このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

大規模な言語モデルを使用した管理ケースに関する医師の推論

2024年9月26日 更新者:Jonathan Chen、Stanford University

AIチャットボットによる経営推論

この研究では、大規模言語モデルである GPT-4 へのアクセスを提供することの効果を、従来の経営意思決定支援ツールと比較して、ケースベースの経営推論タスクのパフォーマンスに与える影響を評価します。

調査の概要

状態

完了

介入・治療

詳細な説明

人工知能 (AI) テクノロジー、特に OpenAI の ChatGPT のような高度な大規模言語モデルには、医療上の意思決定を改善する可能性があります。 ChatGPT-4 は、医療特有のアプリケーションでの使用を目的として開発されたものではありませんが、医療メモの作成、患者の問い合わせへの対応、医療相談の促進など、さまざまな医療の状況で期待できることが実証されています。 ただし、ChatGPT が臨床医の臨床推論能力をどのように強化するかについてはほとんど知られていません。

臨床推論は、パターン認識、知識の適用、確率的推論を含む複雑なプロセスです。 ChatGPT-4 のような AI ツールを医師のワークフローに統合すると、臨床医の作業負荷を軽減し、誤った管理の可能性を減らすことができる可能性があります。 ただし、ChatGPT-4 は臨床推論を目的として開発されたものではなく、この目的での検証も行われていません。 さらに、臨床医に誤解を与える可能性のある説得力のある作話などの偽情報の影響を受ける可能性があります。 臨床医がこのツールを誤用すると、推論が改善されず、害を及ぼす可能性さえあります。 したがって、患者ケアに日常的に組み込む前に、臨床医が大規模な言語モデルを使用して臨床推論を強化する方法を研究することが重要です。

この研究では、参加者は、ChatGPT-4 へのアクセスの有無にかかわらず、臨床管理ケースに回答するようランダムに割り当てられます。 各ケースには複数の構成要素があり、参加者は各構成要素についての推論について話し合うように求められます。 回答は、治療の割り当てを知らされていない独立した査読者によって採点されます。 採点ルーブリックは、4 ~ 7 人の専門討論者からなる委員会によってケースごとに作成されました。 議論者は各ケースのルーブリックを独自に作成し、矛盾があれば複数回の議論を通じて解決しました。

研究の種類

介入

入学 (実際)

92

段階

  • 適用できない

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究場所

    • California
      • Palo Alto、California、アメリカ、94304
        • Stanford University

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

  • 子
  • 大人
  • 高齢者

健康ボランティアの受け入れ

はい

説明

包含基準:

  • 参加者は医師免許を持ち、少なくとも卒業後 2 年目 (PGY2) の医療訓練を完了している必要があります。
  • 内科、家庭医学、救急医療の研修。

除外基準:

  • 現在臨床活動は行っておりません。

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

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:処理
  • 割り当て:ランダム化
  • 介入モデル:並列代入
  • マスキング:独身

武器と介入

参加者グループ / アーム
介入・治療
アクティブコンパレータ:GPT-4
グループには GPT-4 へのアクセスが与えられます
チャット インターフェイスを備えた OpenAI の GPT-4 大型言語モデル。
介入なし:通常のリソース
グループには GPT-4 へのアクセス権は与えられませんが、大規模な言語モデル (UpToDate、Dynamed、google など) 以外に希望するリソースを使用することが奨励されます。

この研究は何を測定していますか?

主要な結果の測定

結果測定
メジャーの説明
時間枠
経営理論
時間枠:1時間以内の勉強で
各ケースの正解率 (範囲: 0 ~ 100)。
1時間以内の勉強で

二次結果の測定

結果測定
メジャーの説明
時間枠
管理に費やす時間
時間枠:1時間以内の勉強で
参加者が 2 つの研究アーム間でケースごとに費やす時間 (分単位)。
1時間以内の勉強で

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

捜査官

  • 主任研究者:Jonathan H Chen, MD, PhD、Stanford University
  • 主任研究者:Adam Rodman, MD、Beth Israel Deaconess Medical Center
  • 主任研究者:Andrew Olson, MD、University of Minnesota

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2023年12月28日

一次修了 (実際)

2024年4月19日

研究の完了 (実際)

2024年4月19日

試験登録日

最初に提出

2023年12月20日

QC基準を満たした最初の提出物

2024年1月5日

最初の投稿 (実際)

2024年1月17日

学習記録の更新

投稿された最後の更新 (実際)

2024年9月27日

QC基準を満たした最後の更新が送信されました

2024年9月26日

最終確認日

2024年9月1日

詳しくは

本研究に関する用語

キーワード

その他の研究ID番号

  • 71319b

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?

いいえ

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

いいえ

米国FDA規制機器製品の研究

いいえ

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。

購読する