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

인공지능이 임상의의 적절한 자신감을 높여주는가? 조산 예측에 관한 무작위 연구

2026년 6월 30일 업데이트: Emilie Pi Fogtmann Sejer, Rigshospitalet, Denmark

인공지능이 임상의의 적절한 확신을 높이는가? 조산 예측에 관한 무작위 연구

이 무작위 설문지 기반 연구의 목표는 임신중단 초음파 이미지가 포함된 임상 사례 비네트를 사용하여 자발적 조산 위험을 평가할 때 산부인과 의사의 임상 판단에 인공지능(AI) 의사결정 지원의 다양한 제시 방식이 어떻게 영향을 미치는지 평가하는 것입니다. 이 연구는 특히 두 가지 AI 제시 형식을 비교합니다: 이진 분류(조산 대 만삭)와 조산에 대한 개별화된 위험 추정치입니다.

이 연구가 답하고자 하는 주요 질문은 다음과 같습니다:

  • 어떤 AI 제시 형식이 임상의의 확신과 의사결정 정확성(진단 보정) 사이에 더 나은 일치를 이끌어내는가?
  • 서로 다른 AI 제시 형식이 임상 결정에 도움이 되거나 해로운 변화를 초래하는가?

참가자는 임상 사례를 검토하고, 진단 및 치료 결정을 내리며, AI 출력을 보기 전후의 진단 확신도를 평가하고, AI에 대한 신뢰도를 보고하는 온라인 설문지를 작성하게 됩니다.

연구 개요

상태

모병

정황

개입 / 치료

연구 유형

중재적

등록 (추정된)

125

단계

  • 해당 없음

연락처 및 위치

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

연구 연락처

연구 장소

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

  • 어린이
  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

예

설명

포함 기준:

  • 산부인과 분야에서 현재 근무 중이거나 수련 중인 의사.
  • 질식 자궁경부 초음파 검사 수행 경험.

제외 기준:

- 질식 자궁경부 초음파 검사 수행 경험이 없는 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: 다른
  • 할당: 무작위
  • 중재 모델: 병렬 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔
개입 / 치료
실험적: AI 예측
참가자들은 이진 AI 예측(조산 또는 정상 분만)을 받습니다
행동: AI 예측 (이진)
자궁경부 초음파를 기반으로 한 AI 의사결정 지원은 표준 임상 정보 외에도 이진 분류(37주 이전 조산 또는 만삭 분만)를 제공합니다.
실험적: AI 위험 예측
참가자들은 조산 위험도 AI 예측치(%)를 받습니다
행동: AI 위험 추정치 (%)
자궁 경부 초음파를 기반으로 한 AI 의사 결정 지원이 표준 임상 정보 외에 조산 위험(%) 추정치를 제공합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
AI 노출 후 임상의 진단 보정 (정확도-신뢰도 정렬)
기간: AI 노출 직후 단일 설문조사 세션(약 20분) 동안.
AI 지원 후 결정 정확도(0/1)와 AI 지원 후 신뢰도 평가(0-10) 간의 일치도는 Brier 점수를 사용하여 정량화됩니다. 신뢰도는 0-1로 재조정되고, 신뢰도와 정확도 간의 제곱 차이가 사례 전체에 걸쳐 평균화되어 참가자 수준의 점수를 생성합니다. 낮은 점수는 더 나은 진단 보정을 나타냅니다. 결과는 무작위 배정 그룹 간에 비교됩니다.
AI 노출 직후 단일 설문조사 세션(약 20분) 동안.

2차 결과 측정

결과 측정
측정값 설명
기간
유익한 전환율과 유해한 전환율.
기간: 기준선(AI 노출 전) 및 단일 설문 조사 세션 중 AI 노출 직후(약 20분).

각 참가자별로 유익한 전환과 해로운 전환의 비율을 계산하고 연구 군 간에 비교합니다.

유익한 전환 = AI 도입 전 잘못된 결정이 AI 도입 후 올바른 결정으로 변경된 경우.

해로운 전환 = AI 도입 전 올바른 결정이 AI 도입 후 잘못된 결정으로 변경된 경우.
기준선(AI 노출 전) 및 단일 설문 조사 세션 중 AI 노출 직후(약 20분).
AI 활용 전후의 결정 정확도, 확신, 진단 보정의 변화
기간: 기준선(AI 노출 전) 및 단일 설문조사 세션(약 20분) 중 AI 노출 직후
AI 사용 전후의 참가자 내 의사 결정 정확도(정확한 결정의 비율), 확신도 평가 및 진단 보정의 변화. 차이는 무작위 배정 그룹 간에 비교되며 AI 정확도에 따라 계층화됩니다.
기준선(AI 노출 전) 및 단일 설문조사 세션(약 20분) 중 AI 노출 직후
자신이 평가한 AI에 대한 신뢰와 AI에 대한 행동적 의존도 간의 연관성
기간: 단일 설문지 세션 중 AI 노출 직후(약 20분 소요).
AI 노출 후 각 케이스에 대해 수치 평점 척도(0-10)를 사용하여 AI 출력에 대한 자가 평가 신뢰도를 측정합니다. 행동적 의존성은 AI 출력과 일치하는 AI 이후 결정의 비율로 정량화됩니다. 참가자 수준에서 AI가 정확할 때와 부정확할 때의 일치도를 포함한 신뢰도 평점과 행동적 의존성 간의 관계를 평가하고 무작위 배정 그룹 간에 비교합니다.
단일 설문지 세션 중 AI 노출 직후(약 20분 소요).
추적 자궁경부 초음파 계획.
기간: 기준선(AI 노출 전) 및 단일 설문지 세션 중 AI 노출 직후(약 20분).
참여자별로 요약하고, AI 도입 전후 및 무작위 배정 그룹 간 비교를 통해 의료진이 추가 자궁경부 초음파 검사를 계획하는 경우의 비율(예/아니오)
기준선(AI 노출 전) 및 단일 설문지 세션 중 AI 노출 직후(약 20분).

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Rigshospitalet, Denmark

협력자

Technical University of Denmark
Copenhagen Academy for Medical Education and Simulation
The Foundation of 17.12.1981
Department of Computer Science, University of Copenhagen, Denmark

수사관

  • 연구 의자: Martin G Tolsgaard, MD, PhD, DMSc, Department of Obstetrics and Gynecology, Copenhagen University Hospital - Rigshospitalet, Copenhagen, Denmark

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)

2026년 2월 3일

기본 완료 (추정된)

2026년 7월 1일

연구 완료 (추정된)

2026년 7월 1일

연구 등록 날짜

최초 제출

2026년 1월 27일

QC 기준을 충족하는 최초 제출

2026년 2월 3일

처음 게시됨 (실제)

2026년 2월 11일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 7월 1일

QC 기준을 충족하는 마지막 업데이트 제출

2026년 6월 30일

마지막으로 확인됨

2026년 6월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • P-2024-18108

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

IPD 계획 설명

개별 참가자 데이터는 공개적으로 공유될 계획이 없습니다. 집계된 결과는 보고될 예정입니다. 비식별화된 데이터는 합리적인 요청과 기관 정책 및 적용 가능한 데이터 보호 규정에 따라 제공될 수 있습니다.

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