前立腺がんの診断における人工知能の受容性 (AccAI)
前立腺がんの診断における医療提供者のサポートとしての人工知能の受け入れを理解する - 彼のケアの中心にある患者
この研究では、局所的な前立腺がんと医療提供者の患者の診断サポートツールとしての人工知能(AI)の受容性、およびAI開発の健康データを共有する意欲を調査しています。
医療のバックグラウンドAIツールは、特に診断の精度の向上とパーソナライズ治療の改善において、有望な可能性を示しています。 ただし、実装の成功は、技術的なパフォーマンスだけでなく、ユーザーの患者と専門家とのAIの受容性にも依存します。 以前の研究では、コンテキスト、病気の重症度、AIによって実行されるタスク、およびユーザー母集団に応じて、さまざまな受容性が示されています。
目的は、前立腺がんの診断サポートとしてのAIの患者の受容性を評価します。
臨床AIの開発のために健康データを共有する患者の意欲を探ります。
この診断コンテキストにおけるヘルスケアプロバイダーのAIの受容性を評価します。
方法論の設計:横断的、混合メソッド、多国籍研究(ベルギー、イタリア、スペイン)。
定量段階:適応された理論フレームワーク(価値認識モデル、NASSS-AI、TFA)を使用したオンラインアンケート。
定性的段階:定量的調査結果に基づいて続きます。
参加者:局所的な前立腺がんと診断された成人。 病院、ソーシャルメディア、患者の協会を介した募集。
収集されたデータ:個人情報と健康情報、AIに対する態度、データを共有する意欲。
各参加国の倫理委員会によって承認された倫理。
参加前にインフォームドコンセントがデジタルで得られました。
匿名化され、GDPRに準拠したデータ。
調査の概要
状態
状態
条件
条件
介入・治療
介入・治療
詳細な説明
1.はじめに1.1。 人工知能の受容性1.1.1。 医療医療の専門家における人工知能は、増え続け、ますます複雑な課題に直面しています。 健康問題の性質は変化しており、ワークロードが増加しているため、ケアがより困難な管理につながり、知識の絶え間ない更新も必要です。 同時に、ヘルスケアにおける人工知能(AI)ツールの実装が爆発し、進化する医療セクターのニーズを満たす明るい機会を提供します。
多くの研究では、AIシステムの技術的パフォーマンスを評価することにより、臨床AIの実現可能性を調査しています。 ただし、AI開発の技術的性質は、臨床AIの実装に直面している唯一の課題ではありません。 実際、研究では、医療専門家と患者による臨床AIの受容性が、これらのユーザーによるAIの効果的な採用に影響を与えることが示されています。 このパラメーターを無視すると、利用可能なAIシステムを利用しないことにより、リソースの無駄につながる可能性があります。
患者と医療専門家による臨床AIの受容性は、さまざまな文脈で研究されていますが、ほとんどの研究は一般的にヘルスケアにおけるAIの受容性に関するものです。 この主題はすでに体系的に要約されており、ほとんどの場合、AIの良好な許容性を示しています。 一方、特定の健康状況での研究はよりまれであり、これらの文脈でのAIの受容性は、単にヘルスケアのAIの受容性を推定することで定義することはできません。 実際、AIの受容性は、文脈(診断された疾患、病気の重症度、AIの決定の結果、意思決定の複雑さ)だけでなく、AIが実行するタスク(診断、治療の選択、予後)にも異なります。 さらに、AIの受容性要因は、研究された人口(患者、医療専門家、研究者、医療管理者)によって、ニーズ、好み、および使用のコンテキストの違いにより異なります。 したがって、研究が言及する正確なコンテキストにAIの受容性を研究することが重要です。
1.1.2。 前立腺癌診断プロセスにおけるAIの受容性前立腺癌診断(PCA)プロセスにおけるAIツールの実施により、医療画像と予測モデルの作成からの情報が改善されます。 これは、腫瘍の生物学的特性への適応により治療をパーソナライズする最終目的で、PCAの診断を最適化し、その攻撃性を予測する際の大きな進歩を表します。 これは、前立腺生検の必要性を減らし、個人のコンプライアンスを増やし、症状の出現前にテストを受けるように促すのに役立ちます。 さらに、PCAの早期検出により、治療の成功率が劇的に向上します。
PCA診断プロセスにおけるAIの実装の機会を考えると、PCAコンテキストでAIの最終ユーザーになる患者と医療専門家のこの実装の受容性と、この実装の条件を研究することが不可欠です。 いくつかの研究ではこの受容性を調査していますが、この分野の研究は依然として限られており、さらなる調査が必要です。
最近の研究では、AIに対する患者の信頼と、AIに依存している泌尿器科医に対する彼らの認識を評価しました。 この研究では、患者が適切な診断を行い、最新の研究を検討し、診断のコミュニケーションを個別化し、AIと比較して理解できる方法で情報を説明する医師の能力により自信があることが示されています。患者は、医師が管理しているAIと医師によって制御されていないAIによって行われたAIによる診断に対するより高い信頼を持っていると述べました。
2番目の研究では、参加者が想像するAIの3つの表現を通じて、PCAの文脈におけるAIの診断と治療に対する男性の恐怖と期待を調査しました。 想像上の3つの表現は、ヘルスケアプロバイダー、高度なマシンとしてのAI、およびヘルスケアプロバイダーを置き換えるエンティティとしてのAIを支援するツールとしてのAIでした。 最後の想像力は、参加者にとって最悪のシナリオです。 すべての想像では、参加者はAIを肯定的な観点から見ましたが、AIが医師の代わりになったほど、より多くの参加者がAIを否定的な観点から見ました。
1.1.3。 受容性の概念臨床AIの受容性の概念は十分に定義されていません。 技術革新を使用および受け入れる個人の行動意図を説明および予測するために枠組みが存在したとしても、これらのモデルはヘルスケアの文脈に適応されません。 Digital Health Technologiesと同じ方法でAIを考慮しています。 ただし、AIよりも単純な方法で機能するデジタルテクノロジーと比較して、ヘルスケアのコンテキストとAIの複雑さを考慮することが不可欠です。 したがって、臨床AIの受容性の概念をよりよく定義する必要があります。 いくつかの研究では、既存のテクノロジー受け入れフレームワークを変更して、2つの次のフレームワークなどの上記の制限を考慮しています。
最初のフレームワークは、AIベースの臨床意思決定支援デバイスの患者の受け入れを統計的にモデル化します。 このモデルの著者は、価値の認識(VAM)を含む技術的受け入れの理論的枠組みを拡張し、それらを医療セクターに適応させました。 このフレームワークは、AIベースの臨床意思決定サポートデバイスの認識されたリスクと利点を評価して、許容性を測定します。 このモデルの著者は、将来の研究では、他の一部の理論的枠組みに使用される社会的影響を含む、そのモデルに追加の要因を追加する必要があることを示唆しています。 さらに、著者らは、変数、変数、年間世帯収入、教育レベル、雇用、AIテクノロジーに関する技術的知識とAIベースのサービスへの精通がAIベースの臨床意思決定支援デバイスを使用する意図に大きな影響を与えると述べています。
第二に、ランセットでの最近の研究では、利害関係者(患者、臨床医、研究者、医療管理者)による診断目的でAIの受け入れに関する定性的研究を体系的に要約しました。 著者は、AI診断に適応した新しいモデルを作成するために、既存のNASSSフレームワークを拡張しました。 NASSS-AIフレームワーク。 この新しいフレームワークは、このレビューに含まれる研究によって頻繁に議論される要素をグループ化する6つのドメイン、20のサブドメイン、43のテーマで構成されています。
上記のさまざまな理論モデルに含まれていないいくつかの要因は、臨床AIの患者受容性に影響を与える要因として他の研究によって特定されています。 これらの要因は、年齢、類似のツールへの以前の暴露、地理的位置、診断された病気、病気の重症度、医療システムへの信頼でした。
さらに、系統的レビューにより、AIに関する情報が、ヘルスケアにおけるAIの患者の受容性を評価する研究の参加者にどのように提供されたかを調査しました。 この系統的レビューは、ほとんどの研究が、研究の制限として研究の文脈においてAIの限られた患者の知識を引用していることを示しています。 さらに、いくつかの研究は、研究の開始時に患者に提供される情報の種類が結果に影響することを報告しています。 その結果、「介入コヒーレンス」要因が研究フレームワークに追加されます。 この要因は、医療介入の受容性を研究する受容性の理論的枠組み(TFA)に統合されています。
1.2。 データ利他主義 - データ利他主義を提供するデータは、データ主体の同意または自然および法人の許可に基づいて、報酬を求めず、一般的な関心の目的を求めて、個人的および非個人的なデータの自発的な提供として理解されます。
臨床AIの開発には、大量の健康データを使用する必要があります。 このデータの使用は、ツールが進行して進化することを可能にするため、避けられません。 上で説明したように、臨床AIは患者および医療提供者に受け入れられなければなりませんが、患者データにも供給されなければなりません。 したがって、彼らは健康データを提供することに同意しなければなりません。
患者の個人的な健康データを提供する意欲は、一般的な二次的な使用(臨床、公衆衛生研究、疫学などのデータ共有)の文脈で広く研究されていますが、特にAIの文脈では十分に研究されていません。 いくつかの研究は、簡単な質問によって健康データを提供する意欲を評価しています。 皮膚がん診断におけるAIに関する研究は、回答者の88%がAIベースの医療アプリケーションの開発のために匿名で健康データを利用できるようにすることを示しています。
パイロット研究では、一般的な実践のためにAIを開発する目的で提供するデータに関する患者の視点を調査しました。 この研究の参加者は、一般的な実践のためのAIの開発が、彼らが彼らのデータを提供する意思がある目標であると感じました。 彼らは、彼らのデータを提供することにより、病気の管理を支援し、一般開業医(GP)を助けたいと言いました。 データを提供する意欲は、GPとの信頼関係に依存していました。
1.2.1。 健康データを提供する意欲の概念は、患者の健康データを二次使用またはAIの開発目的で提供する意欲を研究するための検証済みのフレームワークが文献で特定されています。 また、最近の系統的レビューでは、この意欲を判断するための検証済みの測定ツールはないと結論付けました。
この研究は、研究目的で健康データを提供する患者の意欲の概念モデルを開発しました。 このフレームワークは、認識された利点とデータのリスクを評価する検証済みの値認識フレームワークに基づいています。 著者は、このフレームワークに、最終ユーザーのタイプ、収集されたデータのタイプ、コンテキストなど、研究目的に提供するデータに固有のいくつかの要因を追加しました。 これらの要因は、健康データを提供する条件として理解できます。
2。目的この研究の目的は、医療提供者のサポートとしての前立腺がん診断とAIの文脈において、前立腺がんと医療提供者のAIとその条件の受け入れをよりよく理解することです。 また、この研究は、臨床AIの開発とこの意欲を取り巻く状態のために、人々の健康データを提供する人々の意欲をよりよく理解することを目的としています。
この研究の目的は次のとおりです。
1.前立腺がんの診断における医療提供者へのサポートとしてのAIの実施に関する前立腺がんの人々の受容性を決定し、この実装の状態を調査します。
2。臨床AIの開発のために健康データを提供する人々の意欲を決定し、この意欲の条件を探求します。
3.前立腺がんの診断におけるAIの実装に関する医療提供者の受容性を決定し、この実装の条件を調査します。
3。メソッド3.1。 研究と研究プロセスのタイプ研究は、2番目の定性的段階に供給される初期の定量段階を含む断面観察、混合メソッド、連続研究です。 この研究は、ベルギー、イタリア、スペインからの多国籍の採用参加者です。
各国は、必要に応じてプロトコルを倫理委員会に提出します。 この研究の設計を図1に示します。 このプロトコルは、定量段階に関係しています。 定性的段階のアンケートの分析が定性的段階の開発に必要であるため、定性的段階のプロトコルは倫理委員会に提出されます。
図1:研究デザイン3.2。 定量的フェーズ2フレームワークのフレームワークが使用され、このフェーズの2つの目的に対応しています(前立腺がんの診断における医療提供者へのサポートとしてのAIの実施に関する前立腺がんの人々の受容性を決定し、臨床AIの開発のために健康データを提供する人々の意欲を決定します)。
前立腺がんの診断における医療提供者へのサポートとしてのAIの実施に関する前立腺がんの人々の受容性を判断するために、以前に提示された既存のフレームワーク(価値、NASS-AIおよびTFAの知覚に基づくフレームワーク)に基づいてフレームワークが作成されました。 価値観に基づくフレームワークは、知覚された利益に対するリスクを比較検討するための基礎として使用されました。 著者によって提案されたこのモデルに社会的影響が追加されました。 「使用する条件」要因とそのサブディメンションも追加され、Nasss-AIと以前に引用されたフレームワークに触発されました。 TFAに沿って、「介入コヒーレンス」係数が追加されました。
前立腺がんの診断における医療提供者へのサポートとしてのAIの実施に関する前立腺がんの容認性を調査するために使用される最終フレームワークを図2に示します。
図2:前立腺癌の診断における医療提供者へのサポートとしてのAIの実施に関する前立腺がんの人々の受容性の理論モデル。
AI開発目的で健康データを提供する人々の意欲を判断するために、知覚されたリスクと知覚される利益のバランスをとる価値認識に基づいて、既存のフレームワークに基づいてフレームワークが作成されました。 この意欲を探求するために、「条件」要因が追加されました。 臨床AIの開発のために健康データを提供する人々の意欲を研究するために使用される最終フレームワークを図3に示します。
図3:臨床AIの開発のために健康データを提供する人々の意欲の理論モデル。
3.3。 定量段階の個体群の特徴研究集団は、局所的な前立腺がんの人々です。
包含基準は次のように定義されます。
•18年以上。
•局所前立腺癌の診断。
•研究に同意する。
除外基準は次のように定義されます。
•フランス語を話していない。
•最初から転移がんと診断された。
•末期病気。
•精神遅滞、認知症、または意識状態の変化に苦しむ人々。
3.4。 定量段階のサンプル選択されたサンプリング方法は、ボランティアサンプリングです。 包含基準を満たし、除外基準を満たしていない個人は、自己管理のオンラインアンケートの完了を伴う研究に参加することを選択する場合があります。
アンケートは、次のチャネルを通じて配布されます。
•Elipse Networkの泌尿器科でのポスターおよびフライヤーキャンペーン。 ポスターとチラシには、アンケートのリンクとQRコードが表示されます。 この研究の共同研究者E. Koshmanovaは、完了プロセスに介入することなく、アンケートへのアクセスの支援を提供するために、Elipse Networkの1つ以上の病院で利用できます。 彼女はまた、研究に参加したいが必要な機器を持っていない参加者が利用できるラップトップまたはタブレットを用意します。
•ソーシャルメディアの写真形式でポスターデザインを介したアンケートのリンクとQRコードの配布。
•ポスターデザインを介したリンクとQRコードのフォト形式での配布または患者の関連性を介して。 これらの協会は、ネットワークまたはメーリングリストを通じてこれらを共有します。 協会は、関連性とみなされる場合、施設にポスターやチラシやチラシを表示する場合があります。
調査の制約では、国ごとに最低50人の参加者と国ごとに最大100人の参加者を含める必要があるため、サンプルサイズの計算は実行されませんでした。
アンケートにアクセスするには、アンケートリンクを使用するか、QRコードをスキャンします。 アカウントを作成する必要はありません。 リンクを使用したり、QRコードをスキャンした後、最初に表示されるのはアンケートのホームページで、参加者が情報と同意書を読んでから調査に同意するように招待されています。 情報と同意書には、同意が情報と同意書に直接収集されるのではなく、アンケートの最初のセクション(インフォームドコンセントフォームの再確認)を介して指定されています。 これにより、研究に同意しない人々、つまりすべての声明をチェックしない人への他のアンケートへのアクセスがブロックされます。
参加者が同意を提供した場合、アンケートにアクセスでき、参加者は研究の選択基準を満たし、研究の除外基準を満たさないことを確認するよう求められます。 これらの要素を確認しない場合、アンケートは終了します。 これらの要素を確認すると、アンケートが開始されます。
規制により、参加者はいつでも調査から同意を撤回できることを考えると、一意のコードが割り当てられます。 このコードは、この識別キーを使用して各参加者によって形成されます:姓の最初の文字 +姓の最後の文字 +名の最初の文字 +出生年の最後の2桁。
オンラインフォームの最後に、参加者は、この調査の第2フェーズ(定性的段階)に参加したい場合、リンクをクリックするオプションがあります。 このリンクは、連絡先データを要求する2番目のオンラインアンケートに連れて行きます。 2番目のアンケートは、最初のアンケートにリンクされていません。 連絡先データを使用すると、個人に連絡して、この研究の第2フェーズに参加することができます。これは、この研究の第2フェーズ(定性的段階)の倫理委員会の承認後にのみです。
参加者の募集が紙ベースのアプローチを通じてより効果的であることが証明された場合、オンラインバージョンと同一のアンケートの紙版が使用されます。 そのような場合、参加者は論文アンケートに記入し、参加前にインフォームドコンセントフォームの紙版に署名するように求められます。 この場合のアンケートは、研究チームによってRedCapでオンラインでエンコードされます。
各参加者は、共同研究者に質問する機会があります(E. Koshmanova)いつでも。 彼女の連絡先情報は、情報と同意書、およびアンケートの先頭に提供されます。
3.5。 定量段階のパラメーターを研究しました
最初のオンラインアンケートでいくつかのパラメーターが収集されます。
•個人に関連する情報:年齢、収入、雇用、教育、健康状態の知覚、居住国、前立腺がんの重症度(治療された診断はどれくらい前)、以前のケア経験、同様のツールへの曝露、ヘルスケアの使用頻度、医療システムへの信頼。
•人々のスキルに関する情報:ヘルスリテラシー、eヘルスリテラシー、AIテクノロジーに関する技術的知識、AIベースのサービスに精通していること。
•前立腺がんの診断における医療提供者へのサポートとしてのAIの実施の前立腺がんの容認性に関する質問。
•前立腺がんの人々の意欲に関する質問は、臨床AIの開発のための健康データを提供する。
2番目のオンラインアンケートでいくつかのデータが収集されます。
•名と姓。
•電話番号。
• 居住国;
• 郵便番号。
このアンケートは最初のものとは無関係です。 3.6。 定量的フェーズオンラインアンケートのデータ収集ツールは、RedCapプラットフォームで参加者と共有されます。 3.6.1。 アンケート番号1:オンラインアンケートは、前立腺がんの診断における医療提供者へのサポートとしてのAIの実施に関する前立腺がんの人々の受容性と、臨床AIの開発目的で健康データを提供する意欲の両方を評価することを目的としています。 アンケートでは、ポイント3.5に記載されているように、特定の人々の特性についても尋ねます。 アンケートは、この研究の文脈でAIがどのようにケアに関与しているかについての説明によって紹介されます。
アンケートは2つのアンケートに基づいています。 まず、価値観の認識に基づいたフレームワークに関連付けられたアンケートが使用されています。 第二に、研究目的で健康データを提供する意欲を研究するフレームワークに関連するアンケートは、インスピレーションとして使用されました(19)。
3.6.2。 アンケート番号2:このアンケートの目的は、この研究の第2フェーズ(定性的段階)に参加したい参加者に連絡することです。
3.7。 カレンダー図1:ガントチャート。 4.定量段階の倫理的懸念研究は、参加者にリスクや欠点を提示しません。 彼らの通常の臨床管理に変更は必要ありません。 収集された情報は医療スタッフに開示されません。
調査は、研究の全体的な管理のために設計されたソフトウェアパッケージであるRedCapプラットフォームを使用して開発され、Chulの臨床試験センター(CTC)によって監督された健康研究ホストの規制要件を満たしています。
参加者が実際に研究に参加する前に、情報と同意書が完成します(電子版)。 参加者は、主任研究者から同意を引き出すことができます(D. Waltregny)いつでも。
収集されたすべてのデータは、各参加者に割り当てられる一意のコードで仮名化されます。 このコードは、この識別キーを持つ参加者によって形成されます:姓の最初の文字 +姓の最後の文字 +最初の名前の最初の文字 +出生年の2つの最後の数字。
さらに、一般的なデータ保護規制(GDPR)に従って、連絡先データが収集、処理、保存されます。
この研究は、倫理委員会による承認後にのみ開始されます。
研究の種類
研究の種類
入学 (実際)
入学
段階
段階
- 適用できない
連絡先と場所
研究連絡先
研究連絡先
- 名前:Ekaterina Koshmanova, PhD
- 電話番号:+3243233350
- メール:ekaterina.koshmanova@chuliege.be
研究場所
-
-
-
Liège、ベルギー
- CHU Liège
-
-
参加基準
適格基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
説明
包含基準:
- 18年以上;
- 局所前立腺癌の診断とともに;
- 研究に同意します。
除外基準:
- フランス語を話さない;
- 最初から転移がんと診断された。
- 末期病気。
- 精神遅滞、認知症、または意識の状態の変化に苦しむ人々。
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 主な目的:ヘルスサービス研究
- 割り当て:なし
- 介入モデル:単一グループの割り当て
- マスキング:なし(オープンラベル)
アーム数
武器と介入
参加者グループ / アーム参加者グループ / アーム |
介入・治療介入・治療 |
|---|---|
|
実験的:アンケート
これは、患者が自分で、または回答可能な人の助けを借りてコプレットするというオンラインアンケートです
|
これは患者が記入するオンラインアンケートです
|
この研究は何を測定していますか?
主要な結果の測定
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
前立腺がんの診断にAIを使用することの知覚利点
時間枠:ベースライン
|
それらは潜在的な尺度であり、いくつかの質問で評価されます。
|
ベースライン
|
|
前立腺がん診断においてAIを使用するリスクの認識
時間枠:ベースライン
|
リスク、スケール「非常に低い」、「低」、「やや低い」、「中程度」、「やや高」、「高」、「非常に高い」。
質問はここに含めるには長すぎますが、前立腺がんの診断と治療にAIを使用する困難なリスクにアクセスします。
「非常に高い」リスクは最悪と見なされます。
|
ベースライン
|
|
AIを使用する意図
時間枠:ベースライン
|
質問:人工知能ベースのツールを使用して、前立腺がんの診断を管理しますか。
回答 - はい、不確かなビーカウスとノー。それから、彼らが「いいえ」または「はい」と答え、0から10までの規模でこれらの懸念を評価する場合、懸念があります。 10が最大の懸念事項です。
|
ベースライン
|
|
個人データを共有することは意欲的です
時間枠:ベースライン
|
質問:個人データを共有する意思。 「はい」、「いいえ」、はい条件で答えます。その後、彼らは自分の条件を説明できます
|
ベースライン
|
協力者と研究者
出版物と役立つリンク
一般刊行物
- 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.
研究記録日
主要日程の研究
研究開始 (実際)
研究開始
一次修了 (実際)
一次修了
研究の完了 (実際)
研究の完了
試験登録日
最初に提出
最初に提出
QC基準を満たした最初の提出物
QC基準を満たした最初の提出物
最初の投稿 (実際)
最初の投稿
学習記録の更新
投稿された最後の更新 (実際)
投稿された最後の更新
QC基準を満たした最後の更新が送信されました
QC基準を満たした最後の更新が送信されました
最終確認日
最終確認日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
その他の研究ID番号
- 2024-345
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。