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

대형 언어 모델 기반 교육 도구의 인공수정체 옵션에 대한 효과성

2025년 12월 19일 업데이트: Robert T. Chang, MD, Stanford University

대규모 언어 모델 기반 교육 도구가 인공 수정체 옵션에 미치는 효과: 무작위 대조 시험

백내장 환자는 수술 날짜 전에 자신의 눈에 삽입할 인공 렌즈의 종류를 선택해야 합니다. 일부 렌즈는 표준형으로 일반적으로 보험으로 커버됩니다. 다른 "프리미엄" 렌즈는 안경 필요성을 줄이는 등 다양한 이점이 있지만 일반적으로 본인 부담 비용이 듭니다.

복잡한 외래 진료와 함께 빠르게 변화하는 백내장 수술 분야에서 다양한 인공 렌즈 선택지는 종종 환자들이 이용 가능한 렌즈 옵션에 대해 혼란을 느끼게 합니다. 프리미엄 렌즈에 대한 교육 자료는 풍부하지만, 접근성에 제한이 있으며 단일 교육 수준으로 표준화되어 있습니다.

따라서 본 연구에서는 의사와의 상담 전에 OpenAI의 Custom GPT를 활용한 LLM 기반 AI 가이드 설명을 환자에게 제공하는 것이 진료 효율성, 의사의 설명 및 환자의 렌즈 옵션 이해도를 향상시킬 수 있는지 테스트하고자 합니다. 우리는 두 그룹을 비교할 것입니다: 표준 치료 대 표준 치료 + AI 교육.

본 연구의 LLM은 연구 참가자들에게 프리미엄 인공 수정체(IOL) 옵션에 대한 보충 정보를 제공하기 위한 것이며, 질병의 진단, 치료, 완화에 있어 의료 전문가를 대체할 목적이 전혀 없습니다. 이 연구는 환자가 다양한 IOL 옵션을 보고 학습할 수 있도록 검증된 건강 팸플릿을 제공하는 것과 유사하며, 즉 환자의 옵션 이해를 촉진하는 것입니다.

LLM은 충분한 지침을 제공하기 위해 여러 의료 전문가와 MD 전문가들에 의해 훈련될 것입니다. 출처는 검증된 온라인 자료와 MD 정보를 포함할 것입니다.

연구자들은 대규모 언어 모델 기반 교육 도구가 진료 효율성, 의사의 설명 및 환자의 인공 수정체 옵션 이해도를 향상시킬 수 있는지 알아보고자 합니다. 이 연구의 새로운 지식은 향후 백내장 상담이 어떻게 전달될지 안내할 수 있으며, 클리닉이 일반적인 정보를 반복하는 대신 개별화된 질문에 더 많은 시간을 할애하는 데 도움이 될 수 있습니다.

연구 개요

연구 유형

중재적

등록 (추정된)

70

단계

  • 해당 없음

연락처 및 위치

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

연구 장소

    • California
      • Palo Alto, California, 미국, 94303
        • Byers Eye Institute

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

아니

설명

포함 기준:

  • 만 18세 이상
  • 안과 클리닉에서 백내장 평가 또는 수술 전 백내장 상담을 받는 경우
  • 정보에 기반한 동의서를 제공할 수 있는 경우
  • 영어 사용 가능
  • 양안 모두 이전에 백내장 수술을 받은 적이 없는 경우 (모든 환자가 첫 번째 눈 인공수정체 결정을 내릴 수 있도록)

제외 기준:

  • 의미 있는 상담 또는 설문 조사 완료를 방해하는 인지 장애 또는 청력 장애
  • 일상적인 백내장 상담을 우선시할 수 없는 긴급한 안과 질환 (예: 급성 망막 박리)
  • 환자가 방문 후 간단한 설문 조사를 거부하거나 완료할 수 없는 경우
  • 단일 초점이 아닌 렌즈 옵션의 적격성에 영향을 미칠 수 있는 안과 질환을 가진 경우

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
실험적: LLM 기반 교육 + 표준 치료
  • 참가자는 동료 의사를 면담하기 전에 맞춤형 GPT를 활용한 짧고 구조화된 LLM 기반 AI 교육 세션을 듣게 됩니다(10분 이내). 이 AI 스크립트는 단일 초점 인공수정체와 프리미엄 옵션(토릭, 확장 초점 깊이, 다초점, 빛 조절 렌즈)을 설명하며, 이점, 절충점, 그리고 본인 부담 비용을 포함합니다.
  • AI 모듈은 환자가 스크립트 범위 내에서 명확한 질문을 할 수 있도록 허용할 수 있습니다. 이 AI 세션은 현재 표준 치료의 일부가 아니며 실험적 중재로 간주됩니다.
  • 참가자는 동료 의사와 주치의와의 임상 방문 후 환자 만족도(CSQ-8) 설문지를 작성합니다.
참가자는 동료나 주치의를 만나기 전에 대형 언어 모델(LLM)로 구동되는 음성 교육을 받게 됩니다. LLM은 훈련된 연구 팀원이 10인치 태블릿 또는 노트북 장치를 사용하여 제공합니다. 상호작용은 직원의 간섭 없이 자가 안내 방식으로 진행되며, LLM이 잘못되거나 "환각"된 내용을 표시하는 경우에만 개입합니다. 이러한 경우 연구 직원은 즉시 잘못된 정보를 수정하고, 품질 모니터링을 위해 환각 발생의 세부 사항과 빈도를 포함한 사항을 기록합니다. LLM 모듈은 인공 수정체 옵션에 관한 교육 자료를 제공하고 연구 참가자의 질문에 답변합니다. 이 LLM 기반 교육은 연구 목적으로만 사용됩니다. 그 후 참가자는 예정된 방문을 진행합니다.
간섭 없음: 표준 치료
  • 참가자는 AI 모듈을 건너뛰고 현재 표준 치료 관행을 반영하는 일반 동료 및 주치의 상담으로 직접 진행합니다.
  • 참가자는 동료 및 주치의와의 임상 방문 후 환자 만족도(CSQ-8)를 작성합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
총 상담 시간
기간: 등록일 동일일 최대 2시간
연구 참여자와의 방문 시 동료 의사와 주치의의 총 상담 시간이 분 단위로 기록됩니다.
등록일 동일일 최대 2시간

2차 결과 측정

결과 측정
측정값 설명
기간
Client Satisfaction Questionnaire-8(CSQ-8)로 측정된 환자 만족도 척도 점수
기간: 등록 당일 최대 2시간
4점 서열형 리커트 척도 응답 옵션. CSQ 8 총점은 연속형 결과로 사용되며, 높은 점수는 더 높은 만족도를 나타냅니다.
등록 당일 최대 2시간
팔 사이에서 단일 초점 렌즈를 선택한 백내장 수술용 인공수정체의 백분율
기간: 등록 후 최대 4주
수술 당일 선택된 단초점 또는 비단초점으로 그룹화된 인공수정체는 수술 후 삽입 시 문서화될 것입니다.
등록 후 최대 4주

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 수석 연구원: Robert T Chang, MD, Stanford University

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 (추정된)

2026년 1월 1일

기본 완료 (추정된)

2026년 6월 1일

연구 완료 (추정된)

2026년 6월 1일

연구 등록 날짜

최초 제출

2025년 12월 19일

QC 기준을 충족하는 최초 제출

2025년 12월 19일

처음 게시됨 (실제)

2026년 1월 5일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 1월 5일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 12월 19일

마지막으로 확인됨

2025년 12월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • 82807

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