Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Orvosi érvelés a nagy nyelvű modellekkel kapcsolatos diagnosztikai esetekről

2024. február 15. frissítette: Jonathan Chen, Stanford University

Diagnosztikai érvelés nagy nyelvű modell chat-botokkal

Ez a tanulmány a GPT-4-hez, egy nagy nyelvi modellhez való hozzáférésnek a hagyományos diagnosztikai döntéstámogató eszközökkel összehasonlítva hatását értékeli az esetalapú diagnosztikai érvelési feladatok teljesítményére.

A tanulmány áttekintése

Állapot

Befejezve

Körülmények

Beavatkozás / kezelés

Részletes leírás

A mesterséges intelligencia (AI) technológiák, különösen a fejlett nagy nyelvi modellek, mint például az OpenAI ChatGPT, képesek javítani az orvosi döntéshozatalban. Bár a ChatGPT-4-et nem az orvosi specifikus alkalmazásokban való felhasználásra fejlesztették ki, ígéretesnek bizonyult különféle egészségügyi kontextusokban, beleértve az orvosi feljegyzések írását, a betegek megkereséseinek kezelését és az orvosi konzultáció megkönnyítését. Azonban keveset tudunk arról, hogy a ChatGPT miként növeli a klinikusok klinikai gondolkodási képességeit.

A klinikai érvelés egy összetett folyamat, amely magában foglalja a mintafelismerést, a tudás alkalmazását és a valószínűségi érvelést. A mesterséges intelligencia eszközök, például a ChatGPT-4 integrálása az orvosi munkafolyamatokba potenciálisan csökkentheti a klinikusok munkaterhét, és csökkentheti a kihagyott diagnózisok valószínűségét. A ChatGPT-4-et azonban nem klinikai érvelés céljából fejlesztették ki, és nem is validálták erre a célra. Ezenkívül dezinformációnak is kitéve lehet, beleértve a meggyőző konfabulációkat, amelyek félrevezethetik a klinikusokat. Ha a klinikusok visszaélnek ezzel az eszközzel, előfordulhat, hogy nem javítja a diagnosztikai érvelést, és akár kárt is okozhat. Ezért fontos megvizsgálni, hogy a klinikusok hogyan használnak nagy nyelvi modelleket a klinikai érvelés bővítésére, mielőtt rutinszerűen beépítenék a betegellátásba.

Ebben a tanulmányban véletlenszerűen választjuk ki a résztvevőket, hogy válaszoljanak a diagnosztikai esetekre ChatGPT-4 hozzáféréssel vagy anélkül. A résztvevőket arra kérik, hogy minden esetben adjanak meg három differenciáldiagnózist, mindegyik diagnózishoz alátámasztó és ellentétes megállapításokkal. Ezenkívül felkérik őket, hogy adják meg a legfontosabb diagnózisukat a következő diagnosztikai lépésekkel együtt. A válaszokat független bírálók értékelik, akik elvakultak a kezelési feladattól.

Tanulmány típusa

Beavatkozó

Beiratkozás (Tényleges)

50

Fázis

  • Nem alkalmazható

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

    • California
      • Palo Alto, California, Egyesült Államok, 94304
        • Stanford University

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Gyermek
  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Igen

Leírás

Bevételi kritériumok:

  • A résztvevőknek engedéllyel rendelkező orvosoknak kell lenniük, és legalább 2. évfolyamot (PGY2) kell elvégezniük.
  • Belgyógyászati, családorvosi vagy sürgősségi orvosi képzés.

Kizárási kritériumok:

  • Jelenleg nem praktizál klinikailag.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

  • Elsődleges cél: Diagnosztikai
  • Kiosztás: Véletlenszerűsített
  • Beavatkozó modell: Párhuzamos hozzárendelés
  • Maszkolás: Egyetlen

Fegyverek és beavatkozások

Résztvevő csoport / kar
Beavatkozás / kezelés
Aktív összehasonlító: GPT-4
A csoport hozzáférést kap a GPT-4-hez.
Az OpenAI GPT-4 nagy nyelvi modellje chat felülettel.
Nincs beavatkozás: Szokásos források
A csoport nem kap hozzáférést a GPT-4-hez, de arra ösztönzik őket, hogy a nagy nyelvi modelleken kívül bármilyen erőforrást használjanak (UpToDate, Dynamed, google stb.).

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Diagnosztikai érvelés
Időkeret: Az értékelés során
Az elsődleges eredmény minden esetben a helyes százalék lesz (tartomány: 0-100). Minden esetben a résztvevőktől három legfontosabb diagnózist és az esetből származó leletet kérnek, amelyek alátámasztják a diagnózist, és ellenzik ezt a diagnózist. A résztvevők minden elfogadható diagnózisért 1 pontot kapnak. A diagnózist alátámasztó és a diagnózissal ellentétes megállapításokat is helyesség alapján értékeljük, a részben helyes válaszokért 1, a teljesen helyes válaszokért 2 pont jár. A résztvevőket ezután felkérik, hogy nevezzék meg legjobb diagnózisukat, és egy pontot kapnak az ésszerű válaszért, és két pontot a leghelyesebb válaszért. Végül a résztvevőket megkérjük, hogy nevezzenek meg legfeljebb 3 következő lépést, hogy tovább értékeljék a pácienst, egy ponttal a részlegesen helyes válaszért, és két ponttal a teljesen helyes válaszért. Az elsődleges eredményt eseti szinten hasonlítják össze a randomizált csoportok.
Az értékelés során

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A diagnózisra fordított idő
Időkeret: Az értékelés során
Összehasonlítjuk, hogy a résztvevők esetenként mennyi időt (percekben) töltenek a két vizsgálati kar között.
Az értékelés során

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

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

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2023. november 29.

Elsődleges befejezés (Tényleges)

2023. december 30.

A tanulmány befejezése (Tényleges)

2023. december 30.

Tanulmányi regisztráció dátumai

Először benyújtva

2023. november 27.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2023. november 27.

Első közzététel (Tényleges)

2023. december 6.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2024. február 20.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. február 15.

Utolsó ellenőrzés

2024. február 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • 71319

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel