Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Aanvaardbaarheid van kunstmatige intelligentie bij de diagnose van prostaatkanker (AccAI)

26 maart 2026 bijgewerkt door: Ekaterina Koshmanova, Centre Hospitalier Universitaire de Liege

Inzicht in de aanvaardbaarheid van kunstmatige intelligentie als ondersteuning voor zorgverleners bij de diagnose van prostaatkanker - de patiënt in het hart van zijn zorg

Deze studie onderzoekt de aanvaardbaarheid van kunstmatige intelligentie (AI) als een diagnostisch ondersteuningstool bij patiënten met gelokaliseerde prostaatkanker en zorgverleners, evenals hun bereidheid om gezondheidsgegevens te delen voor AI -ontwikkeling.

Achtergrond AI -instrumenten in de gezondheidszorg vertonen veelbelovend potentieel, vooral bij het verbeteren van de nauwkeurigheid van de diagnose en het personaliseren van de behandeling. Succesvolle implementatie hangt echter niet alleen af van technische prestaties, maar ook van de aanvaardbaarheid van AI bij de gebruikers van gebruikers, zowel patiënten als professionals. Eerder onderzoek heeft gevarieerde aanvaardbaarheid aangetoond, afhankelijk van de context, de ernst van de ziekte, de taak uitgevoerd door AI en gebruikerspopulatie.

Doelstellingen beoordelen de aanvaardbaarheid van patiënten van AI als een diagnostische ondersteuning bij prostaatkanker.

Onderzoek de bereidheid van patiënten om gezondheidsgegevens te delen voor het ontwikkelen van klinische AI.

Beoordeel de aanvaardbaarheid door de zorgaanbieders van AI in deze diagnostische context.

Methodologieontwerp: een transversale, gemengde methode, multinationaal onderzoek (België, Italië, Spanje).

Kwantitatieve fase: online vragenlijst, met behulp van aangepaste theoretische kaders (waardeperceptiemodel, Nasss-AI, TFA).

Kwalitatieve fase: volgt op basis van kwantitatieve bevindingen.

Deelnemers: volwassenen met de diagnose gelokaliseerde prostaatkanker. Werving via ziekenhuizen, sociale media en patiëntenverenigingen.

Verzamelde gegevens: persoonlijke en gezondheidsinformatie, houding ten opzichte van AI, bereidheid om gegevens te delen.

Ethiek goedgekeurd door ethische commissies in elk deelnemende land.

Geïnformeerde toestemming verkregen digitaal vóór deelname.

Gegevens geanonimiseerd en GDPR-conform.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

1. Inleiding 1.1. Aanvaardbaarheid van kunstmatige intelligentie 1.1.1. Kunstmatige intelligentie in professionals in de gezondheidszorg wordt geconfronteerd met een veelvoud aan groeiende en steeds complexere uitdagingen. De aard van de gezondheidsproblemen is aan het veranderen, de workloads nemen toe, wat leidt tot een moeilijker management in de zorg en ook een constante update van kennis vereist. Tegelijkertijd is de implementatie van kunstmatige intelligentie (AI) -tools in de gezondheidszorg exploderen en biedt een heldere kans om te voldoen aan de behoeften van de evoluerende medische sector.

Veel studies hebben de haalbaarheid van klinische AI onderzocht door onder andere de technische prestaties van AI -systemen te evalueren. Het technische karakter van AI -ontwikkeling is echter niet de enige uitdaging voor de implementatie van klinische AI. Studies hebben inderdaad aangetoond dat de aanvaardbaarheid van klinische AI door zorgverleners en patiënten de effectieve acceptatie van AI door deze gebruikers beïnvloedt. Het negeren van deze parameter kan leiden tot een verspilling van middelen, door niet te profiteren van de beschikbare AI -systemen.

De aanvaardbaarheid van klinische AI door patiënten en professionals in de gezondheidszorg is onderzocht in verschillende contexten, maar de meeste studies betreffen de aanvaardbaarheid van AI in de gezondheidszorg in het algemeen. Dit onderwerp is al systematisch samengevat en toont in de meerderheid een goede aanvaardbaarheid van AI. Aan de andere kant zijn studies in specifieke gezondheidscontexten zeldzamer en de AI -aanvaardbaarheid in deze contexten kan niet worden bepaald door eenvoudigweg de AI -aanvaardbaarheid in de gezondheidszorg te extrapoleren. De aanvaardbaarheid van AI verschilt inderdaad volgens de context (gediagnosticeerde ziekte, de ernst van de ziekte, de gevolgen van de beslissing van de AI, complexiteit van besluitvorming) maar ook voor de taken die de AI uitvoert (diagnose, behandelingskeuze, prognose). Bovendien verschillen AI -aanvaardbaarheidsfactoren afhankelijk van de bestudeerde populatie (patiënten, zorgverleners, onderzoekers en gezondheidszorgbeheerders) vanwege verschillen in behoeften, voorkeuren en de context van gebruik. Het is daarom belangrijk om de AI -aanvaardbaarheid te bestuderen in de precieze context waarnaar de studie verwijst.

1.1.2. De aanvaardbaarheid van AI in het diagnoseproces van de prostaatkanker De implementatie van AI -tools in het prostaatkanker diagnose (PCA) -proces zal de informatie van medische afbeeldingen verbeteren en het maken van voorspellende modellen. Dit zal een significante vooruitgang vormen bij het optimaliseren van de diagnose van PCA en het voorspellen van de agressiviteit ervan, met als uiteindelijke doel om behandeling te personaliseren door aanpassing aan de biologische kenmerken van de tumor. Dit zal helpen de behoefte aan prostaatbiopten te verminderen, waardoor de naleving van de individuen wordt vergroot en hen aanmoedigt om te worden getest vóór het verschijnen van de symptomen. Bovendien verbetert vroege detectie van PCA het succespercentage van de behandeling drastisch.

Gezien de mogelijkheid van de implementatie van AI in het PCA -diagnoseproces, is het essentieel om de aanvaardbaarheid van deze implementatie te bestuderen voor patiënten en professionals in de gezondheidszorg die de uiteindelijke gebruikers van AI in de PCA -context zouden zijn, en de voorwaarden voor deze implementatie. Hoewel sommige studies deze aanvaardbaarheid hebben onderzocht, blijft onderzoek op dit gebied beperkt en vereist verder onderzoek.

Een recent onderzoek heeft het vertrouwen van patiënten in AI en hun perceptie van urologen beoordeeld die op AI vertrouwen. Deze studie heeft aangetoond dat patiënten meer vertrouwen hadden in het vermogen van artsen om de juiste diagnose te stellen, het laatste onderzoek te overwegen, de communicatie van de diagnose te individualiseren en de informatie op een begrijpelijke manier te verklaren in vergelijking met AI. Patiënten verklaarden dat ze een hoger vertrouwen hadden in een diagnose gesteld door AI die wordt gecontroleerd door een arts versus AI die niet door een arts wordt bestuurd.

Een tweede studie onderzocht de angsten van mannen en verwachtingen van AI -diagnose en behandeling in de context van PCA, via drie representaties van AI die door de deelnemers waren bedacht. De drie ingebeelde representaties waren AI als een hulpmiddel om zorgaanbieders, AI als een geavanceerde machine en AI, te helpen als een entiteit die de zorgverleners zou vervangen. Het laatste denkbeeldige is het slechtste scenario voor deelnemers. In alle verbeelding zagen de deelnemers AI in een positief licht, maar hoe meer AI de plaats innam van de arts, hoe meer deelnemers AI in een negatief licht zagen.

1.1.3. Het concept van aanvaardbaarheid Het concept van aanvaardbaarheid van klinische AI is niet goed gedefinieerd. Zelfs als er kaders bestaan om de gedragsintentie van individuen uit te leggen en te voorspellen om een technologische innovatie te gebruiken en te accepteren, zijn deze modellen ofwel niet aangepast aan de context van de gezondheidszorg; Ofwel AI op dezelfde manier beschouwen als digitale gezondheidstechnologieën. Het is echter essentieel om rekening te houden met de context van de gezondheidszorg en de complexiteit van AI in vergelijking met digitale technologieën die op een simplistische manier werken dan AI. Het is daarom noodzakelijk om het concept van aanvaardbaarheid van klinische AI beter te definiëren. Sommige studies hebben de bestaande kaders voor technologieacceptatie aangepast om rekening te houden met de bovenstaande beperkingen, zoals de twee volgende kaders.

Het eerste raamwerk modelleert statistisch gezien de acceptatie van de patiënt van AI-gebaseerde klinische beslissingsondersteuningsapparaten. De auteurs van dit model hebben het theoretische kader van technologische acceptatie uitgebreid, waaronder percepties van waarde (VAM), aanpassing aan de gezondheidszorgsector. Dit raamwerk evalueert de waargenomen risico's en voordelen van AI-gebaseerde klinische beslissingsondersteuningsapparaten om hun aanvaardbaarheid te meten. De auteurs van dit model suggereren dat toekomstige studies aanvullende factoren aan hun model moeten toevoegen, inclusief sociale invloed die in sommige andere theorische kaders van acceptatie worden gebruikt, om de verkennende kracht ervan te vergroten (de R2 van dit model is 0,80). Bovendien stellen de auteurs dat de variabelen geslacht, jaarlijks gezinsinkomen, opleidingsniveau, werkgelegenheid, waargenomen technische kennis over AI-technologie en bekendheid met een AI-gebaseerde service een aanzienlijk effect hadden op de intentie om AI-gebaseerde klinische beslissingsondersteuningsapparaten te gebruiken.

Ten tweede vatte een recent onderzoek in het Lancet systematisch kwalitatieve studies samen over de acceptatie van AI voor diagnostische doeleinden door belanghebbenden (patiënten, clinici, onderzoekers en gezondheidszorgmanagers). De auteurs breidden het bestaande Nasss -framework uit om een nieuw model te maken dat is aangepast aan AI Diagnostic; Het Nasss-AI-framework. Dit nieuwe framework is gestructureerd in zes domeinen, twintig subdomeinen en drieënveertig thema's die de elementen groeperen die vaak worden besproken door de studies die in deze review zijn opgenomen.

Verschillende factoren die niet in de hierboven genoemde theoretische modellen zijn opgenomen, zijn door andere studies geïdentificeerd als factoren die de acceptatie van de patiënt van klinische AI beïnvloeden. Deze factoren waren leeftijd, eerdere blootstelling aan vergelijkbare hulpmiddelen, de geografische locatie, de gediagnosticeerde ziekte, de ernst van de ziekte en het vertrouwen in gezondheidszorgsysteem.

Bovendien heeft een systematische review onderzocht hoe informatie over AI werd verstrekt aan deelnemers aan studies die de aanvaardbaarheid van patiënten van AI in de gezondheidszorg beoordelen. Deze systematische review geeft aan dat de meeste studies de beperkte kennis van de patiënt van AI noemen in de context van hun onderzoek als een beperking van hun studie. Bovendien melden verschillende onderzoeken dat het type informatie dat aan patiënten aan het begin van een onderzoek wordt verstrekt, de resultaten beïnvloedt. Bijgevolg zal een "interventiecoherentie" -factor worden toegevoegd aan ons onderzoekskader. Deze factor is geïntegreerd in het theorische kader van aanvaardbaarheid (TFA) die de aanvaardbaarheid van gezondheidszorginterventies bestudeert.

1.2. Gegevensaltruïsme - Gegevens die gegevens van gegevens verstrekken, worden opgevat als de vrijwillige het verstrekken van persoonlijke en niet -persoonlijke gegevens, gebaseerd op de toestemming van betrokkenen of de toestemming van natuurlijke en juridische personen, zonder een beloning te zoeken en voor doelstellingen van algemeen belang.

De ontwikkeling van klinische AI vereist het gebruik van een grote hoeveelheid gezondheidsgegevens. Het gebruik van deze gegevens is onvermijdelijk omdat het de tools in staat stelt om door te gaan en te evolueren. Zoals hierboven uitgelegd, moet klinische AI worden geaccepteerd door patiënten en door zorgverleners, maar het moet ook worden gevoed door patiëntgegevens. Ze moeten er daarom mee instemmen om hun gezondheidsgegevens te verstrekken.

Hoewel de bereidheid van de patiënten om persoonlijke gezondheidsgegevens te verstrekken op grote schaal is bestudeerd in de context van secundair gebruik in het algemeen (gegevensuitwisseling voor klinisch, volksgezondheidsonderzoek, epidemiologie, enz. Doeleinden), is het niet goed bestudeerd in de context van AI in het bijzonder. Sommige studies beoordelen de bereidheid om gezondheidsgegevens te verstrekken door een eenvoudige vraag. Een onderzoek over AI in diagnostische huidkanker toont aan dat 88% van de respondenten hun gezondheidsgegevens anoniem beschikbaar zouden maken voor de ontwikkeling van AI-gebaseerde medische toepassing.

Een pilotstudie onderzocht de perspectieven van patiënten op gegevens die voorzagen tot het ontwikkelen van AI voor de algemene praktijk. Deelnemers aan deze studie vonden dat de ontwikkeling van AI voor de huisartspraktijk een doel was waarvoor ze bereid waren hun gegevens te verstrekken. Ze zeiden dat ze wilden helpen om ziekten te beheren en hun huisarts (huisarts) te helpen door hun gegevens te verstrekken. De bereidheid om hun gegevens te verstrekken was afhankelijk van de vertrouwensrelatie die ze hadden met hun huisarts.

1.2.1. Het concept van bereidheid om gezondheidsgegevens te bieden, geen gevalideerd kader voor het bestuderen van de bereidheid van patiënten om hun gezondheidsgegevens te verstrekken voor secundaire toepassingen of voor AI -ontwikkelingsdoeleinden is in de literatuur geïdentificeerd. Een recente systematische review concludeerde ook dat er geen gevalideerde meetinstrument was om deze bereidheid te bepalen.

Een studie ontwikkelde een conceptueel model van de bereidheid van de patiënten om gezondheidsgegevens te verstrekken voor onderzoeksdoeleinden. Dit raamwerk is gebaseerd op het gevalideerde waarde van de waarde perceptie dat de waargenomen voordelen en risico's van het verstrekken van gegevens evalueert. De auteurs hebben verschillende factoren aan dit raamwerk toegevoegd die specifiek zijn voor gegevens die voor onderzoeksdoeleinden voorzien, zoals het type uiteindelijke gebruikers, het type verzamelde gegevens, de context, enz. Deze factoren kunnen worden opgevat als voorwaarden voor het verstrekken van gezondheidsgegevens.

2. Doelstellingen Het doel van deze studie is om de aanvaardbaarheid van AI en de voorwaarden ervan beter te begrijpen door mensen met prostaatkanker en zorgverleners in de context van de diagnose van prostaatkanker en AI als ondersteuning voor zorgverleners. Deze studie is ook bedoeld om de bereidheid van mensen om hun gezondheidsgegevens te verstrekken voor klinische AI -ontwikkeling en de omstandigheden rond deze bereidheid ook beter te begrijpen.

Doelstellingen van deze studie zijn:

1. Bepaal de aanvaardbaarheid van mensen met prostaatkanker met betrekking tot de implementatie van AI als ondersteuning voor zorgverleners bij de diagnose van prostaatkanker en onderzoek de voorwaarden voor deze implementatie.

2. Bepaal de bereidheid van mensen om hun gezondheidsgegevens te verstrekken voor de ontwikkeling van klinische AI en de voorwaarden voor deze bereidheid te verkennen.

3. Bepaal de aanvaardbaarheid van zorgaanbieders met betrekking tot de implementatie van AI als ondersteuning voor hen bij de diagnose van prostaatkanker en onderzoek de voorwaarden voor deze implementatie.

3. Methoden 3.1. Type studie- en onderzoeksproces Het onderzoek is een transversale observationele, gemengde methode, sequentiële studie die een initiële kwantitatieve fase omvat die zal voeden in een tweede kwalitatieve fase. De studie is multinationale, wervende deelnemers uit België, Italië en Spanje.

Elk land dient het protocol in bij zijn ethische commissie als dit vereist is. Het ontwerp van deze studie wordt gepresenteerd in figuur 1. Dit protocol heeft betrekking op de kwantitatieve fase. Het protocol voor de kwalitatieve fase zal op een later tijdstip aan de ethische commissie worden voorgelegd, omdat de analyse van de kwantitatieve fasevragenlijst nodig is voor de ontwikkeling van de kwalitatieve fase.

Figuur 1: Studieontwerp 3.2. Kaders van de kwantitatieve fase twee frameworks worden gebruikt, overeenkomend met de twee doelstellingen in deze fase (bepaal de aanvaardbaarheid van mensen met prostaatkanker met betrekking tot de implementatie van AI als ondersteuning voor zorgaanbieders bij de diagnose van prostaatkanker en de bereidheid van mensen te bepalen om hun gezondheidsgegevens te bieden voor de ontwikkeling van klinische AI).

Om de aanvaardbaarheid van mensen met prostaatkanker te bepalen met betrekking tot de implementatie van AI als ondersteuning voor zorgaanbieders bij de diagnose van prostaatkanker, werd een raamwerk gecreëerd op basis van bestaande kaders die eerder werden gepresenteerd (kader op basis van perceptie van waarden, NASSS-AI en TFA). Het raamwerk op basis van perceptie van waarden werd gebruikt als basis voor het wegen van risico's tegen waargenomen voordelen. Sociale invloed is aan dit model toegevoegd, heeft door de auteurs gesuggereerd. Een "omstandigheden om te gebruiken" -factor en de subdimensies ervan werd ook toegevoegd, geïnspireerd door de Nasss-AI en het eerder geciteerde raamwerk. De factor "interventie coherentie" werd toegevoegd, in overeenstemming met de TFA.

Het uiteindelijke kader dat wordt gebruikt om de aanvaardbaarheid van mensen met prostaatkanker te onderzoeken met betrekking tot de implementatie van AI als ondersteuning voor zorgverleners bij de diagnose van prostaatkanker wordt gepresenteerd in figuur 2.

Figuur 2: Theoretisch model van de aanvaardbaarheid van mensen met prostaatkanker met betrekking tot de implementatie van AI als ondersteuning voor zorgverleners bij de diagnose van prostaatkanker.

Om de bereidheid van de mensen te bepalen om hun gezondheidsgegevens te verstrekken voor AI -ontwikkelingsdoeleinden, werd een raamwerk gecreëerd op basis van een bestaand kader op basis van waardeperceptie dat saldi risico's en waargenomen voordelen waargenomen. Een "voorwaarden" -factor is toegevoegd om deze bereidheid te verkennen. Het laatste kader dat wordt gebruikt om de bereidheid van mensen te bestuderen om hun gezondheidsgegevens te verstrekken voor de ontwikkeling van klinische AI wordt gepresenteerd in figuur 3.

Figuur 3: Theoretisch model van de bereidheid van mensen om hun gezondheidsgegevens te verstrekken voor de ontwikkeling van klinische AI.

3.3. Populatiekenmerken van de kwantitatieve fase De onderzoekspopulatie zijn mensen met gelokaliseerde prostaatkanker.

De inclusiecriteria worden als volgt gedefinieerd:

• meer dan 18 jaar;

• met diagnose van gelokaliseerde prostaatkanker;

• toestemming voor de studie.

De uitsluitingscriteria worden als volgt gedefinieerd:

• Niet praten Frans;

• Diagnosticeerd met metastatische kanker vanaf het begin;

• Terminaal ziek;

• Mensen die lijden aan mentale retardatie, dementie of veranderde staat van bewustzijn.

3.4. Monster van de kwantitatieve fase De gekozen bemonsteringsmethode is vrijwilligersbemonstering. Elke persoon die voldoet aan de inclusiecriteria en niet voldeden aan de uitsluitingscriteria kan ervoor kiezen om deel te nemen aan het onderzoek, waarbij het invullen van een zelf toegediende online vragenlijst in te vullen.

De vragenlijst wordt verdeeld via de volgende kanalen:

• Een poster- en flyers -campagne in de urologieafdelingen van het ELIPSE -netwerk. De posters en flyers worden de link en QR -code weergegeven voor de vragenlijst. De mede-onderzoeker E. Koshmanova van deze studie zal beschikbaar zijn in een of meer ziekenhuizen van het ELIPSE-netwerk om hulp te bieden bij de toegang tot de vragenlijst, zonder in te grijpen in het voltooiingsproces. Ze zal ook een laptop of tablet beschikbaar hebben voor deelnemers die aan de studie willen deelnemen, maar niet de nodige apparatuur hebben.

• Distributie van de link en QR -code van de vragenlijst via het posterontwerp in foto -formaat op sociale media.

• Distributie van de link en QR -code via het posterontwerp in foto -indeling of niet via patiëntassociaties. Deze verenigingen zullen deze delen via hun netwerken of mailinglijsten. Associaties kunnen ook de poster en/of flyers in hun faciliteiten weergeven als ze als relevant worden beschouwd.

Er werd geen berekening van de steekproefomvang uitgevoerd, omdat de studiebeperkingen de opname van een minimum van 50 deelnemers per land en maximaal 100 deelnemers per land vereisen.

Om toegang te hebben tot de vragenlijst, gebruiken mensen de Questionnaire -link of scannen de QR -code. Het is niet nodig om een account aan te maken. Na het gebruik van de link of het scannen van de QR -code, is het eerste dat verschijnt de startpagina van de vragenlijst, waarop deelnemers worden uitgenodigd om de informatie- en toestemmingsformulier te lezen en vervolgens toestemming te geven voor de studie. Het is gespecificeerd in het informatie- en toestemmingsformulier dat toestemming niet rechtstreeks in het informatie- en toestemmingsformulier wordt verzameld, maar via het eerste deel van de vragenlijst (hertranscriptie van het geïnformeerde toestemmingsformulier). Dit blokkeert de toegang tot de rest van de vragenlijst voor mensen die niet instemmen met de studie, d.w.z. degenen die niet alle verklaringen aanvinken.

Als deelnemers hun toestemming geven, zal de vragenlijst toegankelijk zijn en wordt de deelnemers gevraagd om te bevestigen dat zij aan de inclusiecriteria van de studie voldoen en niet voldoen aan de uitsluitingscriteria van de studie. Als ze deze elementen niet bevestigen, wordt de vragenlijst beëindigd. Als ze deze elementen bevestigen, begint de vragenlijst.

Gezien het feit dat voorschriften deelnemers in staat stellen hun toestemming uit het onderzoek op elk gewenst moment in te trekken, wordt een unieke code aan hen toegewezen. Deze code wordt door elke deelnemer gevormd met deze identificatiesleutel: eerste letter van de achternaam + laatste letter van de achternaam + eerste letter van de voornaam + de twee laatste cijfers van hun geboortejaren.

Aan het einde van het online formulier hebben deelnemers de mogelijkheid om op een link te klikken als ze willen deelnemen aan de tweede fase (kwalitatieve fase) van deze studie. Deze link brengt hen naar een tweede online vragenlijst die om hun contactgegevens vraagt. De tweede vragenlijst is niet gekoppeld aan de eerste. Met de contactgegevens kunnen personen worden gecontacteerd om deel te nemen aan de tweede fase van deze studie, en dit pas na de goedkeuring van de ethische commissie voor de tweede fase van deze studie (kwalitatieve fase).

In het geval dat de werving van deelnemers effectiever blijkt te zijn via een papieren benadering, zal een papieren versie van de vragenlijst die identiek is aan de online versie worden gebruikt. In dergelijke gevallen wordt de deelnemers gevraagd om de papieren vragenlijst in te vullen en een papieren versie van het geïnformeerde toestemmingsformulier te ondertekenen voorafgaand aan deelname. De vragenlijst wordt in dit geval online gecodeerd over Redcap door het onderzoeksteam.

Elke deelnemer heeft de mogelijkheid om vragen te stellen aan de co-onderzoeker (E. Koshmanova) op elk moment. Haar contactgegevens worden verstrekt in de informatie- en toestemmingsvorm en aan het begin van de vragenlijst.

3.5. Bestudeerde parameters van de kwantitatieve fase

Verschillende parameters worden verzameld met de eerste online vragenlijst:

• Informatie met betrekking tot individuen: leeftijd, waargenomen inkomen, werkgelegenheid, onderwijs, waargenomen gezondheidstoestand, land van verblijf, ernst van prostaatkanker (hoe lang geleden werd de diagnose werd gesteld, wordt het behandeld), eerdere zorgervaring, eerdere blootstelling aan vergelijkbare hulpmiddelen, frequentie van het gebruik van gezondheidszorg, vertrouwen in gezondheidszorgsystemen.

• Informatie over de vaardigheden van mensen: gezondheidsgeletterdheid, geletterdheid van e-health, waargenomen technische kennis van AI-technologie, bekendheid met een AI-gebaseerde service.

• Vragen met betrekking tot de aanvaardbaarheid voor mensen met prostaatkanker voor de implementatie van AI als ondersteuning voor zorgverleners bij de diagnose van prostaatkanker.

• Vragen met betrekking tot de bereidheid van mensen met prostaatkanker om hun gezondheidsgegevens te verstrekken voor de ontwikkeling van klinische AI.

Verschillende gegevens worden verzameld met de tweede online vragenlijst:

• eerste en achternaam;

• Telefoonnummer;

• Land van verblijf;

• Postcode.

Deze vragenlijst is onafhankelijk van de eerste. 3.6. Gegevensverzamelingstool van de online vragenlijsten van de kwantitatieve fase zal worden gedeeld met deelnemers door RedCap -platform. 3.6.1. Vragenlijst nummer 1: de online vragenlijst heeft als doel zowel de aanvaardbaarheid van mensen met prostaatkanker te beoordelen met betrekking tot de implementatie van AI als ondersteuning voor zorgverleners bij de diagnose van prostaatkanker en hun bereidheid om hun gezondheidsgegevens te verstrekken met het doel klinische AI te ontwikkelen. De vragenlijst vraagt ook over bepaalde kenmerken van mensen, zoals vermeld in punt 3.5. De vragenlijst wordt geïntroduceerd door een verklaring over hoe AI betrokken is bij de zorg in de context van deze studie.

De vragenlijst is gebaseerd op twee vragenlijsten. Eerst is de vragenlijst die aan het raamwerk is gekoppeld op basis van perceptie van waarden gebruikt. Ten tweede werd de vragenlijst die verband houdt met het kader dat de bereidheid bestudeerde om gezondheidsgegevens te verstrekken voor onderzoeksdoeleinden als inspiratie gebruikt (19).

3.6.2. Vragenlijst nummer 2: Het doel van deze vragenlijst is om contact op te nemen met deelnemers die deel willen nemen van de tweede fase van deze studie (kwalitatieve fase).

3.7. Kalender Afbeelding 1: Gantt -grafiek. 4. Ethische zorgen van de kwantitatieve fase De studie vormt geen risico's of nadelen voor deelnemers. Geen verandering in hun gebruikelijke klinische beheer zal nodig zijn. Er wordt geen verzamelde informatie aan het personeel van de gezondheidszorg bekendgemaakt.

Enquêtes worden ontwikkeld met behulp van het RedCap -platform, een softwarepakket dat is ontworpen voor het algemene beheer van studies, en dat voldoet aan de wettelijke vereisten voor gastheren voor gezondheidsonderzoek en onder toezicht van het Clinical Trial Center (CTC) van Chul.

Een informatie- en toestemmingsformulier zal door deelnemers worden ingevuld (elektronische versie) voordat ze daadwerkelijk deelnemen aan het onderzoek. Deelnemers kunnen hun toestemming van de hoofdonderzoeker opnemen (D. Waltregy) op elk moment.

Alle verzamelde gegevens worden pseudonimiseerd met een unieke code die aan elke deelnemer wordt toegewezen. Deze code wordt gevormd door deelnemers met deze identificatiesleutel: eerste letter van de achternaam + laatste letter van de achternaam + eerste letter van de voornaam + de twee laatste cijfers van hun geboortejaren.

Bovendien worden contactgegevens verzameld, verwerkt en opgeslagen in overeenstemming met de algemene verordening voor gegevensbescherming (GDPR).

De studie begint pas na goedkeuring door de ethische commissie.

Studietype

Ingrijpend

Inschrijving (Werkelijk)

51

Fase

  • Niet toepasbaar

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Locaties

      • Liège, België
        • CHU Liège

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Beschrijving

Inclusiecriteria:

  • meer dan 18 jaar;
  • met diagnose van gelokaliseerde prostaatkanker;
  • toestemming voor de studie.

Uitsluitingscriteria:

  • niet Frans spreken;
  • Diagnosticeerd met metastatische kanker vanaf het begin;
  • terminaal ziek;
  • Mensen die lijden aan mentale retardatie, dementie of veranderde staat van bewustzijn.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

  • Primair doel: Onderzoek naar gezondheidsdiensten
  • Toewijzing: NVT
  • Interventioneel model: Opdracht voor een enkele groep
  • Masker: Geen (open label)

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Experimenteel: Vragenlijst
Dit is een online vragenlijst die de patiënten zelf of met behulp van de verantwoordelijke persoon hebben gekoppeld
Dit is een online vragenlijst die de patiënten invullen

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Waargenomen voordelen van het gebruik van AI bij de diagnose van prostaatkanker
Tijdsspanne: Basislijn

Het zijn latente maatregelen en zullen in verschillende vragen worden beoordeeld:

  • Voordelen: ik geloof dat hulpmiddelen op basis van kunstmatige intelligentie 'de diagnose van prostaatkanker kunnen verbeteren', 'het diagnostische proces van prostaatkanker bevorderen', 'een nauwkeurige diagnose van prostaatkanker bieden', de kosten van de diagnose van prostaatkanker verlaagt '. Schaal: "Zeer mee oneens", "oneens", "enigszins oneens", "noch zijn het eens noch oneens", "enigszins mee eens", "mee eens", "sterk mee eens"; 'Sterk mee eens' geeft de hoogste waarde van het voordeel.
Basislijn
Waargenomen risico's om AI te gebruiken in de diagnose van prostaatkanker
Tijdsspanne: Basislijn
Risico's, schaal "zeer laag", "laag", "enigszins laag", "matig", "enigszins hoog", "hoog", "zeer hoog". De vragen zijn te lang om hier op te nemen, maar ze hebben toegang tot de waargenomen risico's om AI te gebruiken bij de diagnose en behandeling van prostaatkanker. Het 'zeer hoge' risico wordt als het ergste beschouwd.
Basislijn
De bedoeling om AI te gebruiken
Tijdsspanne: Basislijn
VRAAG: Wilt u op kunstmatige intelligentie gebaseerde hulpmiddelen gebruiken om mijn diagnose van prostaatkanker te beheren. Antwoorden - Ja, onzekere bekenmerk en nee; Dan zijn er zorgen als ze 'nee' of 'ja' antwoorden omdat 'en ze evalueren deze zorgen over de schaal van 0 tot 10; 10 is de grootste zorg.
Basislijn
Bereid om persoonlijke gegevens te delen
Tijdsspanne: Basislijn
Vraag: bereid om persoonlijke gegevens te delen; Antwoorden 'ja', 'nee', ja met voorwaarden; Dan kunnen ze hun voorwaarden beschrijven
Basislijn

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

2 december 2024

Primaire voltooiing (Werkelijk)

31 december 2025

Studie voltooiing (Werkelijk)

31 december 2025

Studieregistratiedata

Eerst ingediend

10 juni 2025

Eerst ingediend dat voldeed aan de QC-criteria

10 juli 2025

Eerst geplaatst (Werkelijk)

20 juli 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

27 maart 2026

Laatste update ingediend die voldeed aan QC-criteria

26 maart 2026

Laatst geverifieerd

1 maart 2026

Meer informatie

Termen gerelateerd aan deze studie

Andere studie-ID-nummers

  • 2024-345

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .