Explainable AI in Medical Education: CerViD-MultiModal Framework Trial (CerViD-MM)
2026년 7월 29일 업데이트: Prince L. Fully, University of Liberia
Explainable Artificial Intelligence (XAI) in Medical Education: A Multi-Modal Framework for Enhancing Human-AI Collaboration
This study evaluates whether Explainable Artificial Intelligence (XAI) explanations integrated into medical training improve AI literacy, reduce cognitive workload, and enhance learner trust compared to traditional lecture methods.
Third-year medical students participated in a randomized controlled trial assessing the CerViD-MultiModal diagnostic framework during a neuroimaging diagnostic module focused on fornix atrophy in early and late mild cognitive impairment
연구 개요
상태
완전한
정황
상세 설명
The study utilized a two-phase sequential explanatory design with mixed methodologies.
In Phase 1 (Technical Development), the CerViD-MultiModal model was developed and validated using neuroimaging data from 100 Alzheimer's Disease Neuroimaging Initiative (ADNI) subjects to classify early vs. late mild cognitive impairment via fornix morphometry features.
In Phase 2 (Educational Intervention), a randomized controlled trial was conducted with 120 third-year medical students enrolled in the clinical neuroscience rotation at the University of Liberia.
Participants were randomized into two equal groups (n=60 per group): Control Group: Completed a 45-minute traditional lecture module using static text and bar charts.
XAI-Enhanced Group: Completed an interactive 45-minute module featuring SHAP summary charts, LIME patient-specific explanations, and interactive force graphs.
Post-intervention electronic assessments evaluated four primary outcomes: AI Literacy Score (0-100 scale), System Usability Scale (SUS, 0-100 scale), perceived cognitive workload using the NASA Task Load Index (NASA-TLX, 0-100 scale), and Confidence in AI Interpretation (1-5 scale)
연구 유형
중재적
등록 (실제)
120
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Montserrado County
-
Monrovia, Montserrado County, 라이베리아, 1000
- University of Liberia Medical School
-
-
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
Inclusion Criteria:
- Enrolled as a third-year medical student in the clinical neuroscience rotation at the University of Liberia.
- Willing and able to complete the 45-minute educational module and post-intervention evaluations.
- Provided informed consent to participate in the study.
Exclusion Criteria:
- Prior formal coursework, professional training, or specialized technical degree in artificial intelligence, machine learning, or computer science.
- Inability to complete the post-intervention assessment.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 건강 서비스 연구
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
활성 비교기: Control Group
Participants complete a 45-minute traditional lecture module on AI in neuroimaging using static text and bar charts
|
Standard educational instruction delivered via traditional slides and static charts explaining neuroimaging AI outputs.
|
|
실험적: XAI-Enhanced Group
Participants complete an interactive 45-minute lecture module supplemented with CerViD-MultiModal visual XAI explanations (SHAP summary charts and LIME patient-specific explanations
|
Standard educational instruction delivered via traditional slides and static charts explaining neuroimaging AI outputs.
다른 이름들:
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI Literacy Score
기간: Immediately post-intervention (Day 1)
|
Continuous score (0-100 scale) measuring conceptual knowledge, practical application, ethical awareness, and critical evaluation of AI systems in medicine
|
Immediately post-intervention (Day 1)
|
|
System Usability Scale (SUS) Score
기간: Immediately post-intervention (Day 1)
|
Standardized 10-item scale assessing user perception of system usability, converted to a 0-100 overall score
|
Immediately post-intervention (Day 1)
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Lundberg SM, Lee SI. A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems (NeurIPS). 2017;30:4765-4774.
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 5월 30일
기본 완료 (실제)
2026년 5월 30일
연구 완료 (실제)
2026년 6월 15일
연구 등록 날짜
최초 제출
2026년 7월 29일
QC 기준을 충족하는 최초 제출
2026년 7월 29일
처음 게시됨 (실제)
2026년 8월 4일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 8월 4일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 7월 29일
마지막으로 확인됨
2026년 7월 1일
추가 정보
이 연구와 관련된 용어
키워드
기타 연구 ID 번호
- UL-IRB-2026-XAI-MED
- U01AG024904 (미국 NIH 보조금/계약)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
예
IPD 계획 설명
De-identified individual participant data collected during the study, including post-intervention assessment scores for AI literacy, System Usability Scale (SUS) ratings, NASA Task Load Index (NASA-TLX) workload metrics, and confidence scores, will be made available upon reasonable request.
All direct and indirect identifiers will be removed prior to data sharing to preserve participant privacy.
IPD 공유 기간
De-identified individual participant data and supporting documents will become available within 6 months following publication of the study results in a peer-reviewed journal and will remain accessible for up to 3 years.
IPD 공유 액세스 기준
Data and supporting materials will be shared with qualified academic researchers and clinical educators whose formal proposal has been approved by the research team.
Access is granted solely for scientific research and meta-analytic purposes.
Requests should be submitted via email directly to the Principal Investigator.
IPD 공유 지원 정보 유형
- 연구_프로토콜
- 수액
- ANALYTIC_CODE
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. .