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

부인과 종양학 치료를 돕기위한 큰 언어 모델 (EASING)

2025년 8월 25일 업데이트: Philipps University Marburg

부인과 종양학에서 의대생 및 대형 언어 모델 (LLMS) 인식

이 시험은 치료 지침 PDF와 비교하여 의대생에게 대규모 언어 모델에 대한 접근을 제공하는 것이 기존의 여러 분야의 종양 보드와의 치료 일치에 미치는 영향을 평가하는 것을 목표로합니다.

연구 개요

상태

모병

정황

개입 / 치료

상세 설명

AI (Advanced Artificial Intelligence) 기술, 특히 OpenAi의 ChatGpt와 같은 대형 언어 모델은 의료 의사 결정을 향상시킬 수있는 잠재력을 높입니다. Chatgpt는 의료 응용 프로그램을 위해 특별히 설계되지 않았지만 환자 문의에 응답, 의료 문서 작성 및 임상 상담 지원 등 다양한 의료 시나리오에서 유용성을 보여주었습니다. 이러한 발전에도 불구하고, 특히 복잡한 종양 학적 사례-부적에서 치료 의사 결정을 지원하는 데있어서의 역할.

부인과 종양학의 치료 의사 결정은 증거 기반 지침, 종양 생물학, 환자 별 요인 및 임상 전문 지식을 통합하는 다각적 인 과정입니다. Chatgpt와 같은 AI 도구는 관련 가이드 라인 기반 권장 사항을 합성하고 의사 결정 정확도를 향상 시키며보다 효율적인 임상 워크 플로우를 촉진하는 데 도움이 될 수 있습니다. 그러나 ChatGpt는 종양 학적 치료 결정을 위해 구체적으로 조정되지 않으며이 영역에서 포괄적 인 검증이 부족합니다. 또한, 그것은 잘못된 정보 또는 그럴듯한 소리를 낼 수 있지만 부정확 한 권장 사항을 생성 할 수 있으며, 이는 임상 적 판단에 영향을 줄 수 있습니다. 따라서 학생 및 초기 의사를 포함한 의료 전문가가 이러한 AI 도구와 상호 작용하는 방법을 이해하는 것이 임상 실습에 광범위하게 통합되기 전에 필수적입니다. LLAMA와 같은 로컬로 배치 가능한 모델은 안전한 온 프레미스 사용을 가능하게하는 반면 검색된 세대는 지침 호환 권장 사항을 보장합니다.

이 연구는 부인과 종양학 사례를 관리하는 의대생의 치료 결정 지원에 대한 언어 모델의 영향을 조사 할 것입니다. 이것은 참가자가 두 그룹으로 무작위로 배정되는 크로스 오버 연구입니다. 모든 참가자는 두 개의 비네팅에 대한 Chatgpt에 액세스하는 것으로 시작합니다. 그런 다음 로컬로 배치 된 언어 모델을 사용하여 두 가지 사례를 진행 한 다음 가이드 라인 PDF에 의존하는 두 가지 사례 또는 그 반대도 마찬가지입니다.

각 참가자는 임상 사례를 분석하고 치료 계획을 제안하며 의사 결정 및 의사 결정 지원 시스템 사용에 대한 신뢰를 평가합니다. 이 연구는 Chatgpt와 같은 AI 도구를 종양 치료 의사 결정에 통합 할 때의 잠재적 이점과 한계에 대한 통찰력을 제공하는 것을 목표로합니다.

연구 유형

중재적

등록 (추정된)

68

단계

  • 해당 없음

연락처 및 위치

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

연구 연락처

연구 연락처 백업

연구 장소

  • 독일
      • Marburg, 독일, 35043
        • 모병
        • Institute for Digital Medicine, University Hospital of Giessen and Marburg, Philipps University Marburg
        • 연락하다:

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
  • 고령자

건강한 자원 봉사자를 받아들입니다

예

설명

포함 기준 :

- 임상 과목으로 시작한 의대생

제외 기준 :

- 의대생이 아닙니다

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: 크로스오버 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔
개입 / 치료
다른: 지역 언어 모델을 먼저
Chatgpt를 사용한 후 먼저 지역 언어 모델에 액세스 할 수 있습니다.
다른: 현지 언어 모델
Chatgpt를 사용한 후 먼저 지역 언어 모델에 액세스 한 다음 PDF 파일에 액세스 할 수 있습니다.
다른: 가이드 라인 PDF 먼저
Chatgpt를 사용한 후 먼저 가이드 라인 PDF에 대한 액세스 권한이 제공됩니다.
다른: 가이드 라인 PDF
그룹은 chatgpt 후 PDF 파일에 액세스 한 다음 현지 언어 모델에 액세스 할 수 있습니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
종양 보드 결정과의 치료 일치
기간: 개입 후 직접 (10 분 이내)
각 그룹의 참가자는 케이스 비네팅에 대한 치료 방식을 선택합니다.
개입 후 직접 (10 분 이내)

2차 결과 측정

결과 측정
측정값 설명
기간
치료 신뢰
기간: 개입 후 직접 (10 분 이내)
각 사례마다 참가자는 치료 신뢰를 요청받습니다 (VAS 0-10). 평균 점수는 의사 결정 지원 그룹간에 비교됩니다.
개입 후 직접 (10 분 이내)
치료 결정을 위해 보낸 시간
기간: 개입 후 직접 (10 분 이내)
시간 (초) 참가자는 의사 결정 지원 그룹간에 사례 당 소비를 비교합니다.
개입 후 직접 (10 분 이내)

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Philipps University Marburg

수사관

  • 수석 연구원: Sebastian Griewing, MD PhD, Philipps University Marburg

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)

2025년 6월 2일

기본 완료 (추정된)

2025년 8월 30일

연구 완료 (추정된)

2025년 9월 1일

연구 등록 날짜

최초 제출

2025년 2월 11일

QC 기준을 충족하는 최초 제출

2025년 3월 3일

처음 게시됨 (실제)

2025년 3월 10일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2025년 8월 26일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 8월 25일

마지막으로 확인됨

2025년 8월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • 25-29 ANZ (기타 식별자: Philipps University Marburg)

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. .

유방암에 대한 임상 시험

현지 언어 모델에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in India

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다