뇌 MRI 보고서를 위한 LLM 생성 비전문가 요약 (CLEAR-HEAD)
뇌 MRI 보고서를 위한 LLM 생성 일반인 요약
이 임상시험의 목표는 인공지능(AI)이 작성한 요약이 두통에 대한 뇌 MRI 보고서를 성인이 이해하는 데 도움이 되는지 알아보는 것입니다. 주요 질문은 다음과 같습니다: "간단한 요약을 추가하면 독자가 보고서에서 두통의 원인이 발견되었는지 올바르게 이해하는 데 도움이 되는가?" 연구자들은 표준 MRI 보고서와 AI가 생성한 설명이 포함된 보고서를 비교하여 추가 요약이 이해도를 향상시키는지 확인할 것입니다.
참가자는 다음과 같은 활동을 수행합니다:
온라인으로 가상의 뇌 MRI 보고서 6개를 읽습니다. 결과를 이해했는지 확인하기 위한 질문에 답합니다. 만족도를 평가하고 의사의 도움이 필요한지 느끼는지 평가합니다.
연구 개요
상세 설명
배경 두통은 응급실 방문의 약 2%에서 4%를 차지하며, 프랑스에서는 연간 약 450,000건의 상담을 나타냅니다. 이러한 사례의 95%는 양성 일차성 두통이지만, 긴급한 처치가 필요한 이차적 원인을 식별하는 것이 중요하며, 이는 종종 MRI와 같은 신경영상 검사의 사용 증가로 이어집니다. 그러나 방사선학 보고서는 종종 환자와 비전문의가 이해하기 어려운 복잡한 의학 용어를 포함하고 있어 혼란 또는 불안을 유발할 수 있습니다. 대형 언어 모델(LLMs)은 복잡한 의학 텍스트를 단순화할 수 있는 잠재력을 보여주었습니다. 상용 모델이 존재하지만, 오픈 가중치 모델(데이터 보안을 보장하기 위해 로컬에 배포 가능)은 임상 통합을 위한 유망한 방안을 제공합니다. 본 연구는 AI가 생성한 쉬운 언어 요약이 뇌 MRI 보고서에 대한 환자의 이해를 향상시키는 효과를 평가하는 것을 목표로 합니다.
연구 설계 이는 COMPARE 전자 코호트 내에 중첩된 무작위, 대조, 단일맹 검정 시험입니다. 본 연구는 1:1 할당 비율을 가진 병렬 그룹 설계를 사용합니다. 전체 연구는 보안 온라인 양식을 통해 원격으로 수행됩니다.
참가자 본 연구는 이미 COMPARE 전자 코호트에 등록된 성인 자원자를 모집합니다. 참가자는 보고서를 읽고 설문지를 완료할 수 있는 충분한 프랑스어 문해 능력을 가져야 합니다. 본 연구는 가상의 사례 시나리오를 사용하기 때문에 특정 의학적 상태는 포함 기준이 아닙니다.
중재 및 절차 참가자는 뇌 MRI 병력과 알려진 신경학적 병리를 균형 있게 조정하는 최소화 절차를 통해 두 그룹 중 하나에 무작위 할당됩니다. 각 참가자는 일반적인 응급 두통 시나리오를 시뮬레이션한 여섯 개의 가상 뇌 MRI 보고서를 읽도록 요청받습니다. 여섯 개의 보고서는 세 가지 임상 상황을 다룹니다: 두 개는 정상 결과, 두 개는 두통을 설명하지 않는 우연한 발견, 두 개는 두통을 설명하는 이상 소견입니다. 실험 그룹에서 참가자는 표준 MRI 보고서에 오픈 가중치 LLM이 생성한 구조화된 요약 단락이 '환자 및 비방사선 전문의를 위한 종합' 섹션 아래에 삽입된 형태로 제공됩니다. 대조 그룹에서 참가자는 AI 생성 요약 없이 원본 버전의 표준 MRI 보고서를 받습니다.
결과 측정 각 보고서를 읽은 직후, 참가자는 표준화된 설문지를 완료합니다. 주요 결과는 보고서의 이해도이며, '이 보고서에서 두통의 가능한 설명이 발견되었습니까?'라는 이분형 질문에 대한 응답의 정확도로 측정됩니다. 2차 결과에는 리커트 척도로 측정된 참가자 만족도, 전문가 설명에 대한 인지된 필요성, 가족에게 결과를 설명할 수 있는 인지된 능력, 예상 불안 수준이 포함됩니다.
통계 분석 주요 분석은 혼합 로지스틱 회귀 모델을 사용하여 그룹 간 정답 비율을 비교할 것입니다. 이 모델은 중재 그룹을 고정 효과로 포함하고 교차된 무작위 효과(참가자 및 보고서)를 고려하여 개인 내 상관관계와 임상 사례 간 변동성을 관리합니다. 표본 크기는 이해도에서 10% 차이를 95% 검정력으로 탐지하기 위해 412명의 참가자(그룹당 206명)로 계산되었습니다.
연구 유형
등록 (실제)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
-
Lille, 프랑스, 59000
- Lille University Hospital
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- COMPARE e-코호트 참가자
제외 기준:
- 없음
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 다른
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
간섭 없음: 원본 MRI 보고서
|
|
|
실험적: 원본 보고서에 추가된 LLM 생성 요약
|
이 그룹에 배정된 참가자들은 인공지능 도구가 생성한 추가 요약 단락이 포함된 가상의 뇌 MRI 보고서를 읽습니다.
구체적으로, 1000억 개 미만의 매개변수를 가진 오픈 웨이트 대규모 언어 모델(LLM)이 데이터 프라이버시를 보장하기 위해 보안 서버에 로컬 호스팅되어 사용됩니다.
이 모델은 비의학 독자들을 위해 명확하고 구조화된 짧은 종합 내용을 생성합니다.
이 요약은 환자 및 비방사선과 의사를 위한 종합이라는 제목 아래 보고서에 삽입됩니다.
중재는 이 추가된 텍스트로만 구성되며, 보고서의 표준 의학 내용은 변경되지 않습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
보고서의 객관적 이해
기간: 각 응답 완료 시 평균 5분 소요
|
참가자가 의학적 발견을 올바르게 이해하는 능력 평가.
여섯 가지 가상의 뇌 MRI 보고서 각각을 읽은 후, 참가자는 이진 질문에 답합니다: "이 보고서에서 두통의 가능한 설명을 찾았습니까?" (예/아니오).
결과는 특정 임상 시나리오(정상, 우연한 발견 또는 설명적 이상)의 기준 진실과 비교하여 올바른 응답의 비율로 계산됩니다.
|
각 응답 완료 시 평균 5분 소요
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
자기 보고 이해도 점수
기간: 각 응답 완료 시 평균 5분 소요
|
참가자는 MRI 보고서의 명확성을 5점 리커트 척도(1점에서 5점까지)를 사용하여 평가하며, 높은 점수는 높은 만족도를 나타냅니다.
|
각 응답 완료 시 평균 5분 소요
|
|
전문적인 설명에 대한 인지된 필요성
기간: 각 응답 완료를 통해 평균 5분
|
참가자는 보고서를 더 잘 이해하기 위해 의료 전문가와 상담할 필요가 있는지 묻는 이진 질문에 응답합니다: "이 보고서를 더 잘 이해하기 위해 의료 전문가에게 질문하고 싶으십니까?"
(예/아니오).
|
각 응답 완료를 통해 평균 5분
|
|
친척에게 결과를 설명할 수 있는 인지된 능력
기간: 각 응답 완료 시 평균 5분
|
참가자들은 5점 리커트 척도(1점에서 5점까지)를 사용하여 의료 결과를 가까운 친척에게 다시 표현하고 설명하는 자신의 지각된 능력을 평가하며, 점수가 높을수록 지각된 능력이 높음을 나타냅니다.
|
각 응답 완료 시 평균 5분
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
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. .