Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Raisonnement des médecins sur des cas de gestion avec de grands modèles de langage

15 février 2024 mis à jour par: Jonathan Chen, Stanford University

Raisonnement de gestion avec les chatbots IA

Cette étude évaluera l'effet de l'accès à GPT-4, un grand modèle de langage, par rapport aux outils traditionnels d'aide à la décision de gestion sur les performances des tâches de raisonnement de gestion basées sur des cas.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Intervention / Traitement

Description détaillée

Les technologies d'intelligence artificielle (IA), en particulier les grands modèles de langage avancés comme ChatGPT d'OpenAI, ont le potentiel d'améliorer la prise de décision médicale. Bien que ChatGPT-4 n'ait pas été développé pour être utilisé dans des applications médicales spécifiques, il s'est révélé prometteur dans divers contextes de soins de santé, notamment la rédaction de notes médicales, le traitement des demandes des patients et la facilitation des consultations médicales. Cependant, on sait peu de choses sur la manière dont ChatGPT augmente les capacités de raisonnement clinique des cliniciens.

Le raisonnement clinique est un processus complexe impliquant la reconnaissance de formes, l’application des connaissances et le raisonnement probabiliste. L'intégration d'outils d'IA tels que ChatGPT-4 dans les flux de travail des médecins pourrait potentiellement contribuer à réduire la charge de travail des cliniciens et à diminuer le risque de mauvaise gestion. Cependant, ChatGPT-4 n’a pas été développé à des fins de raisonnement clinique et n’a pas non plus été validé à cette fin. En outre, il peut faire l’objet de désinformation, notamment de confabulations convaincantes susceptibles d’induire les cliniciens en erreur. Si les cliniciens abusent de cet outil, il risque de ne pas améliorer le raisonnement et pourrait même être préjudiciable. Par conséquent, il est important d’étudier comment les cliniciens utilisent de grands modèles de langage pour augmenter le raisonnement clinique avant leur intégration systématique dans les soins aux patients.

Dans cette étude, les participants seront randomisés pour répondre à des cas de prise en charge clinique avec ou sans accès à ChatGPT-4. Chaque cas comporte plusieurs éléments, et les participants seront invités à discuter de leur raisonnement pour chaque élément. Les réponses seront notées par des évaluateurs indépendants ignorant l'attribution du traitement. Une grille de notation a été élaborée pour chaque cas par un panel de 4 à 7 experts. Les intervenants ont élaboré indépendamment une rubrique pour chaque cas, puis les éventuelles divergences ont été résolues au cours de plusieurs séries de discussions.

Type d'étude

Interventionnel

Inscription (Estimé)

50

Phase

  • N'est pas applicable

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Sauvegarde des contacts de l'étude

Lieux d'étude

  • États-Unis
    • California
      • Palo Alto, California, États-Unis, 94304
        • Recrutement
        • Stanford University
        • Contact:
        • Contact:

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Enfant
  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Oui

La description

Critère d'intégration:

  • Les participants doivent être des médecins agréés et avoir terminé au moins la deuxième année postuniversitaire (PGY2) de formation médicale.
  • Formation en médecine interne, médecine familiale ou médecine d'urgence.

Critère d'exclusion:

  • Ne pratique pas actuellement en clinique.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

  • Objectif principal: Traitement
  • Répartition: Randomisé
  • Modèle interventionnel: Affectation parallèle
  • Masquage: Seul

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Comparateur actif: GPT-4
Le groupe aura accès à GPT-4
Autre: GPT-4
Grand modèle de langage GPT-4 d'OpenAI avec interface de discussion.
Aucune intervention: Ressources habituelles
Le groupe n'aura pas accès à GPT-4 mais sera encouragé à utiliser toutes les ressources de son choix en plus des grands modèles linguistiques (UpToDate, Dynamed, Google, etc.).

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Raisonnement de gestion
Délai: En une heure d'étude
Pourcentage correct (plage : 0 à 100) pour chaque cas.
En une heure d'étude

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Temps consacré à la gestion
Délai: En une heure d'étude
Temps (en minutes) que les participants passent par cas entre les deux bras de l'étude.
En une heure d'étude

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Stanford University

Collaborateurs

Beth Israel Deaconess Medical Center
University of Minnesota

Les enquêteurs

  • Chercheur principal: Jonathan H Chen, MD, PhD, Stanford University
  • Chercheur principal: Adam Rodman, MD, Beth Israel Deaconess Medical Center
  • Chercheur principal: Andrew Olson, MD, University of Minnesota

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

28 décembre 2023

Achèvement primaire (Estimé)

30 mars 2024

Achèvement de l'étude (Estimé)

30 mars 2024

Dates d'inscription aux études

Première soumission

20 décembre 2023

Première soumission répondant aux critères de contrôle qualité

5 janvier 2024

Première publication (Réel)

17 janvier 2024

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

16 février 2024

Dernière mise à jour soumise répondant aux critères de contrôle qualité

15 février 2024

Dernière vérification

1 février 2024

Plus d'information

Termes liés à cette étude

Mots clés

Autres numéros d'identification d'étude

  • 71319b

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

Essais cliniques sur GPT-4

Rechercher des essais similaires

Sponsors et collaborateurs

Les conditions médicales

Interventions en matière de drogue

CROs by country

CROs in Belarus

Conditions

Maladies rares

Interventions en matière de drogue

Compléments alimentaires

Commanditaire / collaborateurs

Emplacements

3
S'abonner