- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05495438
Impact en veiligheid van AI bij besluitvorming op de ICU: een simulatie-experiment (ICU)
De impact van de inzet van kunstmatige intelligentie (AI) in zorgomgevingen is onduidelijk, met name wat betreft de invloed op menselijke besluitvormers. Eerder onderzoek toonde aan dat AI-waarschuwingen vaak werden genegeerd (Kamal et al., 2020 ) of konden leiden tot onverwacht gedrag met verslechtering van de patiëntresultaten (Wilson et al., 2021 ). Aan de andere kant kan een buitensporig vertrouwen in de AI verschillende nadelige gevolgen hebben, waaronder het vermogen om schadelijke AI-beslissingen te detecteren, wat kan leiden tot schade aan de patiënt en tot het onbekwaam maken van mensen. Sommige van deze aspecten hebben te maken met automatiseringsbias.
In deze simulatiestudie willen de onderzoekers meten of medische beslissingen op gebieden met hoge klinische onzekerheid worden gewijzigd door het gebruik van een op AI gebaseerde tool voor klinische besluitvorming. Hoe de dosis van intraveneuze vloeistoffen (IVF) en vasopressoren die door artsen worden toegediend aan volwassen patiënten met sepsis (ernstige infectie met orgaanfalen) op de IC, verandert als gevolg van het bekendmaken van de doses die door een hypothetische AI worden voorgesteld, zal worden gemeten. Het gebied van reanimatie bij sepsis is slecht gecodificeerd, met grote onzekerheid die in de praktijk tot grote variabiliteit leidt. In deze studie wordt de AI-clinicus niet specifiek genoemd (Komorowski et al., 2018). In plaats daarvan zullen de onderzoekers een hypothetische AI beschrijven waarvoor enig bewijs van effectiviteit bestaat op basis van retrospectieve gegevens in een andere klinische setting (bijv. bewijs van effectiviteit of veiligheid. Als zodanig is het mogelijk dat deze hypothetische AI onveilige suggesties doet. De onderzoekers zullen opzettelijk onveilige AI-suggesties introduceren (in willekeurige volgorde), om de gevoeligheid van onze deelnemers te meten om deze te detecteren.
Studie Overzicht
Gedetailleerde beschrijving
De impact van de inzet van kunstmatige intelligentie (AI) in zorgomgevingen is onduidelijk, met name wat betreft de invloed op menselijke besluitvormers. Eerder onderzoek toonde aan dat AI-waarschuwingen vaak werden genegeerd (Kamal et al., 2020 ) of konden leiden tot onverwacht gedrag met verslechtering van de patiëntresultaten (Wilson et al., 2021 ). Aan de andere kant kan een buitensporig vertrouwen in de AI verschillende nadelige gevolgen hebben, waaronder het vermogen om schadelijke AI-beslissingen te detecteren, wat kan leiden tot schade aan de patiënt en tot het onbekwaam maken van mensen. Sommige van deze aspecten hebben te maken met automatiseringsbias.
In deze simulatiestudie willen de onderzoekers meten of medische beslissingen op gebieden met hoge klinische onzekerheid worden gewijzigd door het gebruik van een op AI gebaseerde tool voor klinische besluitvorming. Hoe de dosis van intraveneuze vloeistoffen (IVF) en vasopressoren die door artsen worden toegediend aan volwassen patiënten met sepsis (ernstige infectie met orgaanfalen) op de IC, verandert als gevolg van het bekendmaken van de doses die door een hypothetische AI worden voorgesteld, zal worden gemeten. Het gebied van reanimatie bij sepsis is slecht gecodificeerd, met grote onzekerheid die in de praktijk tot grote variabiliteit leidt. In deze studie wordt de AI-clinicus niet specifiek genoemd (Komorowski et al., 2018). In plaats daarvan zullen de onderzoekers een hypothetische AI beschrijven waarvoor enig bewijs van effectiviteit bestaat op basis van retrospectieve gegevens in een andere klinische setting (bijv. bewijs van effectiviteit of veiligheid. Als zodanig is het mogelijk dat deze hypothetische AI onveilige suggesties doet. De onderzoekers zullen opzettelijk onveilige AI-suggesties introduceren (in willekeurige volgorde), om de gevoeligheid van onze deelnemers te meten om deze te detecteren.
De onderzoekers gaan na welke kenmerken van de deelnemers verband houden met een grotere kans om door de AI te worden beïnvloed, en voeren een aantal vooraf gespecificeerde subgroepanalyses uit, b.v. junior versus senior IC-artsen, en het scheiden van degenen met een positieve of een negatieve houding ten opzichte van AI.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
-
London, Verenigd Koninkrijk, W2 1PG
- Imperial College Hospitals NHS Trust
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Junior (senior huismedewerker) of senior (registrar/collega/consulent) IC-arts
Uitsluitingscriteria:
- Deelnemers die niet voldoen aan de inclusiecriteria.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
IC-artsen
|
nvt - Er is geen tussenkomst.
Clinici zullen de suggesties van een hypothetische AI beoordelen
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Invloed van AI op IC-clinici
Tijdsspanne: 3 maanden
|
Invloed van AI op IC-clinici, dit zal worden onderverdeeld in de volgende categorieën: algemeen en gestratificeerd naar veilige/onveilige, junior/senior en positieve/negatieve houding ten opzichte van AI.
|
3 maanden
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Kenmerken van de deelnemers
Tijdsspanne: 3 maanden
|
Wat zijn de kenmerken van degenen die deelnemen aan de simulatie en hoe beïnvloedt dit de besluitvorming.
|
3 maanden
|
|
Vertrouw op AI
Tijdsspanne: 3 maanden
|
Hoeveel vertrouwen IC-artsen op het AI-systeem.
|
3 maanden
|
|
Vertrouwen in beslissingen van deelnemers
Tijdsspanne: 3 maanden
|
Hoeveel vertrouwen stellen clinici in het AI-systeem?
|
3 maanden
|
|
Proportie tijd met aandacht voor AI uitleg
Tijdsspanne: 3 maanden
|
Waar is de aandacht op gericht tijdens de simulatie
|
3 maanden
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Schatting)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- 22CX7592
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .