Generatiivisen tekoälyn perustuva simulaatio diagnostisesta viestinnästä tyypin 2 diabeteksessa (DIALOGUE-DM2) (DIALOGUE-DM2)
Generatiivisen tekoälyn simulointi diagnostisessa viestinnässä tyypin 2 diabeteksessa: Satunnaistettu kontrolloitu tutkimus (DIALOGUE-DM2)
Tämä satunnaistettu kontrolloitu tutkimus arvioi generatiivisen tekoälyyn (AI) perustuvan simulaatio-ohjelman tehokkuutta lääketieteen opiskelijoiden diagnostisen viestintätaidon parantamisessa. Tutkimus suoritetaan Faculty of Higher Studies Iztacala -yksikössä, National Autonomous University of Mexico (UNAM).
Yhteensä 120 lääketieteen opiskelijaa satunnaistetaan joko interventioryhmään, joka käyttää DIALOGUE-DM2 AI-simulaatioalustaa, tai kontrolliryhmään, joka noudattaa perinteisiä opetusmenetelmiä. Osallistujat suorittavat esitestin, saavat koulutusta ryhmäkohtaisten ohjeiden mukaisesti ja sitten jälkitestiarvioinnin.
Ensisijainen tulosmittari on diagnostisen viestintätaidon parantuminen, mitattuna standardoiduilla potilasskenaarioilla ja validoiduilla arviointikaavioilla. Toissijaisia tulosmittareita ovat itse raportoitu luottamus, viestintäalueet ja arvioijien välinen yhteensopivuus opettaja-arvioijien ja AI-pisteytyksen välillä.
Tämän kokeen tavoitteena on tarjota korkealaatuista näyttöä generatiivisen tekoälyn mahdollisuuksista parantaa viestintäkoulutusta lääketieteellisessä koulutuksessa, erityisesti tyypin 2 diabeteksen diagnoosikontekstissa.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Yksityiskohtainen kuvaus
Tämä tutkimus perustuu aiempaan pilottitutkimukseen (julkaistu vuonna 2024), joka osoitti generatiivisen tekoälyn (AI) käytön mahdollisuuden lääketieteen opiskelijoiden diagnostisen viestinnän kouluttamisessa. Nykyinen tutkimus laajentaa tätä työtä satunnaistetulla, sokaistulla, kontrolloidulla suunnittelulla ja suuremmalla otoskoolla.
Suunnittelu:
Tutkimus on satunnaistettu, sokaistu, rinnakkaisryhmäinen, kontrolloitu koe, joka suoritetaan Faculty of Higher Studies Iztacala (FES Iztacala), UNAM:ssa. Yhteensä 120 lääketieteen opiskelijaa on rekrytoitu ja satunnaistettu (1:1) joko interventioryhmään (AI-pohjainen simulaatiokoulutus) tai kontrolliryhmään (perinteinen koulutus standardoiduilla potilailla ja henkilökunnan palautteella).
Interventio:
- Interventioryhmä: Opiskelijat vuorovaikuttavat DIALOGUE-DM2-alustan kanssa, joka tarjoaa generatiivisen AI:n ohjaamia simuloituja potilaita. He suorittavat useita diagnoosien paljastamisen skenaarioita ja saavat välittömän palauteen suorituksestaan standardoitujen viestintäarviointikaavioiden perusteella.
- Kontrolliryhmä: Opiskelijat saavat standardikoulutuksen, mukaan lukien luennot ja valvotun harjoittelun vertaisroolileikeillä ja henkilökunnan ohjaamalla palautteella.
Arvioinnit:
- Esitesti: Kaikki opiskelijat suorittavat yhden standardoidun potilasskenaarion henkilökunnan ja AI:n arvioinnilla ennen interventiota.
- Koulutusvaihe: Osallistujat suorittavat määrätyn koulutuksensa (AI vs. standardi).
- Jälkitesti: Opiskelijat suorittavat standardoidun diagnoosien paljastamisen skenaarion. Riippumattomat henkilökunnan arvioijat (sokaistut ryhmänjakoon) ja AI-alusta pisteyttävät suorituksen.
Tulokset:
- Ensisijainen tulos: Muutos diagnostisen viestinnän suorituskyvyn pisteissä esitestistä jälkitestiin, mitattuna validoitujen arviointikaavioiden avulla (Kalamazoo-viitekehys, MRS).
- Toissijaiset tulokset:
- Opiskelijoiden oma arvio viestintäluottamuksestaan.
- Alakohtaiset parannukset (tiedon välittäminen, empatia, riskien selitys, yhteinen päätöksenteko).
- Yhteensopivuus inhimillisten arvioijien ja AI-pisteytyksen välillä.
Etiikka ja valvonta:
Tutkimus on tarkastettu ja hyväksytty FES Iztacala, UNAM:n tutkimusetiikkakomitean toimesta (Hyväksymisnumero CE/FESI/042025/1915). Riskit ovat vähäisiä, koska interventio on koulutuksellinen ja ei-invasiivinen.
Merkitys:
Tämä on ensimmäinen satunnaistettu kontrolloitu koe Meksikossa, joka arvioi generatiivisen AI-pohjaisen simulaation diagnostiseen viestintään. Tulokset antavat tietoa AI-vetoisien koulutusvälineiden integroinnista lääketieteen opetussuunnitelmiin ja voivat edistää skaalautuvia innovaatioita terveydenhuollon ammattilaisten koulutuksessa kroonisten sairauksien hoidossa, alkaen tyypin 2 diabeteksesta.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Tlalnepantla, Meksiko
- Universidad Nacional Autónoma de México, Faculty of Higher Studies Iztacala (FES Iztacala)
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällyttämiskriteerit:
- Lääketieteen opiskelijat, jotka ovat tällä hetkellä kirjoilla Lääketieteellisen tiedekunnan (Lääkärikirurgian ohjelma), UNAM-FES Iztacala.
- Ikä 18–30 vuotta.
- Kyky antaa tietoon perustuva suostumus.
- Halukkuus osallistua kaikkiin tutkimuksen vaiheisiin (esitestaus, interventio, jälkitestaus).
Poissulkemiskriteerit:
- Aikaisempi osallistuminen DIALOGUE-pilot-tutkimukseen.
- Aikaisempi muodollinen koulutus diagnostisessa viestinnässä normaalin lääketieteellisen opetussuunnitelman ulkopuolella.
- Osallistumattomuus suunniteltuihin istuntoihin.
- Kieltäytyminen tai kykenemättömyys antaa tietoon perustuva suostumus.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Terveyspalvelututkimus
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Kolminkertaistaa
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Tekoälyyn perustuva simulaatiokoulutus (DIALOGUE-DM2)
Tähän ryhmään sijoitettujen lääketieteen opiskelijoiden koulutus tapahtuu DIALOGUE-DM2-alustan avulla, joka tarjoaa generatiivisen tekoälyn ohjaamia simuloituja potilaita.
Osallistujat osallistuvat useisiin tyypin 2 diabetekseen keskittyviin diagnoosipaljastusskenaarioihin ja saavat välittömän tekoälyjärjestelmän luoman palautteen.
Palaute on linjassa validoitujen viestintäkehysten (Kalamazoo, MRS) kanssa.
Koulutus suoritetaan useassa istunnossa ennen jälkitestiarviointia.
|
Lääketieteen opiskelijat käyttävät DIALOGUE-DM2-alustaa, generatiiviseen tekoälyyn perustuvaa simulointijärjestelmää.
Alusta tarjoaa virtuaalisia potilaskohtaamisia, jotka keskittyvät tyypin 2 diabeteksen diagnoosin ilmoittamiseen.
Opiskelijat suorittavat useita simuloituja skenaarioita ja saavat välittömästi tekoälyn luomaa palautetta, joka on linjassa standardoitujen viestintäarviointimenetelmien (Kalamazoo, MRS) kanssa.
Koulutuksen tavoitteena on parantaa diagnoosiviestintätaitoja ennen testijälkeistä arviointia.
|
|
Active Comparator: Perinteinen koulutus
Tähän ryhmään määritellyt lääketieteen opiskelijat saavat perinteisen kommunikaatiotaitojen koulutuksen.
Tämä sisältää luentoja, vertaisroolileikkejä ja henkilökunnan valvomia palautetilaisuuksia, jotka käsittelevät tyypin 2 diabeteksen diagnoosin kertomista.
Osallistujat suorittavat saman määrän koulutustilaisuuksia kuin interventioryhmä ennen jälkitestiarviointia.
|
Lääketieteen opiskelijat saavat perinteistä koulutusta diagnostisessa viestinnässä.
Tämä sisältää luentoja, vertaisroolileikkejä ja henkilökunnan valvomia palautetilaisuuksia, jotka käsittelevät tyypin 2 diabeteksen diagnoosin ilmoittamista.
Koulutuksen kesto ja istuntojen määrä vastaavat interventioryhmää.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Diagnostisen viestintäsuorituskykypisteen muutos
Aikaikkuna: Noin 12 viikkoa (osallistujaa kohden esitestistä jälkitestiin).
|
Diagnostisen kommunikaation taitojen parantaminen, mitattuna validoitujen arviointikriteerien avulla - Kalamazoon Essential Elements Communication Checklist ja Medical Communication Rating Scale (MCRS) - standardoituihin potilasskenaarioihin sovellettuina.
Käytetään riippumattomia sokkoutettuja opettaja-arvioijia ja tekoälypisteytystä. Pisteet vaihtelevat 0:sta 100:aan, korkeammat arvot osoittavat parempaa diagnostisen kommunikaation suorituskykyä. |
Noin 12 viikkoa (osallistujaa kohden esitestistä jälkitestiin).
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Muutos opiskelijan itse raportoimassa luottamuksessa diagnostiikkaviestinnässä
Aikaikkuna: Noin 12 viikkoa (osallistujaa kohden esitestistä jälkitestiin).
|
Muutos opiskelijoiden itseraportoimassa luottamuksessa tyypin 2 diabeteksen diagnoosin kertomisessa, mitattuna strukturoidulla kyselylomakkeella käyttäen 5-pisteen Likert-asteikkoa (1 = erittäin matala luottamus, 5 = erittäin korkea luottamus).
Korkeammat pisteet osoittavat suurempaa itsellä havaittua luottamusta diagnoosiviestinnässä. |
Noin 12 viikkoa (osallistujaa kohden esitestistä jälkitestiin).
|
|
Muutos alakohtaisissa diagnostisen kommunikaation pisteissä (Kalamazoo-viitekehys ja lääketieteellisen kommunikaation arviointiasteikko)
Aikaikkuna: Noin 12 viikkoa (ennakkotestistä jälkitestiin osallistujaa kohden).
|
Parannus erityisissä kommunikaatioalueissa - tiedon välittämisessä, empatiassa, riskiselityksessä ja yhteisessä päätöksenteossa - arvioitu käyttäen Kalamazoon Essential Elements Communication Checklist -listaa ja Medical Communication Rating Scale (MCRS) -asteikkoa.
Jokainen alue pisteytetään 0:sta 100:aan, korkeammat pisteet osoittaen parempaa suoritusta.
|
Noin 12 viikkoa (ennakkotestistä jälkitestiin osallistujaa kohden).
|
|
Ihmisen arvioijien ja tekoälyn pisteytyksen välinen sopimus
Aikaikkuna: Arvioitu jälkikokeessa, noin 12 viikkoa perusmittauksen jälkeen osallistujakohtaisesti.
|
Sokeiden ihmisarvioijien ja tekoälyyn perustuvan pisteytyksen välinen yhteensopivuus diagnostisen kommunikaation suorituskyvyn arvioinnissa, arvioitu Cohenin kappakertoimella (κ). Pisteet vaihtelevat välillä -1,0 - +1,0, missä arvot lähellä +1,0 osoittavat vahvempaa yhteensopivuutta arvioijien välillä.
|
Arvioitu jälkikokeessa, noin 12 viikkoa perusmittauksen jälkeen osallistujakohtaisesti.
|
|
Opiskelijoiden tyytyväisyys määrätyllä koulutusmenetelmällä
Aikaikkuna: Arvioitu välittömästi jälkitestin suorittamisen jälkeen, noin 12 viikkoa perusmittauksesta osallistujaa kohden.
|
Tyydyttyneisyys määrätyllä koulutusmenetelmällä (tekoälypohjainen simulaatio vs. perinteinen koulutus), mitattuna käyttäen rakenteellista 5-portaista Likert-tyytyväisyyskyselyä (1 = erittäin tyytymätön; 5 = erittäin tyytyväinen).
Korkeammat pisteet osoittavat suurempaa tyytyväisyyttä koulutusmenetelmään.
|
Arvioitu välittömästi jälkitestin suorittamisen jälkeen, noin 12 viikkoa perusmittauksesta osallistujaa kohden.
|
Yhteistyökumppanit ja tutkijat
Julkaisuja ja hyödyllisiä linkkejä
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 (Arvioitu)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- UNAM-DIALOGUE-DM2-2025
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
IPD-jaon aikakehys
IPD-jaon käyttöoikeuskriteerit
IPD-jakamista tukeva tietotyyppi
- STUDY_PROTOCOL
- MAHLA
- ICF
- ANALYTIC_CODE
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 .