전립선 암 진단에서 인공 지능의 수용 가능성 (AccAI)

1. 소개 1.1. 인공 지능의 수용 가능성 1.1.1. 의료 의료 전문가의 인공 지능은 점점 더 많은 성장하고 더 복잡한 도전에 직면하고 있습니다. 건강 문제의 본질이 바뀌고, 워크로드가 증가하고 있으며, 이로 인해 치료가 더 어려워지고 지속적인 지식 업데이트가 필요합니다. 동시에, 의료 분야의 인공 지능 (AI) 도구의 구현이 폭발적이며 진화하는 의료 부문의 요구를 충족시킬 수있는 밝은 기회를 제공합니다.

많은 연구에서 AI 시스템의 기술적 성능을 평가함으로써 임상 AI의 타당성을 탐구했습니다. 그러나 AI 개발의 기술적 특성이 임상 AI의 구현에 직면 한 유일한 과제는 아닙니다. 실제로, 연구에 따르면 의료 전문가와 환자에 의한 임상 AI의 수용 가능성은 이들 사용자에 의한 AI의 효과적인 채택에 영향을 미칩니다. 이 매개 변수를 무시하면 사용 가능한 AI 시스템을 이용하지 않음으로써 자원 낭비로 이어질 수 있습니다.

환자와 의료 전문가에 의한 임상 AI의 수용 가능성은 다른 맥락에서 연구되었지만 대부분의 연구는 일반적으로 의료에서 AI의 수용 가능성에 관한 것입니다. 이 주제는 이미 체계적으로 요약되었으며 AI의 대다수 수용 가능성을 보여줍니다. 반면에, 특정 건강 상황에 대한 연구는 드물며 이러한 맥락에서 AI 수용 가능성은 단순히 의료에서 AI 수용 가능성을 외삽하여 정의 할 수 없다. 실제로, AI의 수용 가능성은 맥락 (질병 진단, 질병의 심각성, AI의 결정의 결과, 의사 결정의 복잡성)뿐만 아니라 AI가 수행하는 과제 (진단, 치료 선택, 예후)에 따라 다릅니다. 또한, AI 수용 가능성 요소는 요구, 선호도 및 사용 상황의 차이로 인해 연구 된 인구 (환자, 의료 전문가, 연구원 및 의료 관리자)에 따라 다릅니다. 따라서 연구가 지칭하는 정확한 맥락으로 AI 수용 가능성을 연구하는 것이 중요합니다.

1.1.2. 전립선 암 진단 프로세스에서 AI의 수용 가능성 전립선 암 진단 (PCA) 프로세스에서 AI 도구의 구현은 의료 이미지의 정보와 예측 모델의 생성을 향상시킬 것입니다. 이는 종양의 생물학적 특성에 대한 적응을 통해 치료를 개인화하는 최종 목표와 함께 PCA 진단을 최적화하고 공격성을 예측하는 데 상당한 발전을 나타냅니다. 이것은 전립선 생검의 필요성을 줄여서 개인의 준수를 증가시키고 증상이 나타나기 전에 테스트를 장려합니다. 또한, PCA의 조기 탐지는 치료 성공률을 극적으로 향상시킨다.

PCA 진단 프로세스에서 AI를 구현할 수있는 기회를 고려할 때, PCA 컨텍스트에서 AI의 최종 사용자가 될 환자 및 의료 전문가 에게이 구현의 수용 가능성 과이 구현 조건을 연구해야합니다. 일부 연구는 이러한 수용 가능성을 조사했지만이 분야의 연구는 여전히 제한적이며 추가 조사가 필요합니다.

최근의 연구에 따르면 AI에 대한 환자의 신뢰와 AI에 의존하는 비뇨기과 의사에 대한 인식이 평가되었습니다. 이 연구는 환자들이 의사의 올바른 진단을하고, 최신 연구를 고려하고, 진단의 의사 소통을 개별화하고 AI에 비해 이해할 수있는 방식으로 정보를 설명하는 능력에 대해 더 많은 확신을 가지고 있음을 보여주었습니다. 환자는 의사가 통제하지 않은 AI와 AI에 의해 통제되는 AI의 진단에 대한 신뢰에 대한 신뢰가 높다고 밝혔다.

두 번째 연구는 참가자들이 상상 한 AI의 세 가지 표현을 통해 PCA의 맥락에서 AI 진단 및 치료에 대한 남성의 두려움과 기대를 탐구했습니다. 상상 된 세 가지 표현은 의료 서비스 제공 업체를 돕는 도구로서 AI, Advanced Machine 및 AI를 의료 서비스 제공 업체를 대체 할 기업으로서 AI였습니다. 마지막 가상은 참가자에게 최악의 시나리오입니다. 모든 상상력에서 참가자들은 AI를 긍정적 인 빛으로 보았지만 AI가 더 많은 의사를 대신할수록 AI가 부정적인 빛으로 AI를 더 많이 보았습니다.

1.1.3. 수용 가능성의 개념 임상 AI의 수용 가능성 개념은 잘 정의되지 않았습니다. 개인의 기술 혁신을 사용하고 받아들이려는 행동 의도를 설명하고 예측하기위한 프레임 워크가 존재하더라도, 이러한 모델은 의료 맥락에 적합하지 않습니다. 디지털 건강 기술과 같은 방식으로 AI를 고려합니다. 그러나 AI보다보다 단순한 방식으로 작동하는 디지털 기술과 비교하여 의료 컨텍스트와 AI의 복잡성을 고려해야합니다. 따라서 임상 AI의 수용 가능성 개념을 더 잘 정의해야합니다. 일부 연구는 기존 기술 수용 프레임 워크를 수정하여 두 가지 다음 프레임 워크와 같은 위의 한계를 고려했습니다.

첫 번째 프레임 워크는 AI 기반 임상 결정 지원 장치의 환자 수용을 통계적으로 모델링합니다. 이 모델의 저자는 가치에 대한 인식 (VAM)을 포함하여 이론적 인 기술 수용의 이론적 틀을 확장하여 의료 부문에 적응시켰다. 이 프레임 워크는 AI 기반 임상 결정 지원 장치의 인식 된 위험과 이점을 평가하여 수용 가능성을 측정합니다. 이 모델의 저자는 미래의 연구가 탐색력을 높이기 위해 다른 이론적 수용 틀에 사용되는 사회적 영향을 포함하여 모델에 추가 요인을 추가해야한다고 제안합니다 (이 모델의 R2는 0.80). 또한 저자는 변수 성별, 연간 가계 소득, 교육 수준, 고용, AI 기술에 대한 기술 지식과 AI 기반 서비스에 대한 친숙 함이 AI 기반 임상 의사 결정 지원 장치를 사용하려는 의도에 큰 영향을 미쳤다고 말합니다.

둘째, Lancet의 최근 연구는 이해 관계자 (환자, 임상의, 연구원 및 의료 관리자)의 진단 목적으로 AI의 수용에 대한 질적 연구를 체계적으로 요약했습니다. 저자는 AI 진단에 적합한 새로운 모델을 만들기 위해 기존 NASSS 프레임 워크를 확장했습니다. NASSS-AI 프레임 워크. 이 새로운 프레임 워크는 6 개의 도메인, 20 개의 하위 도메인 및 43 개의 테마로 구성 되어이 검토에 포함 된 연구에 의해 자주 논의되는 요소를 함께 그룹화합니다.

위에서 언급 한 상이한 이론적 모델에 포함되지 않은 몇 가지 요인은 임상 AI의 환자 수용 가능성에 영향을 미치는 요인으로 다른 연구에 의해 확인되었다. 이러한 요인은 유사한 도구에 대한 연령, 이전 노출, 지리적 위치, 진단 된 질병, 질병의 심각성 및 건강 관리 시스템에 대한 신뢰였습니다.

또한 체계적인 검토에 따르면 AI에 대한 정보가 건강 관리에서 AI에 대한 AI 수용 가능성을 평가하는 연구의 참가자들에게 AI에 대한 정보가 어떻게 제공되는지 조사했습니다. 이 체계적인 검토는 대부분의 연구가 연구의 한계로서 연구의 맥락에서 AI에 대한 제한된 환자 지식을 인용한다는 것을 나타냅니다. 또한, 여러 연구에 따르면 연구 시작시 환자에게 제공된 정보 유형이 결과에 영향을 미칩니다. 결과적으로, "중재 일관성"요소가 우리의 연구 프레임 워크에 추가 될 것입니다. 이 요인은 의료 개입의 수용 가능성을 연구하는 이론적 수용 가능성 (TFA)에 통합되어 있습니다.

1.2. 데이터 이타주의 - 데이터 이타주의를 제공하는 데이터는 데이터 과목의 동의 또는 자연 및 법률 인의 허가, 보상 및 일반적인 관심의 목표에 따라 개인 및 비 개인 데이터를 자발적으로 제공하는 것으로 이해됩니다.

임상 AI의 개발에는 많은 양의 건강 데이터가 필요합니다. 이 데이터의 사용은 도구가 진행되고 발전 할 수 있기 때문에 불가피합니다. 위에서 설명한 바와 같이, 임상 AI는 환자와 의료 서비스 제공자에 의해 받아 들여야하지만 환자 데이터에 의해 공급되어야합니다. 따라서 그들은 건강 데이터를 제공하기로 동의해야합니다.

개인 건강 데이터를 제공하려는 환자의 의지는 일반적으로 2 차 사용 (임상, 공중 보건 연구, 역학 등에 대한 데이터 공유)에서 널리 연구되었지만 특히 AI의 맥락에서 잘 연구되지 않았습니다. 일부 연구는 간단한 질문으로 건강 데이터를 제공하려는 의지를 평가합니다. 피부암 진단에서 AI에 대한 연구에 따르면 응답자의 88%가 AI 기반 의료 응용 프로그램 개발을 위해 건강 데이터를 익명으로 사용할 수있게 해줍니다.

파일럿 연구에 따르면 일반적인 실습을 위해 AI를 개발할 목적으로 데이터에 대한 환자의 관점을 탐구했습니다. 이 연구의 참가자들은 일반적인 관행을위한 AI의 개발이 데이터를 기꺼이 제공 할 목표라고 생각했습니다. 그들은 질병 관리를 돕고 데이터를 제공함으로써 일반 개업의 (GP)를 돕고 싶다고 말했다. 데이터를 제공하려는 의지는 GP와의 신뢰 관계에 달려있었습니다.

1.2.1. 건강 데이터를 제공하려는 의지의 개념은 2 차 사용 또는 AI 개발 목적으로 건강 데이터를 제공하려는 환자의 의지를 연구하기위한 검증 된 프레임 워크를 제공하지 않았다. 최근의 체계적인 검토에 따르면 이러한 의지를 결정하기위한 검증 된 측정 도구가 없다고 결론을 내 렸습니다.

연구는 연구 목적으로 건강 데이터를 제공하려는 환자의 의지에 대한 개념적 모델을 개발했습니다. 이 프레임 워크는 인식 된 데이터 제공의 이점과 위험을 평가하는 검증 된 값 지각 프레임 워크를 기반으로합니다. 저자는이 프레임 워크에 최종 사용자의 유형, 수집 된 데이터 유형, 컨텍스트 등과 같은 연구 목적을 제공하는 데이터와 관련된 몇 가지 요소를 추가했습니다. 이러한 요소는 건강 데이터를 제공하기위한 조건으로 이해할 수 있습니다.

2. 목표이 연구의 목표는 전립선 암 진단 및 AI의 의료 서비스 제공자에 대한 지원으로 전립선 암 및 의료 서비스 제공자가 AI의 수용 가능성과 그 상태를 더 잘 이해하는 것입니다. 이 연구는 또한 임상 AI 발달에 대한 건강 데이터와 이러한 의지를 둘러싼 조건을 제공하려는 사람들의 의지를 더 잘 이해하는 것을 목표로합니다.

이 연구의 목표는 다음과 같습니다.

1. 전립선 암 진단에서 의료 서비스 제공자에 대한 지원으로 AI의 구현과 관련하여 전립선 암 환자의 수용 가능성을 결정 하고이 구현 조건을 탐색하십시오.

2. 임상 AI 개발에 대한 건강 데이터를 제공하려는 사람들의 의지를 결정 하고이 의지의 조건을 탐색하십시오.

3. 전립선 암 진단에서 AI의 구현에 관한 의료 서비스 제공자의 수용 가능성을 결정 하고이 구현의 조건을 탐색하십시오.

3. 방법 3.1. 연구 및 연구 프로세스의 유형이 연구는 초기 정량 단계로 이어지는 초기 정량 단계를 포함하는 단면 관찰, 혼합 방법, 순차적 연구입니다. 이 연구는 다국적 기업, 벨기에, 이탈리아 및 스페인의 참가자를 모집합니다.

각 국가는 필요한 경우 의정서를 윤리위원회에 제출합니다. 이 연구의 설계는 그림 1에 제시되어있다. 이 프로토콜은 정량적 단계와 관련이 있습니다. 질적 단계의 프로토콜은 질적 단계의 개발을 위해서는 정량적 단계 설문지의 분석이 필요하기 때문에 나중에 윤리위원회에 제출 될 것입니다.

그림 1 : 연구 설계 3.2. 정량적 단계 2 프레임 워크의 프레임 워크 가이 단계에서 두 가지 목표에 해당하는데,이 단계에서 두 가지 목표에 해당합니다 (전립선 암 진단에서 의료 서비스 제공자에 대한 지원으로 AI의 구현과 관련하여 전립선 암이있는 사람들의 수용 가능성을 결정하고 임상 AI 발달에 대한 건강 데이터를 제공하려는 사람들의 의지를 결정합니다).

전립선 암 진단에서 의료 서비스 제공자에 대한 지원으로서 AI의 구현과 관련하여 전립선 암 환자의 수용 가능성을 결정하기 위해, 이전에 제시된 기존 프레임 워크 (NASSS-AI 및 TFA의 인식에 기초한 프레임 워크)를 기반으로 프레임 워크가 만들어졌습니다. 가치의 인식에 기초한 프레임 워크는 인식 된 이점에 대한 위험을 측정하기위한 기초로 사용되었습니다. 이 모델에 사회적 영향력이 추가되었습니다.이 모델은 저자가 제안했습니다. NASSS-AI와 이전에 인용 된 프레임 워크에서 영감을 얻은 "사용 조건"요소 및 하위 차원도 추가되었습니다. "중재 일관성"요소가 TFA에 따라 추가되었습니다.

전립선 암 진단에서 의료 서비스 제공자에 대한 지원으로서 AI의 구현과 관련하여 전립선 암 환자의 수용 가능성을 조사하는 데 사용 된 최종 프레임 워크가 그림 2에 제시되어 있습니다.

그림 2 : 전립선 암 진단에서 의료 서비스 제공자에 대한 지원으로서 AI의 구현과 관련하여 전립선 암 환자의 수용 가능성에 대한 이론적 모델.

AI 개발 목적으로 건강 데이터를 제공하려는 사람들의 의지를 결정하기 위해, 인식 된 위험과 지각 된 이점의 균형을 맞추는 가치 인식에 기초하여 기존 프레임 워크를 기반으로 프레임 워크가 만들어졌습니다. 이 의지를 탐구하기 위해 "조건"요소가 추가되었습니다. 임상 AI 개발을위한 건강 데이터를 제공하려는 사람들의 의지를 연구하는 데 사용 된 최종 프레임 워크는 그림 3에 제시되어 있습니다.

그림 3 : 임상 AI 개발을위한 건강 데이터를 제공하려는 사람들의 의지에 대한 이론적 모델.

3.3. 정량 단계의 인구 특성 연구 집단은 국소 전립선 암을 가진 사람들입니다.

포함 기준은 다음과 같이 정의됩니다.

• 18 년 이상;

• 국소 전립선 암 진단으로;

• 연구에 동의합니다.

제외 기준은 다음과 같이 정의됩니다.

• 프랑스어를 말하지 않음;

• 처음부터 전이성 암 진단;

• 말기 병;

• 정신 지체, 치매 또는 의식 상태가 바뀌는 사람들.

3.4. 정량적 단계의 샘플 선택된 샘플링 방법은 자원 봉사 샘플링입니다. 포함 기준을 충족시키고 제외 기준을 충족시키지 못하는 개인은 자체 관리 온라인 설문지를 완료하는 것이 포함 된 연구에 참여할 수 있습니다.

설문지는 다음 채널을 통해 배포됩니다.

• Elipse Network의 비뇨기과 부서에서 포스터 및 전단지 캠페인. 포스터와 전단지에는 설문지의 링크 및 QR 코드가 표시됩니다. 이 연구의 공동 조사관 E. Koshmanova는 Elipse Network의 하나 이상의 병원에서 완료 프로세스에 개입하지 않고 설문지에 액세스하는 데 도움을 제공 할 수 있습니다. 그녀는 또한 연구에 참여하고 싶지만 필요한 장비가없는 참가자가 사용할 수있는 노트북 또는 태블릿을 갖게됩니다.

• 소셜 미디어의 사진 형식으로 포스터 디자인을 통한 설문지의 링크 및 QR 코드 배포.

• 사진 형식으로 포스터 설계를 통한 링크 및 QR 코드의 분포 또는 환자 연관성을 통한 배포. 이러한 협회는 네트워크 또는 메일 링리스트를 통해이를 공유합니다. 협회는 관련이있는 것으로 간주되는 경우 시설에 포스터 및/또는 전단지를 표시 할 수 있습니다.

연구 제약은 국가 당 최소 50 명의 참가자를 포함시키고 국가 당 최대 100 명의 참가자를 포함해야하므로 샘플 크기 계산은 수행되지 않았습니다.

설문지에 액세스하려면 사람들은 설문지 링크를 사용하거나 QR 코드를 스캔합니다. 계정을 만들 필요가 없습니다. 링크를 사용하거나 QR 코드를 스캔 한 후 가장 먼저 나타나는 것은 설문지 홈페이지입니다. 참가자는 정보와 동의 양식을 읽고 연구에 동의하도록 초대됩니다. 정보 및 동의서에 동의가 정보 및 동의서에서 직접 수집되지 않고 설문지의 첫 번째 섹션 (사전 동의서 양식의 재전송)을 통해 지정되어 있습니다. 이것은 연구에 동의하지 않는 사람들, 즉 모든 진술을 선택하지 않는 사람들에게 나머지 설문지에 대한 액세스를 차단합니다.

참가자가 동의를 제공하는 경우 설문지에 액세스 할 수 있으며 참가자는 연구의 포함 기준을 충족하고 연구의 제외 기준을 충족하지 않음을 확인해야합니다. 이러한 요소를 확인하지 않으면 설문지가 종료됩니다. 이러한 요소를 확인하면 설문지가 시작됩니다.

규정에 따라 참가자는 언제든지 연구에서 동의를 철회 할 수있게되면 고유 한 코드가 할당됩니다. 이 코드는이 식별 키를 통해 각 참가자가 다음과 같이 형성됩니다. 성의 첫 글자 + 성의 마지막 문자 + 이름의 첫 글자 + 생년월의 마지막 두 자리 숫자.

온라인 양식이 끝나면 참가자는이 연구의 두 번째 단계 (질적 단계)에 참여하려면 링크를 클릭 할 수 있습니다. 이 링크는 연락처 데이터를 요구하는 두 번째 온라인 설문지로 이동합니다. 두 번째 설문지는 첫 번째 설문지와 관련이 없습니다. 연락처 데이터를 사용하면 개인에게 연락 하여이 연구의 두 번째 단계에 참여할 수 있으며,이 연구의 두 번째 단계 (정 성적 단계)에 대한 윤리위원회의 승인 후에 만 가능합니다.

참가자 채용이 종이 기반 접근 방식을 통해 더 효과적이면 온라인 버전과 동일한 설문지의 용지 버전이 사용됩니다. 이 경우 참가자는 종이 설문지를 작성하고 참여 전에 사전 동의서 양식의 종이 버전에 서명하도록 요청받습니다. 이 경우의 설문지는 연구팀이 RedCap에서 온라인으로 인코딩됩니다.

각 참가자는 공동 조사관에게 질문 할 기회가 있습니다 (E. Koshmanova) 언제든지. 그녀의 연락처 정보는 정보 및 동의서 및 설문지의 시작 부분에 제공됩니다.

3.5. 정량적 단계의 매개 변수를 연구했습니다

첫 번째 온라인 설문지와 함께 여러 매개 변수를 수집합니다.

• 개인과 관련된 정보 : 연령, 인식 된 소득, 고용, 교육, 인식 건강 상태, 체류 국가, 전립선 암의 심각성 (진단이 얼마나 오래되었는지, 치료 받고 있는가), 이전의 치료 경험, 유사한 도구에 대한 이전 노출, 건강 관리 시스템에 대한 신뢰.

• 사람들의 기술에 대한 정보 : 건강 문해력, 전자 건강 문해력, AI 기술에 대한 기술 지식, AI 기반 서비스에 대한 친숙 함.

• 전립선 암 진단에서 의료 서비스 제공자에 대한 지원으로서 AI를 구현하는 전립선 암을 가진 사람들의 수용 가능성과 관련된 질문.

• 전립선 암 환자의 의지와 관련된 질문 임상 AI 개발을위한 건강 데이터를 제공합니다.

두 번째 온라인 설문지와 함께 여러 데이터가 수집됩니다.

• 성 및 성;

• 전화 번호;

• 거주 국가;

• 우편 번호.

이 설문지는 첫 번째 설문지와 무관합니다. 3.6. 정량적 단계 온라인 설문지의 데이터 수집 도구는 RedCap 플랫폼의 참가자와 공유됩니다. 3.6.1. 설문지 번호 1 : 온라인 설문지는 전립선 암 진단에서 의료 서비스 제공자에 대한 지원으로 AI의 구현과 관련하여 전립선 암 환자의 수용 가능성을 평가하고 임상 AI 개발 목적으로 건강 데이터를 제공하려는 의지를 목표로합니다. 설문지는 또한 3.5 지점에 언급 된 바와 같이 특정 사람들의 특성에 대해 묻습니다. 이 설문지는이 연구의 맥락에서 AI가 치료에 어떻게 관여하는지에 대한 설명에 의해 소개됩니다.

설문지는 두 개의 설문지를 기반으로합니다. 먼저, 값의 인식에 기초한 프레임 워크에 관련된 설문지가 사용되었습니다. 둘째, 연구 목적으로 건강 데이터를 제공하려는 의지를 연구하는 프레임 워크와 관련된 설문지는 영감으로 사용되었습니다 (19).

3.6.2. 설문지 2 번 :이 설문지의 목표는이 연구의 두 번째 단계에 참여하려는 참가자에게 연락하는 것입니다 (정 성적 단계).

3.7. 캘린더 그림 1 : 간트 차트. 4. 정량적 단계의 윤리적 우려 연구는 참가자에게 위험이나 단점을 제시하지 않습니다. 일반적인 임상 관리에 변화가 필요하지 않습니다. 수집 된 정보는 의료 직원에게 공개되지 않습니다.

설문 조사는 전반적인 연구 관리를 위해 설계된 소프트웨어 패키지 인 RedCap 플랫폼을 사용하여 개발 될 것이며 Chul의 CTC (Clinical Trial Center)가 감독하는 건강 연구 호스트에 대한 규제 요구 사항을 충족합니다.

참가자가 실제로 연구에 참여하기 전에 정보 및 동의 양식이 완료됩니다 (전자 버전). 참가자는 교장 수사관으로부터 동의를 철회 할 수 있습니다 (D. Waltregny) 언제든지.

수집 된 모든 데이터는 각 참가자에게 할당 될 고유 코드로 가명됩니다. 이 코드는이 식별 키를 가진 참가자들에 의해 형성됩니다. 성의 첫 글자 + 성의 마지막 문자 + 이름의 첫 글자 + 생년월의 마지막 두 자리 숫자.

또한 접촉 데이터는 일반 데이터 보호 규정 (GDPR)에 따라 수집, 처리 및 저장됩니다.

이 연구는 윤리위원회의 승인 후에 만 시작됩니다.