大規模言語モデルの擬人化に関する学際的な治療 (MDTALLM)
2024年10月3日 更新者：Zining Luo、North Sichuan Medical College
大規模言語モデルの擬人化に関する学際的な治療: 並行対照研究
この遡及的臨床試験は、人間の医師によって行われる MDT 診察の有効性と大規模言語モデルによって行われる診察の有効性を比較することにより、医療における大規模言語モデルの可能性をより深く探ることを目的としています。
対処すべき主な質問は次のとおりです。
擬人化 MDT コンサルテーションを行うために大規模な言語モデルを使用すると、非擬人化プロセスを使用するよりも良い結果が得られますか? 大規模な言語モデルによって実行される MDT コンサルテーションと人間によって実行される MDT コンサルテーションの間には、パフォーマンスに大きな差がありますか? 大規模な言語モデルからの MDT コンサルテーションの経済的利益は、人間が行うコンサルテーションと比較してどれくらい大きいでしょうか?
中国四川省北部における過去 20 年間の MDT 相談記録と、匿名化された患者の医療記録を遡及的に収集します。 グループ 1: さまざまな大規模な言語モデルが、さまざまな科の医師として、また相談内容を要約する MDT 秘書として機能するように割り当てられます。 グループ 2: 大規模な言語モデルは、患者に対する診断と治療の推奨事項を直接出力します。 グループ 1 と 2 の出力を人間のパフォーマンスと遡及的に比較してスコア付けし、擬人化 MDT コンサルテーションによる再評価のために各部門から最適なモデルを選択し、再度人間の結果と比較します。
調査の概要
状態
まだ募集していません
研究の種類
観察的
入学 (推定)
300
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。
研究連絡先
- 名前：Zining Luo, Doctor
- 電話番号：86 + 18161007029
- メール：cblzn@nsmc.edu.cn
研究場所
-
-
Sichuan
-
Nanchong、Sichuan、中国、637000
- The Affiliated Hospital of North Sichuan Medical College
-
コンタクト：
- Zining Luo
- 電話番号：86 + 18161007029
- メール：cblzn@nsmc.edu.cn
-
-
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
いいえ
サンプリング方法
非確率サンプル
調査対象母集団
病院から
説明
包含基準:
- 1. 医療記録には、さまざまな科の専門家からの推奨事項と十分に文書化された最終要約を含む、学際的な相談記録が含まれています。
- 2. 医療記録には、診察の少なくとも 1 年前と診察後 1 年間のデータが含まれています (無傷のレポートおよび画像記録を含む)。
- 3. 診察後の集学的治療計画により、患者の退院状態は改善しました。
除外基準:
- 1. 医療記録には、複数の専門分野にわたる相談記録が含まれていない、またはさまざまな科の医師からの推奨事項や最終的な要約記録が不完全または不十分です。
- 2. 診療記録に受診前後 1 年間のデータが不足している、または必要な報告書や画像データが欠落しており、文書化が不完全である。
- 3. 退院時の患者の状態が集学的治療計画に従っても改善されていないか、状態が悪化している。
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
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
擬人化されたプロセス 大規模言語モデル 集学的治療グループ
ローカルに展開された MedicalGPT、市販のオンライン GPT-4o、Claude-3.5 を使用する
Sonnet、GPT-4o mini、Claude 3 Haiku はそれぞれ、集学的治療プロセスに関与するさまざまな部門の医師の役割を順番に果たします。
その後、彼らは順次、推奨事項を最終的な提案または治療計画にまとめる要約者の役割を引き受けます。
|
テキスト、検査レポート、画像データを含むすべての患者の医療記録を GPT-4o に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を GPT-4o mini に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を MedicalGPT に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を Claude-3.5 に入力します。
ソネット。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を Claude 3 Haiku に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
|
|
非擬人化プロセス大規模言語モデル集学的治療グループ
ローカルに展開された MedicalGPT、商用オンライン GPT-4o、Claude-3.5 を使用する
Sonnet、GPT-4o mini、Claude 3 Haiku を使用すると、部門ごとに役割を分担して結果をまとめることなく、複数の分野にまたがる相談結果を 1 つのインスタンスで出力できます。
|
テキスト、検査レポート、画像データを含むすべての患者の医療記録を GPT-4o に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を GPT-4o mini に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を MedicalGPT に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を Claude-3.5 に入力します。
ソネット。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を Claude 3 Haiku に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
|
|
リアルドクターズ集学的治療グループ
従来の集学的治療では、結果は、診察に参加したさまざまな診療科の医師からの推奨事項や秘書による最終要約など、関係する患者の診察記録に文書化されます。
|
過去の患者の集学的治療に関与した対応する部門からの診断および治療の推奨事項、および全体的な推奨事項を遡及的に収集します。
|
|
最優秀大規模言語モデル集学的治療グループ
擬人化プロセス大言語モデル集学的治療グループの結果を実際の医師の集学的治療グループの結果に対して部門ごとにスコアリングした後、各部門に最適な代替モデルと最適な要約モデルが選択されました。 。
これらのトップモデルは、集学的治療コンサルテーションで役割を担うように設定されています。
|
テキスト、検査レポート、画像データを含むすべての患者の医療記録を GPT-4o に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を GPT-4o mini に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を MedicalGPT に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を Claude-3.5 に入力します。
ソネット。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
テキスト、検査レポート、画像データを含むすべての患者の医療記録を Claude 3 Haiku に入力します。
事前にテストされたプロンプトを使用して部門の役割を確立し、各部門に関連する診断と治療の推奨事項を提供できるようにします。
|
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 |
時間枠 |
|---|---|
|
相談費用 ($)
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
|
相談時間（分）
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
|
集学的治療結果の包括性 (パーセンテージスケール)
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
|
集学的治療結果の明確さ (パーセンテージスケール)
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
|
集学的治療結果の正確さ (パーセンテージスケール)
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
|
専門職を超えたチームコラボレーション実践評価 (CPAT)
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
|
要約の評価スケール
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
|
フレッシュ・キンケイド可読性テスト
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
二次結果の測定
結果測定 |
時間枠 |
|---|---|
|
倫理遵守 (ブール値)
時間枠：複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
複数の専門分野の治療プロセスからすべての json フィールドが出力されるまで、人間の医師がシステムを使用して時間を記録するのにかかる時間は、通常 12 時間を超えません。
|
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。
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
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 (推定)
2024年10月1日
一次修了 (推定)
2024年11月1日
研究の完了 (推定)
2024年11月1日
試験登録日
最初に提出
2024年10月1日
QC基準を満たした最初の提出物
2024年10月3日
最初の投稿 (実際)
2024年10月4日
学習記録の更新
投稿された最後の更新 (実際)
2024年10月4日
QC基準を満たした最後の更新が送信されました
2024年10月3日
最終確認日
2024年10月1日
詳しくは
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。