- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06865534
Suuret kielimallit gynekologisen onkologian hoidon helpottamiseksi (EASING)
Lääketieteen opiskelijat ja heidän käsityksensä suurista kielimalleista (LLM) gynekologisessa onkologiassa
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Edistyneiden tekoälyn (AI) tekniikat, erityisesti suuret kielimallit, kuten Openain chatgPT, on merkittävä potentiaali parantaa lääketieteellistä päätöksentekoa. Vaikka ChatgPT: tä ei ole suunniteltu erityisesti lääketieteellisiin sovelluksiin, se on osoittanut hyödyllisyyttä erilaisissa terveydenhuollon skenaarioissa, mukaan lukien potilaan tutkimusten vastaaminen, lääketieteellisten dokumentaation laatiminen ja kliinisten neuvottelujen avustaminen. Näistä edistysaskeleista huolimatta sen rooli hoidon päätöksenteon tukemisessa tapahtumapaikkaan monimutkaisissa onkologisissa tapauksissa-ja -vaikutuksissa.
Hoitopäätös gynekologisessa onkologiassa on monipuolinen prosessi, joka integroi näyttöön perustuvat ohjeet, kasvainbiologian, potilaskohtaiset tekijät ja kliinisen asiantuntemuksen. CHATGPT-kaltaiset AI-työkalut voisivat mahdollisesti auttaa syntetisoimaan asiaankuuluvia ohjeita koskevia suosituksia, parantamaan päätöksentekoa ja helpottamaan tehokkaampia kliinisiä työnkulkuja. ChatgPT: tä ei kuitenkaan ole erityisesti räätälöity onkologisiin hoitopäätöksiin, ja sillä ei ole kattavaa validointia tällä alueella. Lisäksi se voi tuottaa vääriä tietoja tai uskottavia kuulostavia, mutta epätarkkoja suosituksia, jotka voivat vaikuttaa kliiniseen arviointiin. Siksi ymmärtäminen siitä, kuinka lääketieteen ammattilaiset, mukaan lukien opiskelijat ja varhaisen uran lääkärit, vuorovaikutuksessa tällaisten AI-työkalujen kanssa on välttämätöntä ennen laajempaa integraatiota kliiniseen käytäntöön. Paikallisesti otettavissa olevat mallit, kuten LLAMA, mahdollistavat turvallisen, paikan päällä tapahtuvan käytön, kun taas hakuvalmistettu sukupolvi varmistaa ohjeiden mukaiset suositukset.
Tässä tutkimuksessa tutkitaan kielimallien vaikutusta hoitopäätöksen tukemiseen lääketieteen opiskelijoille, jotka hallitsevat gynekologisia onkologiatapauksia. Tämä on crossover -tutkimus, jossa osallistujat satunnaistetaan kahteen ryhmään. Kaikki osallistujat alkavat pääsystä chatgptiin kahdelle vinjettille. Sitten ne jatkavat kahta tapausta käyttämällä joko paikallisesti otettua kielimallia, jota seuraa kaksi tapausta, jotka luottavat ohjeisiin PDF -tiedostoihin tai päinvastoin.
Jokainen osallistuja analysoi kliinisiä tapauksia, ehdottaa hoitosuunnitelmia ja arvioi heidän luottamustaan päätöksiinsä ja päätöksentekoa koskeviin järjestelmien käytettävyyteen. Tämän tutkimuksen tavoitteena on antaa käsitys AI-työkalujen integroinnin mahdollisista eduista ja rajoituksista, kuten chatgPT: n onkologiseen hoitopäätökseen.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Marburg, Saksa, 35043
- Institute for Digital Medicine, University Hospital of Giessen and Marburg, Philipps University Marburg
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällyttämiskriteerit:
- Lääketieteen opiskelijat ovat aloittaneet kliiniset aiheet
Poissulkemiskriteerit:
- ei ole lääketieteen opiskelija
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Hoito
- Jako: Satunnaistettu
- Inventiomalli: Crossover-tehtävä
- Naamiointi: Yksittäinen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Muut: Paikallinen kielimalli ensin
Ryhmälle annetaan pääsy paikalliselle kielelle ensin ChatgPT: n käytön jälkeen
|
Ryhmälle annetaan pääsy paikalliselle kielelle ensin ChatgPT: n käytön jälkeen ja saa sitten pääsyn PDF -tiedostoon
|
|
Muut: Ohje PDF ensin
Ryhmälle annetaan pääsy ohjeen PDF ensin ChatgPT: n käytön jälkeen
|
Ryhmälle annetaan pääsy PDF -tiedostoon ChatgPT: n jälkeen ja sitten paikalliselle kielelle
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kasvainlautakunnan päätösten hoidon sopimus
Aikaikkuna: suoraan (10 minuutin sisällä) intervention jälkeen
|
Kunkin ryhmän osallistujat valitsevat tapausvinjetit
|
suoraan (10 minuutin sisällä) intervention jälkeen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Hoidon luottamus
Aikaikkuna: suoraan (10 minuutin sisällä) intervention jälkeen
|
Jokaisesta tapauksesta osallistujilta pyydetään heidän hoidon luottamusta (VAS 0-10).
Keskiarvoa verrataan päätöksentekoryhmien välillä.
|
suoraan (10 minuutin sisällä) intervention jälkeen
|
|
Hoitopäätökseen käytetty aika
Aikaikkuna: suoraan (10 minuutin sisällä) intervention jälkeen
|
Aika (sekunneissa) osallistujat käyttävät tapausta kohden päätöksentekotuen ryhmien välillä.
|
suoraan (10 minuutin sisällä) intervention jälkeen
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Sebastian Griewing, MD PhD, Philipps University Marburg
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 25-29 ANZ (Muu tunniste: Philipps University Marburg)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .