AI conversazionale nelle cure per le vittime tattiche: il basale GPT-4o migliora il processo decisionale di combattimento medico (FieldAI)
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Questo studio indaga il potenziale dell'intelligenza artificiale conversazionale (AI), in particolare GPT-4, per migliorare il processo decisionale clinico negli scenari di cure di vittime di combattimento tattico (TCCC). L'obiettivo principale è valutare se il supporto dell'IA migliora l'accuratezza e l'efficienza delle decisioni di gestione del ventilatore per i medici di combattimento in ambienti ad alta pressione senza compromettere la loro autonomia.
Verrà impiegato uno studio prospettico, randomizzato, all'interno del soggetto. Parteciperanno trenta medici da combattimento dalle forze armate ceche. Ogni partecipante completerà 10 scenari TCCC simulati: cinque con assistenza AI e cinque senza. Gli scenari saranno abbinati alla complessità e randomizzati per controllare gli effetti dell'ordine. I partecipanti utilizzeranno CHATGPT su dispositivi portatili per simulare il processo decisionale assistito in tempo reale.
Negli scenari che coinvolgono l'assistenza all'intelligenza artificiale, i medici interrogheranno GPT-4 per il supporto nell'ottimizzazione delle impostazioni del ventilatore meccanico in base ai dati dei pazienti, inclusi i risultati dei gas nel sangue, i segni vitali e i parametri del ventilatore.
Il risultato principale è l'accuratezza delle impostazioni del ventilatore classificate in "eccellenti", "accettabili" o "fallimento" in base agli standard TCCC predefiniti. I risultati secondari includono la velocità decisionale e la percezione dei partecipanti dell'utilità dell'IA, misurata attraverso sondaggi post-scenario.
I risultati mirano a determinare la fattibilità di integrare i modelli di grandi dimensioni (LLM) nelle cure mediche di combattimento per ottimizzare i risultati dei pazienti e supportare i medici in condizioni di combattimento. Lo studio mira a far avanzare la comprensione del ruolo di AI nella medicina militare, fornendo una base per lo spiegamento futuro di soluzioni di intelligenza artificiale perfezionate in TCCC e altri scenari di terapia intensiva.
Questo studio offre una valutazione di prova del concetto delle applicazioni LLM nelle cure per le vittime di combattimento, con il potenziale per migliorare il processo decisionale e informare lo sviluppo di strumenti di intelligenza artificiale specializzati per uso militare.
Tipo di studio
Iscrizione (Effettivo)
Fase
- Non applicabile
Contatti e Sedi
Luoghi di studio
-
-
-
Praha, Cechia, 16209
- Military University Hospital Prague
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Descrizione
Criteri di inclusione:
- I medici da combattimento che servono attivamente nelle forze armate ceche
- Completamento di moduli di allenamento per le cure per le vittime di combattimento tattico standardizzate e l'e-learning su ambienti di ventilatore e interpretazione dei gas nel sangue
- Successo del passaggio di pre-test per garantire un livello di conoscenza di base uniforme.
- Disponibilità a partecipare e fornire un consenso informato.
- Disponibilità per completare il protocollo di studio completo, inclusi 10 scenari simulati.
Criteri di esclusione:
- Mancato passaggio dei pre-test o della formazione completa di gestione TCCC e ventilatore
- Precedente formazione avanzata o certificazione professionale in terapia intensiva o ventilazione meccanica che potrebbe distorcere i risultati
- Il rifiuto di fornire il consenso informato o l'incapacità di impegnarsi nel programma dello studio
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Altro
- Assegnazione: N / A
- Modello interventistico: Assegnazione di gruppo singolo
- Mascheramento: Nessuno (etichetta aperta)
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Sperimentale: Combattere il processo decisionale medico con e senza assistenza all'intelligenza artificiale
Tutti i partecipanti completeranno 10 scenari di assistenza alle vittime di combattimento tattico: 5 con assistenza AI che utilizza GPT-4 per la gestione del ventilatore e 5 senza assistenza all'IA.
Il design crossover garantisce che ogni partecipante sperimenta entrambe le condizioni.
|
Altro: Combatti il processo decisionale medico con e senza assistenza all'intelligenza artificiale
I partecipanti completeranno 10 scenari simulati per le vittime di combattimento tattico (TCCC), con 5 scenari condotti utilizzando AI Assistance (GPT-4) e 5 senza AI.
Negli scenari assistiti dall'aria condizionata, i partecipanti utilizzeranno GPT-4 per interrogare e ottimizzare le impostazioni del ventilatore in base ai dati dei pazienti, mentre gli scenari non AI si basano esclusivamente sul loro giudizio clinico.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Precisione delle impostazioni del ventilatore
Lasso di tempo: 1 ora
|
Precisione delle impostazioni del ventilatore come classificata in "eccellente", "accettabile" o "fallimento" in base agli standard TCCC predefiniti. Eccellente significa 2 punti, 1 punto accettabile e guastano 0 punti. |
1 ora
|
Altre misure di risultato
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Percezione dell'utilità dell'intelligenza artificiale
Lasso di tempo: 1 ora
|
Percezione dell'utilità dell'intelligenza artificiale, misurata attraverso l'indagine post-scenario
|
1 ora
|
Collaboratori e investigatori
Collaboratori
Investigatori
- Investigatore principale: Michal Soták, M.D., Ph.D., Charles University, Czech Republic
Pubblicazioni e link utili
Pubblicazioni generali
- Nemeth C, Amos-Binks A, Rule G, Laufersweiler D, Keeney N, Flint I, Pinevich Y, Herasevich V. TCCC Decision Support With Machine Learning Prediction of Hemorrhage Risk, Shock Probability. Mil Med. 2023 Nov 8;188(Suppl 6):659-665. doi: 10.1093/milmed/usad298.
- Preiksaitis C, Ashenburg N, Bunney G, Chu A, Kabeer R, Riley F, Ribeira R, Rose C. The Role of Large Language Models in Transforming Emergency Medicine: Scoping Review. JMIR Med Inform. 2024 May 10;12:e53787. doi: 10.2196/53787.
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Effettivo)
Completamento dello studio (Effettivo)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
- FieldAI
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .