Effet des interventions basées sur la perception sur l'acceptation par le public de l'utilisation des grands modèles de langage en médecine
11 décembre 2025 mis à jour par: Liu Jue, Peking University
Les Interventions Basées sur la Perception Affectent l'Acceptation Publique de l'Utilisation des Grands Modèles de Langage en Médecine : Essai Contrôlé Randomisé
Les grands modèles de langage (LLM) montrent des promesses en médecine, mais des préoccupations concernant leur exactitude, leur cohérence, leur transparence et leur éthique persistent.
À ce jour, les perceptions du public sur l'utilisation des LLM en médecine et leur rôle dans l'acceptabilité des applications de santé des LLM ne sont pas encore pleinement comprises.
Cette étude vise à étudier les perceptions du public sur l'utilisation des LLM en médecine et si les interventions sur les perceptions affectent l'acceptabilité des applications de santé des LLM.
Aperçu de l'étude
Statut
Actif, ne recrute pas
Intervention / Traitement
Description détaillée
En raison des progrès rapides de l'intelligence artificielle, les grands modèles de langage (LLM) sont de plus en plus utilisés dans divers contextes cliniques, tels que le triage, le diagnostic des maladies, la planification des traitements et l'autosurveillance.
Malgré leur potentiel, l'utilisation des LLM reste limitée dans les milieux de soins de santé en raison d'un manque de précision, de cohérence et de transparence, ainsi que de préoccupations éthiques.
Les perceptions du public, telles que l'utilité perçue et les risques, jouent un rôle crucial dans la formation de leurs attitudes envers l'intelligence artificielle, ce qui peut soit faciliter, soit entraver son adoption.
Cependant, à notre connaissance, il existe un manque de sensibilisation aux interventions basées sur les perceptions dans les soins de santé, et aucune étude antérieure n'a examiné si les perceptions du public jouent un rôle dans l'acceptabilité des applications médicales des LLM.
Par conséquent, cette étude vise à étudier les perceptions du public sur l'utilisation des LLM en médecine et à déterminer si les interventions sur les perceptions affectent l'acceptabilité des applications des LLM dans les soins de santé.
Type d'étude
Interventionnel
Inscription (Estimé)
3000
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.
Lieux d'étude
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Chine, 100191
- Jue Liu
-
-
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
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Oui
La description
Critères d'inclusion :
- ≥18 ans
- Capable de remplir un questionnaire en ligne
- Accepte de signer un formulaire de consentement éclairé
Critères d'exclusion :
- Incapable de répondre aux questions ou de communiquer
- Non disposé à participer à cette étude
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: Autre
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Seul
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Aucune intervention: Contrôler
Aucune intervention
|
|
|
Expérimental: Avantages perçus des grands modèles de langage en médecine
Les participants ont été invités à lire « En avril 2023, le Massachusetts General Hospital a lancé un programme pilote utilisant des LLM médicaux pour assister le triage aux urgences et le diagnostic initial et a observé une réduction des temps d'attente des patients et une amélioration de l'efficacité clinique. »
|
Les participants assignés au groupe d'intervention ont reçu des interventions basées sur la perception.
Les interventions pour les groupes 1 à 3 étaient respectivement les avantages perçus des LLM en médecine, les biais raciaux perçus des LLM en médecine et les conflits éthiques perçus des LLM en médecine.
|
|
Expérimental: Biais racial perçu dans les grands modèles de langage en médecine
On a demandé aux participants de lire « En novembre 2022, une équipe de recherche de l'Université de Californie à San Francisco a constaté que les modèles de langage médical de pointe présentaient des préjugés raciaux lorsqu'ils recommandaient des plans de traitement. »
|
Les participants assignés au groupe d'intervention ont reçu des interventions basées sur la perception.
Les interventions pour les groupes 1 à 3 étaient respectivement les avantages perçus des LLM en médecine, les biais raciaux perçus des LLM en médecine et les conflits éthiques perçus des LLM en médecine.
|
|
Expérimental: Conflits éthiques perçus dans les grands modèles de langage en médecine
Les participants devaient lire « En février 2023, un important réseau hospitalier européen a divulgué par inadvertance des données de patients partiellement anonymisées mais toujours sensibles lors de tests de LLM médicaux en raison d'une erreur de configuration système.
Bien qu'aucun préjudice direct n'ait été causé aux patients, cela a accru les préoccupations du public concernant la confidentialité et la sécurité des données et a contraint les institutions concernées à procéder à des examens urgents de leurs mesures de protection des données. »
|
Les participants assignés au groupe d'intervention ont reçu des interventions basées sur la perception.
Les interventions pour les groupes 1 à 3 étaient respectivement les avantages perçus des LLM en médecine, les biais raciaux perçus des LLM en médecine et les conflits éthiques perçus des LLM en médecine.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Nombre de participants qui modifieront leurs attitudes envers les applications médicales des grands modèles de langage
Délai: Jusqu'à la fin de l'étude, en moyenne 1 an
|
L'acceptation publique de l'application des grands modèles de langage à la médecine sera catégorisée en oui, pas sûr et non, qui sera collectée avant les interventions basées sur la perception et après les interventions.
|
Jusqu'à la fin de l'étude, en moyenne 1 an
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Jue Liu, Peking University
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)
25 novembre 2025
Achèvement primaire (Estimé)
31 octobre 2026
Achèvement de l'étude (Estimé)
31 décembre 2026
Dates d'inscription aux études
Première soumission
1 décembre 2025
Première soumission répondant aux critères de contrôle qualité
11 décembre 2025
Première publication (Réel)
26 décembre 2025
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
26 décembre 2025
Dernière mise à jour soumise répondant aux critères de contrôle qualité
11 décembre 2025
Dernière vérification
1 décembre 2025
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- NNSF72474005
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 .