A mesterséges intelligencia elfogadhatósága a prosztata rák diagnosztizálásában (AccAI)
A mesterséges intelligencia elfogadhatóságának megértése, mint az egészségügyi szolgáltatók támogatásának a prosztata rák diagnosztizálásában - a gondozásának középpontjában álló beteg
Ez a tanulmány a mesterséges intelligencia (AI) mint diagnosztikai támogató eszköz elfogadhatóságát vizsgálja a lokalizált prosztatarákban és egészségügyi szolgáltatókban szenvedő betegek körében, valamint hajlandóságuk az egészségügyi adatok megosztására az AI fejlődéshez.
A háttér AI -eszközök az egészségügyi ellátásban ígéretes potenciált mutatnak, különös tekintettel a diagnózis pontosságának javítására és a kezelés személyre szabására. A sikeres megvalósítás azonban nemcsak a műszaki teljesítménytől, hanem az AI elfogadhatóságától is függ a felhasználók és a szakemberek körében. A korábbi kutatások változatos elfogadhatóságot mutattak a kontextustól, a betegség súlyosságától, az AI által elvégzett feladattól és a felhasználói populációtól függően.
A célok felmérik a betegek AI elfogadhatóságát a prosztata rák diagnosztikai támogatásának.
Fedezze fel a betegek hajlandóságát az egészségügyi adatok megosztására a klinikai AI kialakulására.
Értékelje az egészségügyi szolgáltatók AI elfogadhatóságát ebben a diagnosztikai környezetben.
Módszertan kialakítása: keresztmetszeti, vegyes módszer, multinacionális vizsgálat (Belgium, Olaszország, Spanyolország).
Kvantitatív fázis: Online kérdőív, adaptált elméleti keretek felhasználásával (Értékérzékelési modell, NASSS-AI, TFA).
Minőségi fázis: A kvantitatív eredmények alapján fog követni.
Résztvevők: A lokalizált prosztatarákban diagnosztizált felnőttek. A toborzás kórházak, közösségi média és betegszövetségek útján.
Összegyűjtött adatok: Személyes és egészségügyi információk, AI -hozzáállás, az adatok megosztásának hajlandósága.
Az etikai bizottságok által jóváhagyott etika minden részt vevő országban.
A részvétel előtt digitálisan kapott tájékozott hozzájárulás.
Az adatok anonimizáltak és a GDPR-kompatibilisek.
A tanulmány áttekintése
Részletes leírás
1. BEVEZETÉS 1.1. A mesterséges intelligencia elfogadhatósága 1.1.1. A mesterséges intelligencia az egészségügyi egészségügyi szakemberek területén számos növekvő és egyre összetettebb kihívással néz szembe. Az egészségügyi problémák jellege változik, a munkaterhelések növekednek, ami nehezebb gondozáshoz vezet, és a tudás folyamatos frissítését is igényli. Ugyanakkor a mesterséges intelligencia (AI) eszközök megvalósítása az egészségügyi ellátásban felrobban, és fényes lehetőséget kínál a fejlődő orvosi ágazat igényeinek kielégítésére.
Számos tanulmány feltárta a klinikai AI megvalósíthatóságát, többek között az AI rendszerek műszaki teljesítményének értékelésével. Az AI fejlődés technikai jellege azonban nem az egyetlen kihívás, amely a klinikai AI megvalósításával szembesül. Valójában a tanulmányok kimutatták, hogy a klinikai AI egészségügyi szakemberek és a betegek elfogadhatósága befolyásolja az AI hatékony alkalmazását ezek a felhasználók által. Ennek a paraméternek a figyelmen kívül hagyása erőforrások pazarlásához vezethet, ha nem használja ki a rendelkezésre álló AI rendszereket.
A klinikai AI elfogadhatóságát a betegek és az egészségügyi szakemberek számára különféle kontextusokban vizsgálták, de a legtöbb tanulmány általában az AI elfogadhatóságát érinti általában. Ezt a témát már szisztematikusan összefoglalták, és az AI jó elfogadhatóságának többségében mutatják be. Másrészt a meghatározott egészségügyi összefüggésekben végzett tanulmányok ritkábbak, és az AI elfogadhatósága ezekben a kontextusokban nem határozható meg az AI elfogadhatóságának egyszerű extrapolálásával az egészségügyi ellátásban. Valójában az AI elfogadhatósága a kontextustól függ (betegség diagnosztizálásának, a betegség súlyossága, az AI döntésének következményei, a döntéshozatal összetettsége), valamint az AI által elvégzett feladatok (diagnózis, kezelés megválasztása, prognózis). Ezenkívül az AI elfogadhatósági tényezők a vizsgált populációtól függően különböznek (betegek, egészségügyi szakemberek, kutatók és egészségügyi vezetők) az igények, preferenciák és a használat kontextusának különbségei miatt. Ezért fontos az AI elfogadhatóságának tanulmányozása a pontos kontextusban, amelyre a tanulmány utal.
1.1.2. Az AI elfogadhatósága a prosztatarák diagnosztikai folyamatában Az AI eszközök megvalósítása a prosztata rák diagnosztizálásában (PCA) javítja az orvosi képekből származó információkat és a prediktív modellek létrehozását. Ez jelentős előrelépést jelent a PCA diagnosztizálásának optimalizálásában és agresszivitásának előrejelzésében, azzal a végső céllal, hogy a kezelést a daganat biológiai tulajdonságaihoz való alkalmazkodással személyre szabja. Ez elősegíti a prosztata biopsziák szükségességének csökkentését, ezáltal növelve az egyének megfelelését, és arra ösztönzi őket, hogy teszteljenek a tünetek megjelenése előtt. Ezenkívül a PCA korai felismerése drasztikusan javítja a kezelési sikerességi arányt.
Tekintettel arra, hogy az AI megvalósítását a PCA -diagnosztikai folyamatban valósítják meg, elengedhetetlen a végrehajtás elfogadhatóságának tanulmányozása a betegek és az egészségügyi szakemberek számára, akik az AI végső felhasználói a PCA kontextusában, valamint a megvalósítás feltételeit. Bár egyes tanulmányok megvizsgálták ezt az elfogadhatóságot, az ezen a területen végzett kutatások továbbra is korlátozottak, és további vizsgálatot igényelnek.
Egy nemrégiben készült tanulmány kiértékelte a betegek bizalmát az AI -ben és az AI -re támaszkodó urológusok felfogásának. Ez a tanulmány kimutatta, hogy a betegek jobban bíztak abban, hogy az orvosok képesek -e megfelelő diagnózist megtenni, megvizsgálni a legfrissebb kutatásokat, a diagnózis kommunikációjának individualizálására és az információk érthető módon történő elmagyarázására az AI -hez képest. A betegek kijelentették, hogy nagyobb bizalommal bírnak az AI által az orvos által irányított diagnózisban, szemben az AI által, amelyet nem az orvos irányított.
Egy második tanulmány feltárta a férfiak félelmeit és elvárásait az AI diagnosztizálásával és kezeléssel a PCA összefüggésében, a résztvevők által elképzelt AI három reprezentációján keresztül. A három képzeletbeli ábrázolás az AI volt, mint az egészségügyi szolgáltatók, az AI mint egy fejlett gép és az AI entitás, amely helyettesíti az egészségügyi szolgáltatókat. Az utolsó képzeletbeli a legrosszabb eset a résztvevők számára. Az összes képzeletben a résztvevők pozitív fényben látták az AI -t, de minél inkább az AI helybe került az orvos helyett, annál több résztvevő látta az AI -t negatív fényben.
1.1.3. Az elfogadhatóság fogalma A klinikai AI elfogadhatóságának fogalma nem határozott meg. Még akkor is, ha a keretek léteznek, hogy megmagyarázzák és megjósolják az egyének viselkedési szándékát a technológiai innováció használatára és elfogadására, ezek a modellek vagy nem alkalmazkodnak az egészségügyi környezethez; Vagy figyelembe véve az AI -t ugyanúgy, mint a digitális egészségügyi technológiák. Alapvető fontosságú azonban figyelembe venni az egészségügyi környezet és az AI összetettségét, összehasonlítva a digitális technológiákkal, amelyek egyszerűsebb módon működnek, mint az AI. Ezért a klinikai AI elfogadhatóságának fogalmának jobb meghatározása szükséges. Egyes tanulmányok módosították a meglévő technológiai elfogadási kereteket a fenti korlátozások, például a következő keretek, például a következő keretek figyelembevétele érdekében.
Az első keret statisztikailag modellezi az AI-alapú klinikai döntés-támogató eszközök beteg elfogadását. Ennek a modellnek a szerzői kiterjesztették a technológiai elfogadás elméleti keretét, amely magában foglalja az érték észlelését (VAM), adaptálva azokat az egészségügyi ágazathoz. Ez a keret értékeli az AI-alapú klinikai döntéshozatali eszközök észlelt kockázatait és előnyeit, hogy mérik azok elfogadhatóságát. Ennek a modellnek a szerzői azt sugallják, hogy a jövőbeni tanulmányoknak további tényezőket kell hozzáadniuk a modellhez, ideértve a társadalmi befolyást is, amelyet másoknak alkalmaznak az elfogadás elméletének elméleti kereteiben, hogy növeljék felfedező erejét (ennek a modellnek az R2 -je 0,80). Ezenkívül a szerzők kijelentik, hogy a nemek, a háztartások éves jövedelme, az oktatási szint, a foglalkoztatás, az AI technológiával kapcsolatos műszaki ismeretek és az AI-alapú szolgáltatás ismerete jelentős hatással volt az AI-alapú klinikai döntés-támogató eszközök használatára.
Másodszor, a Lancet -i nemrégiben végzett tanulmány szisztematikusan összefoglalta az AI diagnosztikai célokra történő elfogadásáról szóló kvalitatív vizsgálatokat (betegek, klinikusok, kutatók és egészségügyi vezetők). A szerzők kibővítették a meglévő NASSS -keretet annak érdekében, hogy új modellt hozzanak létre, amelyet az AI diagnosztikához adaptáltak; A NASSS-AI keret. Ez az új keret hat területen, húsz aldoménben és negyvenhárom témában van felépítve, és csoportosítja azokat az elemeket, amelyeket az ebben a felülvizsgálatban szereplő tanulmányok gyakran tárgyalnak.
Számos olyan tényezőt, amelyek nem szerepelnek a fent említett különféle elméleti modellekben, más vizsgálatokkal azonosították olyan tényezőket, amelyek befolyásolják a klinikai AI betegek elfogadhatóságát. Ezek a tényezők voltak az életkor, a hasonló eszközök korábbi kitettsége, a földrajzi elhelyezkedés, a diagnosztizált betegség, a betegség súlyosságának és az egészségügyi rendszerbe vetett bizalom.
Ezenkívül egy szisztematikus áttekintés megvizsgálta, hogy az AI -vel kapcsolatos információkat hogyan nyújtották a résztvevőknek a betegek AI elfogadhatóságának értékelésének értékelése során. Ez a szisztematikus áttekintés azt jelzi, hogy a legtöbb tanulmány a vizsgálatuk korlátozásának korlátozásával összefüggésben hivatkozik az AI korlátozott tudásával. Ezenkívül számos tanulmány szerint a vizsgálat kezdetén a betegeknek nyújtott információk típusa befolyásolja az eredményeket. Következésképpen egy "beavatkozási koherencia" tényezőt adunk a kutatási keretünkhöz. Ez a tényező integrálódik az elfogadhatóság elméleti keretébe (TFA), amely az egészségügyi beavatkozások elfogadhatóságát vizsgálja.
1.2. Data Altruism - Az adatokkal ellátott adatok altruizmust úgy értik, mint a személyes és nem személyes adatok önkéntes szolgáltatása, az adattartók hozzájárulása vagy a természetes és jogi személyek engedélye alapján, a jutalom megkeresése és az általános érdekű célok elérése nélkül.
A klinikai AI kifejlesztése nagy mennyiségű egészségügyi adat felhasználását igényli. Ezen adatok felhasználása elkerülhetetlen, mivel lehetővé teszi az eszközök előrehaladását és fejlődését. Mint fentebb kifejtettük, a klinikai AI -t a betegeknek és az egészségügyi szolgáltatóknak kell elfogadniuk, de a beteg adatainak is táplálnia kell. Ezért beleegyezik abba, hogy megadják az egészségügyi adataikat.
Noha a betegek hajlandóságát a személyes egészségügyi adatok szolgáltatására széles körben tanulmányozták a másodlagos felhasználásokkal összefüggésben (a klinikai, közegészségügyi kutatás, az epidemiológia stb. Adatok megosztása), különösen az AI összefüggésében nem vizsgálták jól. Egyes tanulmányok egy egyszerű kérdéssel értékelik az egészségügyi adatok szolgáltatásának hajlandóságát. A bőrrák diagnosztikai AI-ról szóló tanulmány azt mutatja, hogy a válaszadók 88% -a anonim módon elérhetővé tenné egészségügyi adatait az AI-alapú orvosi alkalmazás fejlesztésére.
Egy kísérleti tanulmány feltárta a betegek perspektíváit az AI általános gyakorlati fejlesztésének céljából. A tanulmány résztvevői úgy érezték, hogy az AI általános gyakorlati fejlesztése olyan cél, amelyre hajlandóak voltak megadni adataikat. Azt mondták, hogy segíteni akarnak a betegség kezelésében, és adataik megadásával segíteni akarnak a betegség kezelésében (GP). Az adataik megadására való hajlandóság attól függ, hogy milyen bizalmi kapcsolatot tartottak a háziorvosukkal.
1.2.1. Az irodalomban az irodalomban meghatározták az a hajlandóság, hogy az egészségügyi adatok nem érvényesítették a betegek hajlandóságát, hogy egészségügyi adataikat másodlagos felhasználásra vagy AI fejlesztési célokra biztosítsák. Egy nemrégiben készült szisztematikus áttekintés arra a következtetésre jutott, hogy nincs érvényesített mérési eszköz ennek a hajlandóságnak a meghatározására.
Egy tanulmány kidolgozta a betegek hajlandóságának fogalmi modelljét kutatási célokra. Ez a keret a validált érték -észlelési kereten alapul, amely értékeli az adatszolgáltatás észlelt előnyeit és kockázatait. A szerzők ehhez a kerethez számos olyan tényezőt adtak hozzá, amelyek a kutatási célokra előírt adatokra jellemzőek, például a végső felhasználók típusa, az összegyűjtött adatok típusa, a kontextus stb. Ezeket a tényezőket az egészségügyi adatok szolgáltatásának feltételeként lehet megérteni.
2. Célkitűzések A tanulmány célja az AI és annak állapotának elfogadhatóságának jobb megértése a prosztata rákos és egészségügyi szolgáltatókkal rendelkező emberek által a prosztata rák diagnózisának és az AI -nek az egészségügyi szolgáltatók támogatásának összefüggésében. Ennek a tanulmánynak az is célja, hogy jobban megértse az emberek hajlandóságát egészségügyi adataikat a klinikai AI fejlesztéshez és az e hajlandóság körülményeit.
Ennek a tanulmánynak a célja:
1. Határozza meg a prosztata rákban szenvedő emberek elfogadhatóságát az AI végrehajtása szempontjából, mint az egészségügyi szolgáltatók támogatását a prosztata rák diagnosztizálásában, és vizsgálja meg a végrehajtás feltételeit.
2. Határozza meg az emberek hajlandóságát, hogy egészségügyi adataikat biztosítsák a klinikai AI kidolgozásához, és feltárják ennek a hajlandóságnak a feltételeit.
3. Határozza meg az egészségügyi szolgáltatók elfogadhatóságát az AI megvalósításával kapcsolatban, mint támogatást a prosztata rák diagnosztizálásában, és vizsgálja meg a végrehajtás feltételeit.
3. Módszerek 3.1. A vizsgálati és kutatási folyamat típusa A vizsgálat egy keresztmetszeti megfigyelési, vegyes módszer, szekvenciális vizsgálat, amely egy kezdeti kvantitatív fázist tartalmaz, amely egy második kvalitatív fázisba kerül. A tanulmány multinacionális, toborzó résztvevők Belgiumból, Olaszországból és Spanyolországból.
Minden ország benyújtja a protokollt az etikai bizottságához, ha erre szükség van. A tanulmány tervezését az 1. ábra mutatja be. Ez a protokoll a kvantitatív fázisra vonatkozik. A kvalitatív szakaszra vonatkozó protokollt később az Etikai Bizottsághoz benyújtják, mivel a kvantitatív fázisú kérdőív elemzése szükséges a kvalitatív szakasz kidolgozásához.
1. ábra: Vizsgálati terv 3.2. A kvantitatív második fázisú keretek kereteit használják, amelyek megfelelnek az ebben a szakaszban a két célkitűzésnek (határozza meg a prosztata rákban szenvedő emberek elfogadhatóságát az AI végrehajtásában az egészségügyi szolgáltatók támogatásának a prosztata rák diagnosztizálásában, és meghatározza az emberek hajlandóságát, hogy egészségügyi adataikat biztosítsák a klinikai AI klinikai fejlesztése érdekében).
Annak meghatározására, hogy a prosztatarákban szenvedő emberek elfogadhatóságát az AI végrehajtása szempontjából az egészségügyi szolgáltatóknak a prosztatarák diagnosztizálásában való támogatásként valósítható meg, egy keretet hoztak létre a korábban bemutatott meglévő keretek alapján (az értékek, a NASSS-AI és a TFA észlelése alapján). Az értékek észlelésén alapuló keretet használták az észlelt előnyökkel szembeni kockázatok mérésének alapjául. A szerzők javasolták a társadalmi befolyást ehhez a modellhez. A NASSS-AI és a korábban idézett keret ihlette a "feltételeket" tényezőt és annak aldimenziókat is, ihlette. A "beavatkozási koherencia" tényezőt hozzáadtuk, a TFA -val összhangban.
A prosztatarákban szenvedő emberek elfogadhatóságának vizsgálatára szolgáló végső keretet az AI végrehajtásának, mint az egészségügyi szolgáltatóknak a prosztatarák diagnosztizálásában való támogatásként való elfogadhatóságát vizsgálják.
2. ábra: A prosztatarákban szenvedő emberek elfogadhatóságának elméleti modellje az AI -t, mint az egészségügyi szolgáltatók támogatását a prosztata rák diagnosztizálásában.
Annak meghatározására, hogy az emberek hajlandóak -e egészségügyi adataikat az AI fejlesztési célokra megadni, keretet hoztak létre a meglévő keret alapján, amely az érték -felfogáson alapul, amely kiegyensúlyozza az észlelt kockázatokat és az észlelt előnyöket. "Feltételek" tényezőt adtak hozzá ennek a hajlandóságnak a feltárására. A 3. ábrán bemutatjuk az emberek hajlandóságának tanulmányozására, hogy az emberek hajlandóak -e egészségügyi adataikat biztosítani a klinikai AI kidolgozásához.
3. ábra: Az emberek hajlandóságának elméleti modellje, hogy egészségügyi adataikat biztosítsák a klinikai AI kidolgozásához.
3.3. A kvantitatív fázis populációjellemzői A vizsgálati populáció lokalizált prosztatarákban szenved.
A befogadási kritériumokat az alábbiak szerint határozzuk meg:
• 18 év alatt;
• lokalizált prosztatarák diagnosztizálásával;
• hozzájárulás a tanulmányhoz.
A kizárási kritériumokat az alábbiak szerint határozzuk meg:
• nem beszél franciául;
• metasztatikus rák diagnosztizálása a kezdetektől;
• Természetesen beteg;
• Az emberek mentális retardációban, demenciában vagy megváltozott tudatállapotban szenvednek.
3.4. A kvantitatív fázis mintája A választott mintavételi módszer önkéntes mintavétel. Bármely egyén, aki teljesíti a befogadási kritériumokat, és nem teljesíti a kizárási kritériumokat, dönthet úgy, hogy részt vesz a tanulmányban, amely magában foglalja az önálló online kérdőív kitöltését.
A kérdőívet a következő csatornákon keresztül terjesztik:
• Poszter és szórólapok kampánya az Elipse hálózat urológiai osztályain. A plakátok és a szórólapok megjelenítik a kérdőív link és QR kódját. A tanulmány E. Koshmanova társvizsgálója az Elipse-hálózat egy vagy több kórházában elérhető lesz, hogy segítséget nyújtson a kérdőívhez való hozzáféréshez, anélkül, hogy beavatkozna a befejezési folyamatba. Ezenkívül rendelkezésre áll egy laptop vagy tabletta azoknak a résztvevőknek, akik részt vesznek a tanulmányban, de nincsenek a szükséges felszereléssel.
• A kérdőív link és QR -kódjának terjesztése a plakáttervezésen keresztül fotóformátumban a közösségi médiában.
• A link és a QR -kód elosztása a plakát tervezésén keresztül fotó formátumban, vagy sem a betegszövetségeken keresztül. Ezek az egyesületek megosztják ezeket hálózatukon vagy levelezőlistáikon keresztül. Az egyesületek a posztert és/vagy a szórólapokat is megjeleníthetik a létesítményeikben, ha relevánsnak tekintik.
Nem végeztünk minta méret kiszámítását, mivel a vizsgálati korlátozásokhoz országonként legalább 50 résztvevő és országonként legfeljebb 100 résztvevő beépítésére van szükség.
A kérdőívhez való hozzáféréshez az emberek használják a kérdőív linket, vagy beolvassák a QR -kódot. Nincs szükség fiók létrehozására. A link használata vagy a QR -kód beolvasása után az első dolog, amely megjelenik, a kérdőív honlapja, amelyen a résztvevőket felkérik, hogy olvassa el az információkat és a hozzájárulási űrlapot, majd hozzájáruljon a tanulmányhoz. Az információs és hozzájárulási űrlapban meghatározzák, hogy a hozzájárulást nem közvetlenül az információk és a hozzájárulási űrlapon gyűjtik, hanem a kérdőív első részén (a tájékozott hozzájárulási űrlap továbbítása). Ez blokkolja a kérdőív többi részéhez való hozzáférést azoknak az embereknek, akik nem járulnak hozzá a tanulmányhoz, azaz azok, akik nem jelölik be az összes nyilatkozatot.
Ha a résztvevők megadják hozzájárulásukat, akkor a kérdőív elérhető lesz, és a résztvevőket felkérik, hogy erősítsék meg, hogy megfelelnek -e a tanulmány befogadási kritériumainak, és nem teljesítik a tanulmány kizárási kritériumait. Ha nem erősítik meg ezeket az elemeket, akkor a kérdőív megszűnik. Ha megerősítik ezeket az elemeket, akkor a kérdőív megkezdődik.
Tekintettel arra, hogy a rendeletek lehetővé teszik a résztvevők számára, hogy bármikor kivonják hozzájárulásukat a tanulmányból, egyedi kódot rendeznek hozzájuk. Ezt a kódot az egyes résztvevők kialakítják ezzel az azonosító kulcsmal: A vezetéknév első betűje + a vezetéknév utolsó betűje + az első név első betűje + születési éveik két utolsó számjegye.
Az online forma végén a résztvevők lehetősége van arra, hogy kattintanak egy linkre, ha részt akarnak venni a tanulmány második szakaszában (kvalitatív szakaszában). Ez a link egy második online kérdőívbe viszi őket, hogy kapcsolatba lépjen a kapcsolattartási adataikra. A második kérdőív nem kapcsolódik az elsőhez. A kapcsolattartási adatokkal kapcsolatba léphetnek az egyénekkel, hogy részt vegyenek a tanulmány második szakaszában, és ez csak az etikai bizottság jóváhagyása után a tanulmány második szakaszában (kvalitatív szakasz).
Abban az esetben, ha a résztvevők toborzása egy papíralapú megközelítés révén hatékonyabbnak bizonyul, a kérdőív papír verzióját használják az online verzióval. Ilyen esetekben a résztvevőket felkérik, hogy töltsék ki a papír kérdőívet, és írják alá a tájékozott hozzájárulási űrlap papír verzióját a részvétel előtt. A kérdőívet ebben az esetben a kutatócsoport online kódolja a RedCap -on.
Minden résztvevőnek lehetősége van kérdéseket feltenni a társvizsgálónak (E. Koshmanova) bármikor. Kapcsolattartási adatait az információk és a hozzájárulási űrlap tartalmazza, valamint a kérdőív elején.
3.5. Vizsgálta a kvantitatív fázis paramétereit
Számos paramétert gyűjtünk az első online kérdőív segítségével:
• Az egyénekkel kapcsolatos információk: életkor, észlelt jövedelem, foglalkoztatás, oktatás, észlelt egészségi állapot, lakóhely országa, a prosztata rák súlyosságának (milyen régen volt a diagnózis, kezelni kell -e), korábbi ápolási tapasztalatok, hasonló eszközök korábbi kitettsége, az egészségügyi ellátás gyakoriságának gyakorisága, az egészségügyi rendszerekbe vetett bizalom.
• Információ az emberek képességeiről: Egészségügyi írástudás, e-egészségügyi írástudás, az AI technológia észlelt műszaki ismerete, az AI-alapú szolgáltatás ismerete.
• Az AI prosztatarákban szenvedő emberek elfogadhatóságával kapcsolatos kérdések az egészségügyi szolgáltatók támogatásának a prosztata rák diagnosztizálásában való támogatásként.
• A prosztatarákban szenvedő emberek hajlandóságával kapcsolatos kérdések, amelyek egészségügyi adataikat a klinikai AI kialakításához nyújtják.
Számos adatot gyűjtünk a második online kérdőív segítségével:
• Első és vezetéknév;
• telefonszám;
• A lakóhely országa;
• Postakód.
Ez a kérdőív független az elsőtől. 3.6. A kvantitatív fázisú online kérdőívek adatgyűjtő eszközét a RedCap platformon osztják meg a résztvevők. 3.6.1. 1. kérdőív: Az online kérdőív célja, hogy felmérje mind a prosztata rákos emberek elfogadhatóságát az AI végrehajtása szempontjából, mint az egészségügyi szolgáltatók támogatását a prosztata rák diagnosztizálásában, és hajlandóak egészségügyi adataikat a klinikai AI kidolgozásának céljából nyújtani. A kérdőív bizonyos emberek jellemzőiről is felteszi a kérdést, amint azt a 3.5. Pontban említik. A kérdőívet annak magyarázata vezeti be, hogy az AI hogyan vesz részt a gondozásban a tanulmány összefüggésében.
A kérdőív két kérdőívre épül. Először az értékek észlelésén alapuló kérdőívet használták. Másodszor, inspirációként használták a keretrendszerhez kapcsolódó kérdőívet, amely tanulmányozta az egészségügyi adatok kutatási célokra történő szolgáltatásának hajlandóságát (19).
3.6.2. 2. kérdőív: Ennek a kérdőívnek a célja, hogy kapcsolatba lépjen a résztvevőkkel, akik a tanulmány második szakaszában akarnak részt venni (kvalitatív szakasz).
3.7. Naptár 1. ábra: Gantt diagram. 4. A kvantitatív szakasz etikai aggodalmai A tanulmány nem jelent kockázatot vagy hátrányt a résztvevők számára. A szokásos klinikai kezelésükben nincs szükség változásra. Az egészségügyi személyzetnek nem kerülnek közzétett információk.
A felméréseket a RedCAP platformon kell kifejleszteni, amely egy szoftvercsomag, amelyet a tanulmányok általános kezelésére terveztek, és amely megfelel az egészségügyi tanulmányi gazdaszervezetekre vonatkozó szabályozási követelményeknek, és a Chul klinikai vizsgálati központja (CTC) felügyeli.
A résztvevők kitöltik az információt és a hozzájárulási űrlapot (elektronikus változat), mielőtt ténylegesen részt vesznek a tanulmányban. A résztvevők visszavonhatják hozzájárulásukat a fő nyomozótól (D. Waltregny) bármikor.
Az összes összegyűjtött adatot álnévvel kell elnevezni egy egyedi kóddal, amelyet minden résztvevőnek hozzárendelnek. Ezt a kódot a résztvevők alakítják ki ezzel az azonosító kulcsmal: A vezetéknév első betűje + a vezetéknév utolsó betűje + az első név első betűje + születési éveik két utolsó számjegye.
Ezenkívül a kapcsolattartási adatokat összegyűjtik, feldolgozzák és tárolják az általános adatvédelmi rendelet (GDPR) szerint.
A tanulmány csak az etikai bizottság jóváhagyása után kezdődik.
Tanulmány típusa
Beiratkozás (Tényleges)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
Liège, Belgium
- CHU Liège
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Leírás
Befogadási kritériumok:
- 18 év alatt;
- a lokalizált prosztatarák diagnosztizálásával;
- hozzájárulás a tanulmányhoz.
Kizárási kritériumok:
- nem beszél franciául;
- metasztatikus rákkal diagnosztizálták a kezdetektől;
- véglegesen beteg;
- Az emberek mentális retardációban, demenciában vagy megváltozott tudatállapotban szenvednek.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Egészségügyi szolgáltatások kutatása
- Kiosztás: N/A
- Beavatkozó modell: Egyetlen csoportos hozzárendelés
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Kísérleti: Kérdőív
Ez egy online kérdőív, amelyet a betegek önmagukban vagy a válaszadó személy segítségével copmlete
|
Ez egy online kérdőív, amelyet a betegek kitöltenek
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Az AI használatának észlelt előnyei a prosztata rák diagnosztizálásában
Időkeret: Alapvonal
|
Ezek rejtett intézkedések, és több kérdésben fogják értékelni:
|
Alapvonal
|
|
Az AI használatának észlelt kockázata a prosztatarák diagnózisában
Időkeret: Alapvonal
|
Kockázatok, méretarányú "nagyon alacsony", "alacsony", "kissé alacsony", "mérsékelt", "kissé magas", "magas", "nagyon magas".
A kérdések túl hosszúak ahhoz, hogy ide tegyenek, de hozzáférnek az AI -nek a prosztata rák diagnosztizálásában és kezelésében történő felhasználásának kitűnő kockázataihoz.
A „nagyon magas” kockázatot a legrosszabbnak tekintik.
|
Alapvonal
|
|
Az AI használatának szándéka
Időkeret: Alapvonal
|
Kérdés: Szeretne mesterséges intelligencia-alapú eszközöket használni a prosztatarák diagnózisának kezelésére.
Válaszok - Igen, bizonytalan beaCause és nem; Akkor aggályok merülnek fel, ha „nem” vagy „igen” válaszolnak, és ezeket az aggályokat 0 és 10 között értékelik; 10 a legnagyobb aggodalom.
|
Alapvonal
|
|
Hajlandó megosztani a személyes adatokat
Időkeret: Alapvonal
|
Kérdés: hajlandó megosztani a személyes adatokat; Válaszok „igen”, „nem”, igen feltételekkel; Akkor leírhatják a körülményeiket
|
Alapvonal
|
Együttműködők és nyomozók
Publikációk és hasznos linkek
Általános kiadványok
- Frost EK, Bosward R, Aquino YSJ, Braunack-Mayer A, Carter SM. Facilitating public involvement in research about healthcare AI: A scoping review of empirical methods. Int J Med Inform. 2024 Jun;186:105417. doi: 10.1016/j.ijmedinf.2024.105417. Epub 2024 Mar 22.
- Esmaeilzadeh P. Use of AI-based tools for healthcare purposes: a survey study from consumers' perspectives. BMC Med Inform Decis Mak. 2020 Jul 22;20(1):170. doi: 10.1186/s12911-020-01191-1.
- Fazakarley CA, Breen M, Thompson B, Leeson P, Williamson V. Beliefs, experiences and concerns of using artificial intelligence in healthcare: A qualitative synthesis. Digit Health. 2024 Feb 11;10:20552076241230075. doi: 10.1177/20552076241230075. eCollection 2024 Jan-Dec.
Hasznos linkek
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Tényleges)
A tanulmány befejezése (Tényleges)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
- Urogenitális betegségek
- Nemi szervek betegségei
- Nemi szervek daganatai, férfiak
- Urogenitális neoplazmák
- Neoplazmák webhelyenként
- Neoplazmák
- Nemi szervek betegségei, férfi
- Prosztata betegségek
- Férfi urogenitális betegségek
- Prosztata neoplazmák
- Egészségügyi ellátás minősége, hozzáférése és értékelése
- Nyomozási technikák
- Epidemiológiai módszerek
- Terápiás kezelés
- Adatgyűjtés
- Egészségügyi ellátási értékelési mechanizmusok
- Egészségügyi ellátás minősége
- Közegészségügy
- Környezet és közegészségügy
- Viselkedésvezérlés
- Immobilizálás
- Felmérések és kérdőívek
- Korlátozás, fizikai
Egyéb vizsgálati azonosító számok
- 2024-345
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
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. .