이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

대규모 언어 모델을 사용한 관리 사례에 대한 의사 추론

2024년 9월 26일 업데이트: Jonathan Chen, Stanford University

AI 챗봇을 통한 경영 추론

본 연구에서는 사례 기반 경영 추론 작업 성과에 대한 전통적인 경영 의사 결정 지원 도구와 비교하여 대규모 언어 모델인 GPT-4에 대한 액세스를 제공하는 효과를 평가할 것입니다.

연구 개요

상태

완전한

정황

개입 / 치료

상세 설명

인공지능(AI) 기술, 특히 OpenAI의 ChatGPT와 같은 고급 대규모 언어 모델은 의료 의사결정을 향상시킬 수 있는 잠재력을 가지고 있습니다. ChatGPT-4는 의료 관련 애플리케이션에 사용하기 위해 개발되지 않았지만 의료 메모 작성, 환자 문의 처리, 의료 상담 촉진 등 다양한 의료 상황에서 가능성을 입증했습니다. 그러나 ChatGPT가 임상의의 임상 추론 능력을 어떻게 강화하는지에 대해서는 알려진 바가 거의 없습니다.

임상 추론은 패턴 인식, 지식 적용 및 확률적 추론을 포함하는 복잡한 프로세스입니다. ChatGPT-4와 같은 AI 도구를 의사 워크플로에 통합하면 잠재적으로 임상의 작업량을 줄이고 잘못된 관리 가능성을 줄이는 데 도움이 될 수 있습니다. 그러나 ChatGPT-4는 임상 추론을 위해 개발되지 않았으며 이러한 목적으로 검증되지도 않았습니다. 또한 임상의를 오도할 수 있는 설득력 있는 조작을 포함하여 허위 정보의 대상이 될 수 있습니다. 임상의가 이 도구를 오용하면 추론이 향상되지 않고 해를 끼칠 수도 있습니다. 따라서 임상의가 환자 치료에 일상적으로 통합하기 전에 임상 추론을 강화하기 위해 어떻게 대규모 언어 모델을 사용하는지 연구하는 것이 중요합니다.

이 연구에서 참가자는 ChatGPT-4에 대한 액세스 여부에 관계없이 임상 관리 사례에 답변하도록 무작위로 배정됩니다. 각 사례에는 여러 구성요소가 있으며 참가자는 각 구성요소에 대한 추론을 논의하도록 요청받습니다. 답변은 치료 배정을 알지 못하는 독립적인 검토자가 채점합니다. 4~7명의 전문 토론자로 구성된 패널이 각 사례에 대한 채점 기준표를 개발했습니다. 토론자들은 각 사례에 대한 기준표를 독립적으로 개발한 후 여러 차례의 토론을 통해 불일치를 해결했습니다.

연구 유형

중재적

등록 (실제)

92

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

  • 미국
    • California
      • Palo Alto, California, 미국, 94304
        • Stanford University

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

  • 어린이
  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

예

설명

포함 기준:

  • 참가자는 면허가 있는 의사여야 하며 최소한 대학원 2년차(PGY2) 의료 훈련을 이수해야 합니다.
  • 내과, 가정의학, 응급의학 교육을 받습니다.

제외 기준:

  • 현재 임상에 참여하고 있지 않습니다.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 치료
  • 할당: 무작위
  • 중재 모델: 병렬 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔
개입 / 치료
활성 비교기: GPT-4
그룹에는 GPT-4에 대한 액세스 권한이 부여됩니다.
다른: GPT-4
채팅 인터페이스를 갖춘 OpenAI의 GPT-4 대규모 언어 모델.
간섭 없음: 일반적인 자원
그룹에는 GPT-4에 대한 액세스 권한이 부여되지 않지만 대규모 언어 모델(UpToDate, Dynamed, google 등) 외에 원하는 리소스를 사용하도록 권장됩니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
경영추론
기간: 1시간 내 학습
각 사례에 대한 정답률(범위: 0~100)입니다.
1시간 내 학습

2차 결과 측정

결과 측정
측정값 설명
기간
관리에 소요되는 시간
기간: 1시간 내 학습
참가자가 두 연구 부문 간에 사례당 소비한 시간(분)입니다.
1시간 내 학습

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Stanford University

협력자

Beth Israel Deaconess Medical Center
University of Minnesota

수사관

  • 수석 연구원: Jonathan H Chen, MD, PhD, Stanford University
  • 수석 연구원: Adam Rodman, MD, Beth Israel Deaconess Medical Center
  • 수석 연구원: Andrew Olson, MD, University of Minnesota

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)

2023년 12월 28일

기본 완료 (실제)

2024년 4월 19일

연구 완료 (실제)

2024년 4월 19일

연구 등록 날짜

최초 제출

2023년 12월 20일

QC 기준을 충족하는 최초 제출

2024년 1월 5일

처음 게시됨 (실제)

2024년 1월 17일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2024년 9월 27일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 9월 26일

마지막으로 확인됨

2024년 9월 1일

추가 정보

이 연구와 관련된 용어

키워드

기타 연구 ID 번호

  • 71319b

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

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. .

구독하다