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

물리 치료 학생의 임상 Reoning을위한 큰 언어 모델

2025년 12월 3일 업데이트: Alfredo Lerín Calvo, Neuron, Spain

물리 치료 학생의 임상 추론 훈련을위한 대규모 인공 지능 기반 언어 모델의 무작위 통제 시험의 타당성. 무작위 대조 시험

임상 추론은 물리 치료 학생들에게 근본적인 기술이며, 환자 정보를 수집하고 해석하여 정확한 진단 및 치료 결정을 내릴 수 있습니다. 전통적인 훈련 방법은 종종 다양한 임상 사례에 대한 학생들의 노출을 제한하여 이러한 기술의 개발을 제한 할 수 있습니다. ChatGpt와 같은 대형 언어 모델 (LLM)을 물리 치료 교육에 통합하면 대화식 및 현실적인 환자 시나리오를 시뮬레이션하여 임상 추론을 향상시키는 새로운 접근 방식을 제공합니다.

이 무작위 통제 시험은 물리 치료 학생들의 임상 추론 기술을 향상시키는 데있어 LLM 기반 교육 개입의 효과를 평가하는 것을 목표로합니다. 이 연구는 여러 대학교 기관의 총 3 년간의 물리 치료 학생들을 모집 할 것입니다. 참가자는 두 그룹 중 하나에 무작위로 할당됩니다.

  1. 실험 그룹-학생들은 8 주 동안 임상 사례를 해결하기 위해 대화적인 인공 지능 모델에 참여하여 LLM 기반 교육을 받게됩니다. 이 모델은 질문에 대한 실시간 응답을 제공하여 진단 및 치료 추론을 개선 할 수 있습니다.
  2. 통제 그룹-학생들은 기존 사례 기반 학습 및 AI 기반 지원없이 감독 된 임상 추론 연습에 참여하여 표준 커리큘럼을 따릅니다.

이 연구의 주요 결과는 표준화 된 서면 사례 평가 및 체계적인 실제 검사를 통해 평가 된 임상 추론 기술의 개선입니다. 2 차 결과에는 디지털 역량의 변화, 학생 참여 수준, 교육 접근 방식에 대한 전반적인 만족, 중재 비용 효율성이 포함됩니다.

이 연구는 임상 추론 훈련에 대한 LLM의 영향을 평가함으로써 AI 중심 교육 도구가 전통적인 물리 치료 교육을 효과적으로 보완하고 실제 임상 실습을위한 학생 준비를 개선 할 수 있는지 여부를 결정하려고합니다.

연구 개요

상태

모병

정황

개입 / 치료

상세 설명

임상 추론은 물리 치료 학생들의 핵심 역량으로 환자 정보를 기반으로 평가, 진단 및 치료 계획을 세울 수 있습니다. 그 중요성에도 불구하고 전통적인 교육 접근 방식은 종종 다양한 임상 사례에 대한 학생들의 노출을 제한하여 포괄적 인 추론 기술을 개발하는 능력을 제한합니다. 인공 지능의 발전, 특히 ChatGpt와 같은 LLMS (Large Language Model)의 발전은 현실적이고 대화식 임상 시나리오를 시뮬레이션하여 유망한 솔루션을 제공합니다.

이 무작위 대조 시험 (RCT)은 물리 치료 학생들의 임상 추론 기술을 향상시키는 전통적인 훈련 방법과 비교하여 LLM 기반 중재의 효과를 평가하는 것을 목표로합니다. 3 학년 학생들은 기존 커리큘럼 기반 사례 토론에 따라 실험 그룹, AI 중심 사례 기반 교육을 받거나 통제 그룹에 무작위로 배정됩니다.

개입은 8 주 동안 지속되며, 그 동안 실험 그룹의 학생들은 LLM과 상호 작용하여 매주 임상 사례를 해결하여 실제 환자 만남을 모방합니다. 이 모델은 가상 환자로서 기능하여 학생들의 문의에 응답하고 진단 추론 및 치료 계획을 개선 할 수 있습니다. 대조적으로, 통제 그룹은 전통적인 서면 및 교사 주도 사례 토론에 참여할 것입니다.

통계 분석 계획

데이터는 SPSS 버전 29.0 (SPSS Inc., Chicago, IL, USA)을 사용하여 분석됩니다. 설명 통계는 참가자의 기준 특성을 요약하는 데 사용되며, 정규성에 따라 평균 ± 표준 편차 (SD) 또는 중간 [사 분위수 범위]로 표현 된 연속 변수 및 빈도 (N) 및 백분율 (%)으로 표시되는 범주 형 변수. 분포의 정규성은 Kolmogorov-Smirnov 테스트 및 Shapiro-Wilk 테스트를 사용하여 평가됩니다. 그룹 간 비교는 사용하여 수행됩니다. 연속 변수에 대한 독립적 인 t- 검정 또는 Mann-Whitney U 테스트; 카이-제곱 테스트 또는 피셔의 범주 형 변수에 대한 정확한 테스트; 반복 측정 ANOVA 또는 선형 혼합 모델은 임상 추론 점수, 디지털 역량 및 만족도 수준에서 시간에 따른 변화를 평가하는 데 사용됩니다.

로지스틱 회귀 모델은 LLM 기반 중재와의 참여 예측자를 탐색하기 위해 적용됩니다. 효과 크기 (Cohen 's D, Rosenthal's R)는 관찰 된 차이의 크기를 측정하기 위해 계산됩니다. LLM 기반 중재를 구현하는 비용을 임상 추론 점수 및 학생 참여 수준의 개선과 비교하여 비용 효율성 분석이 수행됩니다.

통계적 유의성은 p <0.05로 설정되며 모든 분석은 양측 접근법을 사용하여 수행됩니다.

연구 유형

중재적

등록 (추정된)

60

단계

  • 2 단계

연락처 및 위치

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

연구 연락처

연구 장소

  • 스페인
    • Madrid
      • Madrid, Madrid, 스페인, 28023
        • 모병
        • Centro Superior de Estudios Universitarios La Salle
        • 연락하다:
        • 수석 연구원:
          • Raúl Ferrer Peña, PhD

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

  • 성인

건강한 자원 봉사자를 받아들입니다

예

설명

포함 기준 :

  • La Salle Center for Higher University Studies (LCHUS)의 물리 치료 프로그램 3 년째에 등록한 학생들
  • 참가자는 18 세에서 30 세 사이 여야합니다.
  • 학생들은 연구의 목표, 절차 및 잠재적 위험에 대해 브리핑을 한 후 사전 동의서에 서명하여 연구에 참여하기로 동의해야합니다.
  • 참가자는 LLM 기반 플랫폼 (실험 그룹)에 기꺼이 참여하거나 연구 기간 동안 전통적인 학습 활동 (통제 그룹)에 참여해야합니다.

제외 기준 :

  • 물리 치료 교육 3 년을 넘어 이전 임상 경험을 가진 학생들.
  • 중재에 참여하거나 혜택을받을 수있는 능력 (예 : 시력, 청각 또는 운동 장애)을 방해 할 수있는 신체적 또는인지 장애.
  • 연구에 참여하기 위해 사전 동의를 제공하지 않는 학생들.
  • 자료와 개입을 이해하기 위해 스페인어 나 영어로 충분한 능력을 갖지 않는 학생들.

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: 더블

무기와 개입

참가자 그룹 / 팔
개입 / 치료
실험적: LLM 그룹

실험 그룹의 참가자는 임상 추론 교육에 큰 언어 모델 (LLM) 기반 훈련을 포함하는 8 주간의 중재를 겪게됩니다.

학생들은 LLM 기반 플랫폼 (ChatGPT)을 사용하여 매주 임상 사례 시뮬레이션에 참여하여 모델과 상호 작용하여 환자 정보를 얻고 진단을 공식화하며 치료 계획을 제안합니다. LLM은 실시간 응답을 제공하여 가상 환자 만남을 시뮬레이션합니다.

이 교육은 표준 커리큘럼을 보완하여 학생들이 구조화되고 대화식 AI 지원 환경에서 임상 추론 기술을 연습 할 수 있습니다. 중재가 끝날 무렵, 참가자들은 임상 추론, 디지털 역량 및 기술 참여의 개선을 평가하기 위해 최종 사례 기반 평가를 완료 할 것입니다.
다른: 큰 언어 모델
실험 그룹의 중재는 큰 언어 모델 (LLM) 기반 대화 형 플랫폼 (ChatGPT)을 물리 치료 학생들을위한 임상 추론 훈련에 통합하여 구별됩니다. 전통적인 교육 접근 방식과 달리이 중재는 실시간 AI 생성 환자 상호 작용을 제공하여 학생들이 가상 임상 사례 시뮬레이션에 적극적으로 참여할 수 있도록합니다.
활성 비교기: 기존 학습 그룹

통제 그룹의 참가자는 LLM 기반 개입에 노출되지 않고 8 주 동안 임상 추론 훈련을위한 표준 커리큘럼을 따릅니다.

학생들은 서면 사례 분석 및 강사와의 감독 토론을 포함하여 전통적인 학습 방법을 사용하여 매주 사례 기반 토론에 참여합니다. 이 세션은 물리 치료 훈련 프로그램에 사용되는 일반적인 교육 프레임 워크를 따르며 강사 주도 지침을 통해 진단 추론 및 치료 계획을 강조합니다.

교육 기간이 끝나면 참가자들은 임상 추론 기술, 디지털 역량 및 학습 과정과의 전반적인 참여를 평가하기 위해 최종 사례 기반 평가를 완료합니다.
다른: 전통적인
통제 그룹의 중재는 물리 치료 교육에 일반적으로 사용되는 전통적인 사례 기반 학습 접근법을 따릅니다. 실험 그룹과 달리,이 훈련 방법은 인공 지능 또는 대화식 디지털 도구의 통합없이 전적으로 인간 주도 교육 및 서면 사례 분석에만 의존합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
임상 추론 성능
기간: 사례 기반 평가 및 실제 평가를 통해 8 주 중재의 시작과 끝에서 평가됩니다.
이 결과는 개입 후 학생들의 임상 추론 기술의 개선을 측정합니다. 학생들은 환자 정보를 수집, 해석 및 분석하는 능력에 따라 평가되며 정확한 진단 및 치료 계획을 수립합니다. 이것은 Lasater Rubric을 사용하여 서면 사례 연구와 실제 시험을 통해 평가 될 것이며,이 규모는이 결과를 평가하는 데 사용되는 도구입니다.
사례 기반 평가 및 실제 평가를 통해 8 주 중재의 시작과 끝에서 평가됩니다.

2차 결과 측정

결과 측정
측정값 설명
기간
중재와의 학생 참여
기간: 학생 상호 작용 및 사례 완료를 매주 추적하여 8 주 중재 기간 동안 모니터링됩니다.
이 결과는 LLM 기반 플랫폼 (실험 그룹)과 전통적인 사례 기반 학습 (제어 그룹)을 가진 학생들의 적극적인 참여 수준을 측정합니다. 상호 작용 빈도, 사용 기간 및 지정된 사례의 완료율에 따라 참여가 평가됩니다.
학생 상호 작용 및 사례 완료를 매주 추적하여 8 주 중재 기간 동안 모니터링됩니다.
교육 접근법에 대한 만족
기간: LLM 기반 플랫폼에 대한 액세스를 제공하고 다른 결과에서 관찰 된 개선 사항과 비교하는 것과 관련된 비용을 사용하여 중재 기간이 끝날 때 계산됩니다.
이 결과는 학습 경험에 대한 전반적인 학생의 만족도를 평가하고, 중재의 효과, 유용성 및인지 된 가치에 중점을 둡니다. 만족도는 시각적 아날로그 척도 (VAS)를 사용하여 측정되며, 여기서 학생들은 훈련 방법에 대한 만족도를 평가합니다.
LLM 기반 플랫폼에 대한 액세스를 제공하고 다른 결과에서 관찰 된 개선 사항과 비교하는 것과 관련된 비용을 사용하여 중재 기간이 끝날 때 계산됩니다.
디지털 역량
기간: 임시 디지털 역량 설문지를 통해 8 주 개입의 시작과 끝에 평가되었습니다.
이 결과는 임상 추론의 맥락에서 디지털 도구, 특히 Chatgpt와 같은 AI 중심 플랫폼을 효과적으로 사용하는 학생들의 능력을 평가합니다. 학생들은 데이터 관리, 건강 커뮤니케이션 및 디지털 컨텐츠 제작과 같은 여러 영역에서 자신의 기술을 평가하는 디지털 역량 설문지를 완료합니다. Montero-Delgado et al. (2020)
임시 디지털 역량 설문지를 통해 8 주 개입의 시작과 끝에 평가되었습니다.

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Neuron, Spain

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

일반 간행물

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 9월 1일

기본 완료 (추정된)

2026년 6월 30일

연구 완료 (추정된)

2026년 7월 30일

연구 등록 날짜

최초 제출

2025년 1월 30일

QC 기준을 충족하는 최초 제출

2025년 2월 4일

처음 게시됨 (실제)

2025년 2월 5일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2025년 12월 4일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 12월 3일

마지막으로 확인됨

2025년 2월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • ALC001NR005

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

IPD 계획 설명

이 연구에서는 개별 참가자 데이터 (IPD)는 공개적으로 공유되지 않습니다. 임상 추론 평가, 디지털 역량 평가 및 만족도 점수를 포함한 수집 된 데이터는이 연구 연구의 목적에만 사용될 것입니다. 참가자 데이터에 대한 액세스는 연구팀으로 제한되며 외부 당사자와 공유 할 수 없습니다.

참가자의 개인 정보 및 기밀성은 연구 전반에 걸쳐 엄격하게 유지 될 것입니다. 모든 데이터는 익명화되며 식별 가능한 모든 정보는 해당 데이터 보호 규정을 준수하여 안전하게 저장 및 보호됩니다. 또한, 연구 결과는 총 형식으로 공유되며, 공개 보고서 나 간행물에서 개인의 데이터가 공개되거나 식별되지 않도록합니다.

참가자 프라이버시를 보호하려는 윤리적 약속의 일환으로 IPD에 대한 액세스 요청은 부여되지 않습니다.

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. .

큰 언어 모델에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Hungary

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다