Évaluation de l'efficacité et de l'acceptabilité d'un chatbot vocal GPT-4O et à base de chiffon pour le dépistage de la dépression à l'aide de PHQ-9 (GPT4-RAG-PHQ)
Cette étude vise à évaluer la faisabilité et l'acceptabilité d'un chatbot vocal, propulsé par le GPT-4O et une génération (RAG) (RAG) (RAG), pour effectuer un dépistage de la dépression, le questionnaire de santé du patient-9 (PHQ-9). Le PHQ-9 est un instrument d'auto-évaluation validé largement utilisé pour dépister, diagnostiquer et surveiller la gravité de la dépression. Il se compose de neuf questions qui correspondent aux critères diagnostiques et statistiques des troubles mentaux (DSM-5) pour le trouble dépressif majeur. Les répondants évaluent la fréquence des symptômes ressentis au cours des deux dernières semaines sur une échelle de 0 ("pas du tout") à 3 ("presque tous les jours"). Le score total (allant de 0 à 27) indique la gravité des symptômes dépressifs, classés en dépression minimale, légère, modérée, modérément sévère ou sévère. Le PHQ-9 est également utilisé pour évaluer les déficiences fonctionnelles et guider les décisions de traitement en milieu clinique et de recherche.
Le chatbot vocal intègre GPT-4O, avec RAG pour améliorer sa capacité à fournir des réponses éclairées et contextualisées lors des interactions. GPT-4O sert de moteur conversationnel, capable de générer un dialogue humain, empathique et contextuellement approprié. Le chiffon, en revanche, permet au chatbot de récupérer et d'intégrer des connaissances externes et à jour à partir d'une base de données ou d'un référentiel de connaissances organisé, garantissant l'exactitude et la fiabilité de ses réponses.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
La dépression est un défi de santé mentale répandu avec des coûts personnels, sociaux et économiques importants. Les ressources traditionnelles de santé mentale sont confrontées à des barrières telles que la stigmatisation, la disponibilité limitée et les longs temps d'attente. La technologie, en particulier les outils alimentés par l'IA, offre la possibilité de combler ces lacunes. Cette étude utilise GPT-4O et RAG pour créer un chatbot interactif vocal capable d'engagement conversationnel, d'administration du questionnaire PHQ-9 et de fournir des commentaires personnalisés.
Les participants rempliront le PHQ-9 pour l'auto-test avant d'interagir avec le chatbot (les résultats ne seront pas divulgués au public et ne seront utilisés que pour les comparaisons de précision), et les résultats de leurs auto-tests seront comparés à la Résultats donnés par le chatbot en termes de précision.
L'interaction Chatbot comprend trois phases:
Conversations d'échauffement pour la création de relations et le soutien général.
- Le chatbot lance des dialogues décontractés et empathiques pour établir des relations avec les utilisateurs, les aidant à se sentir à l'aise et à l'aise avant de passer au dépistage PHQ-9.
- Les utilisateurs peuvent poser des questions générales liées à la santé mentale, et le chatbot fournit des réponses éclairées et de soutien.
Administration du questionnaire PHQ-9 pour le dépistage de la dépression.
- Le chatbot présente le questionnaire PHQ-9, expliquant son objectif et comment les résultats aideront à évaluer la santé mentale de l'utilisateur.
- Grâce à l'interaction vocale, les utilisateurs répondent aux neuf questions PHQ-9 et le chatbot enregistre leurs réponses. Le chatbot peut clarifier les questions ou fournir un contexte supplémentaire si les utilisateurs ont du mal à comprendre des éléments spécifiques.
Analyse des résultats et la livraison des recommandations sur mesure.
- Une fois que l'utilisateur a terminé le PHQ-9, le chatbot analyse les réponses, calcule le score total et catégorise les résultats en niveaux de gravité (par exemple, doux, modéré).
- Sur la base du score, le chatbot fournit des recommandations personnalisées, telles que les stratégies d'auto-assistance pour des symptômes légers ou suggérant des services de santé mentale professionnels pour des cas plus graves.
Les participants interagiront avec le chatbot, puis participeront à un entretien semi-structuré d'une heure pour fournir des commentaires sur leur expérience. L'étude se concentre sur l'évaluation de l'acceptabilité et de la faisabilité de l'utilisation de ces chatbots basés sur LLM dans le dépistage de la santé mentale et de l'identification des améliorations et des risques potentiels.
Objectifs de l'étude Objectifs principaux
Pour évaluer l'acceptabilité, la faisabilité et la précision d'un GPT-4O et un chatbot vocal basé sur RAG (Hopebot) pour le dépistage de la dépression à l'aide de PHQ-9.
Hypothèse: Les participants ont montré une grande acceptation de l'espoir (supérieur à 65%) et une forte volonté d'utiliser un tel chatbot basé sur LLM pour le dépistage de la santé mentale à l'avenir (supérieur à 65%), indiquant la reconnaissance de la crédibilité de la LLM comme outil de soutien dans Dépistage de santé mentale (supérieur à 65%). L'utilisation des participants du Board pour le dépistage de la dépression correspondait à leurs résultats PHQ-9 à 100% de 100%
- Pour analyser l'efficacité du chatbot dans l'identification des symptômes dépressifs et la fourniture de recommandations exploitables.
Hypothèse: Hopebot peut aider les utilisateurs à passer le test PHQ-9 de manière conviviale, à aider les utilisateurs à classer avec précision les réponses et à donner des résultats de test précis, les conseils qu'ils fournissent est basé sur les directives officielles de PHQ-9 et plus de 70% de Les utilisateurs disent que leurs réponses sont très efficaces et utiles.
Objectifs secondaires
Évaluer la faisabilité et les performances de l'intégration de RAG à LLM dans la création d'un chatbot vocal interactif pour la santé mentale.
Hypothèse: Plus de 65% des participants ont reconnu que les réponses utilisant RAG étaient plus utiles et efficaces.
- Explorer les forces, les limitations et les risques de déploiement des LLM dans le domaine de la santé mentale.
Hypothèse: Plus de 65% des utilisateurs disent que Hopebot est très pratique, plus accessible et sans frais pour fournir des conseils sans jugement. Cependant, 50% ont toujours exprimé leurs préoccupations concernant sa confidentialité et sa sécurité des données.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Lieux d'étude
-
-
-
London, Royaume-Uni, NW1 2DA
- UCL Institute of Health Informatics
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La population d'étude est composée de personnes en bonne santé âgées de 18 à 65 ans qui n'ont pas de maladies mentales graves. Nous accueillons les participants qui s'intéressent aux technologies de l'intelligence artificielle. Le recrutement sera effectué en ligne et hors ligne.
Les participants s'engageront avec un chatbot d'IA sophistiqué conçu pour simuler une consultation avec un professionnel de la santé mentale. Cette interaction leur permet de terminer une évaluation psychométrique, comme le test PHQ-9, de manière structurée mais conversationnelle. Contrairement aux versions en ligne conventionnelles du test PHQ-9, le chatbot offre une interactivité améliorée. Pour les personnes qui peuvent éprouver des difficultés à articuler ou à résumer leurs réponses, le chatbot fournit des clarifications et de l'assistance en utilisant un modèle de langage complet.
Après l'évaluation, les participants recevront une interprétation de leurs résultats de test ainsi que des conseils sur mesure, livrés conformément aux directives établies de santé mentale.
La description
Critères d'inclusion:
- Adultes âgés de 18 à 65 ans.
- Couramment l'anglais.
- Accès à un appareil capable d'interaction vocale et de connexion Internet stable.
- Disposé à participer à l'interaction Chatbot et à une interview de suivi.
Critères d'exclusion:
- Diagnostics psychiatriques sévères actuels (par exemple, psychose, trouble bipolaire).
- Les participants subissant un traitement actif pour la dépression avec un psychiatre.
- Inconfort avec la technologie vocale ou l'incapacité à donner un consentement éclairé.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Faisabilité et acceptabilité du chatbot GPT-4O et Rag Voice
Délai: Les entretiens sont menés immédiatement après l'interaction du chatbot.
|
Les perceptions des participants sur la faisabilité, l'acceptabilité et l'efficacité du chatbot sont évaluées par des entretiens semi-structurés menés après la session d'interaction.
Ces entretiens explorent des thèmes tels que l'empathie du chatbot, la convivialité et l'expérience utilisateur globale.
|
Les entretiens sont menés immédiatement après l'interaction du chatbot.
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision de la notation de PHQ-9 par le chatbot
Délai: Mesuré immédiatement après la session d'interaction, une fois que le chatbot a généré des scores PHQ-9
|
La précision des scores PHQ-9 générée par le chatbot est mesurée en comparant les résultats du chatbot aux scores PHQ-9 autodéclarés des participants collectés avant l'interaction.
L'accord sera évalué à l'aide de méthodes statistiques telles que le coefficient de corrélation de Cohen ou de corrélation intraclasse (ICC).
|
Mesuré immédiatement après la session d'interaction, une fois que le chatbot a généré des scores PHQ-9
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Directeur d'études: Kezhi Li, University College, London
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Estimé)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 26133.001 (Autre identifiant: UCL Research Ethics Committee)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
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 .