TOAST)
Periodo de tiempo: hasta 2 semanas
El TOAST es una escala Likert de 9 ítems con 7 puntos (1 = totalmente en desacuerdo, 7 = totalmente de acuerdo). Las puntuaciones totales oscilan entre un mínimo de 9 y un máximo de 63, donde valores más bajos indican menor confianza y valores más altos indican mayor confianza.
hasta 2 semanas

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Preocupaciones Financieras Autodeclaradas
Periodo de tiempo: hasta 2 semanas

La preocupación financiera se evaluará mediante la evaluación COST (COmprehensive Score for financial Toxicity). COST es una escala de Likert de 12 ítems y 5 puntos (0=Nada a 4=Muy Mucho). Las puntuaciones totales van de un mínimo de 0 a un máximo de 44, donde puntuaciones más bajas indican un menor bienestar financiero y puntuaciones más altas indican un mayor bienestar financiero.

Esta medida de resultado informará la puntuación media de COST.

hasta 2 semanas
Calidad de Vida Relacionada con la Salud (CVRS)
Periodo de tiempo: hasta 2 semanas

La calidad de vida relacionada con la salud se evaluará con el Cuestionario de Salud SF-36 de 36 ítems. El SF-36 tiene dos subescalas, el Componente Físico (PCS) y el Componente Mental (MCS). Cada subescala tiene un rango de 0 a 100, donde puntuaciones más bajas indican una peor calidad de vida y puntuaciones más altas indican una mejor calidad de vida.

Esta medida de resultado informará las puntuaciones medias de PCS y MCS.

hasta 2 semanas
Autoeficacia para Afrontar el Cáncer
Periodo de tiempo: hasta 2 semanas

La autoeficacia para afrontar el cáncer se evaluará con el cuestionario Cancer Behavior Inventory-Brief Version (CBI-B). El CBI-B es una escala Likert de 12 ítems y 9 puntos (1=Nada Seguro a 9=Totalmente Seguro).

Las puntuaciones totales del CBI-B oscilan entre 9 y 108, donde puntuaciones más bajas indican peor autoeficacia y puntuaciones más altas indican mejor autoeficacia.

hasta 2 semanas
Malestar Psicosocial
Periodo de tiempo: hasta 2 semanas

El malestar psicosocial se medirá mediante el Cuestionario de Salud del Paciente-4 (PHQ-4). El PHQ-4 es una escala de Likert de 4 ítems y 4 puntos (0 = Nada en absoluto a 3 = Casi todos los días).

Las puntuaciones totales del PHQ-4 oscilan entre 0 y 12, donde puntuaciones más bajas indican menos malestar psicosocial y puntuaciones más altas indican un malestar psicosocial más severo.

hasta 2 semanas
Compromiso del usuario con SAFE.AI
Periodo de tiempo: hasta 2 semanas
La participación del usuario con SAFE.AI se evaluará mediante un instrumento de participación desarrollado para evaluar chatbots de IA en una encuesta postest.
hasta 2 semanas

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Investigadores

  • Investigador principal: Djin Tay, PhD, RN, Huntsman Cancer Institute/ University of Utah

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Publicaciones Generales

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Estimado)

1 de junio de 2026

Finalización primaria (Estimado)

1 de diciembre de 2027

Finalización del estudio (Estimado)

1 de diciembre de 2027

Fechas de registro del estudio

Enviado por primera vez

31 de diciembre de 2025

Primero enviado que cumplió con los criterios de control de calidad

12 de febrero de 2026

Publicado por primera vez (Actual)

13 de febrero de 2026

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

5 de junio de 2026

Última actualización enviada que cumplió con los criterios de control de calidad

4 de junio de 2026

Última verificación

1 de mayo de 2026

Más información

Términos relacionados con este estudio

Otros números de identificación del estudio

  • 193501

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Suscribir