거대한 미지의 세계: 생성형 AI가 의료 직군에 미치는 변혁적 영향에 대한 탐구
2026년 1월 21일 업데이트: Maastricht University
거대한 미지의 세계: 의료 직업에 대한 생성형 AI의 혁신적 영향 탐구
우월성 프레임워크를 사용한 병렬 그룹 무작위 대조 시험.
임상 비네트를 사용하여 대규모 언어 모델이 의사의 임상 추론에 미치는 영향을 평가할 것입니다.
등급화된 비네트 응답에 대해 정량적 분석이 수행될 것입니다.
연구 개요
상태
상태
완전한
정황
정황
개입 / 치료
개입 / 치료
상세 설명
이 연구는 대규모 언어 모델(LLM)에 대한 접근이 의사의 임상 의사결정을 개선하는지 평가하기 위해 설계된 다국가, 병렬 그룹 무작위 대조 시험입니다. 이 시험은 우월성 프레임워크를 사용하며 GPT-4o에 접근하여 표준화된 임상 비네트를 완료하거나 AI 지원 없이 완료하도록 무작위 배정된 의사들을 비교합니다.
임상 비네트는 심혈관, 호흡기, 근골격계, 피로 관련 및 감염성 질환과 같은 일반적인 일차 진료 조건을 시뮬레이션합니다. 각 비네트는 초기 병력 청취부터 진단, 치료 및 추적 관찰까지 임상 추론 과정의 여러 단계를 포함합니다. 의사의 응답은 근거 기반, 상황별 최선의 실천 지침에서 개발된 루브릭을 사용하여 평가됩니다.
이 연구는 인도네시아, 케냐, 네덜란드 등 세 국가에서 진행되어 서로 다른 소득 수준과 보건 시스템 환경을 대표합니다. 주요 결과는 임상 비네트 수행 능력으로, 최선의 실천 지침 준수로 정의됩니다. 부차적 목표에는 의사 수행 능력의 국가 간 변이, 수행 분포의 변이, 그리고 결과 형성에 있어 LLM 참여의 역할 조사가 포함됩니다.
연구 유형
연구 유형
중재적
등록 (실제)
등록
249
단계
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준:
- 등록된 의사
- 내과 또는 가정의학 교육 이수
제외 기준:
- 현재 임상 실습을 하고 있지 않음
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 하나의
팔의 수
2
무기와 개입
참가자 그룹 / 팔참가자 그룹 / 팔 |
개입 / 치료개입 / 치료 |
|---|---|
|
간섭 없음: 자체 지식
해당 그룹은 GPT-4나 기타 온라인 자원에 접근할 수 없습니다.
|
|
|
활성 비교기: GPT-4o
GPT-4o 접근 권한을 부여받은 그룹
|
온라인 Qualtrics 환경의 iFrame을 통해 제공되는 GPT-4o
|
연구는 무엇을 측정합니까?
주요 결과 측정
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
정확도 백분율 점수
기간: 평가 중
|
Peabody et al (2000)에 따라, 주요 결과는 비네트 내 모든 단계에서의 정답 백분율 점수입니다.
이 점수는 비네트에서 가능한 전체 평가 기준 항목 수로 평가된 평가 기준 항목의 가중 총합을 나누어 생성됩니다.
평가 기준 항목은 전문가 패널이 관련성을 고려하여 가중치를 부여할 것입니다.
|
평가 중
|
2차 결과 측정
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
답변별 품질
기간: 평가 중
|
이 결과는 비네트(vignette) 전체에서 존재하는 것으로 평가된 루브릭 항목의 평균 가중치로 생성됩니다.
각 항목에는 가중치(0.33, 0.5, 1)가 부여되며, 평균 가중치는 존재하는 것으로 표시된 답변 수로 나눈 가중치의 합입니다.
|
평가 중
|
|
답변 수
기간: 평가 중에
|
이 결과는 검토자가 각 비네트(vignette)에 대해 '있음(present)'으로 평가한 총 답변 수를 카운트하여 생성됩니다.
|
평가 중에
|
|
덜 명백한 답변
기간: 평가 중
|
이 결과는 대조군에서 덜 자주 언급된, 즉 덜 명백한 답변의 수로 생성됩니다.
대조군의 25% 이하가 답변을 언급한 경우, 덜 명백한 것으로 간주됩니다.
|
평가 중
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
협력자
협력자
수사관
수사관
- 수석 연구원: Mark Levels, PhD, Maastricht University
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
연구 시작
2024년 8월 1일
기본 완료 (실제)
기본 완료
2025년 1월 17일
연구 완료 (실제)
연구 완료
2025년 1월 17일
연구 등록 날짜
최초 제출
최초 제출
2026년 1월 21일
QC 기준을 충족하는 최초 제출
QC 기준을 충족하는 최초 제출
2026년 1월 21일
처음 게시됨 (실제)
처음 게시됨
2026년 1월 29일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
마지막 업데이트 게시됨
2026년 1월 29일
QC 기준을 충족하는 마지막 업데이트 제출
QC 기준을 충족하는 마지막 업데이트 제출
2026년 1월 21일
마지막으로 확인됨
마지막으로 확인됨
2025년 9월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
기타 연구 ID 번호
- ERCIC_572_25_04_2024
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .