- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05816473
Kunstmatig intelligent klinisch beslissingsondersteunend systeem Simulatiecentrum Studie voor acceptatie van technologie
Kunstmatig intelligent klinisch beslissingsondersteunend systeem Simulatiecentrumonderzoek: vertrouwen en bruikbaarheid van machinaal leren Risicostratificatietool voor acute gastro-intestinale bloedingen met behulp van het technologie-acceptatiemodel
Studie Overzicht
Gedetailleerde beschrijving
Het eerste experiment zal een eerder gevalideerd machine learning-algoritme inzetten dat is getraind op bestaande klinische datasets binnen simulatiescenario's waarin een patiënt met acute gastro-intestinale bloedingen (met laag, matig en hoog risico op slechte uitkomst) wordt geëvalueerd.
Voorafgaand aan de simulatie wordt aan alle deelnemers een educatieve basismodule over kunstmatige intelligentie, machine learning en klinische beslissingsondersteuning gegeven. De onderzoekers zullen de psychologische veiligheid vaststellen door in detail te beschrijven wat er in de kamer beschikbaar is, de mogelijkheid om een adviseur te bellen en de beschikbaarheid van laboratorium- en radiografische onderzoeken. Elk klinisch scenario duurt ongeveer 10 minuten en is gebaseerd op echte patiëntencasussen waarbij vitale functies in de loop van de tijd veranderen en laboratoriumwaarden beschikbaar worden gesteld op specifieke punten in de beoordeling. De studie volgt een 3 (scenariorisico: laag, gemiddeld, vs. hoog) bij 2 (AI-framing: tool vs. teamlid) bij 2 (transparantie: laag vs. hoog) factorieel ontwerp. Elke deelnemer krijgt alle drie de scenario's in oplopende volgorde van risico (binnen-proefpersoon-factor), maar wordt gerandomiseerd naar één AI-framing en één transparantiebehandelingsvoorwaarde (tussen-proefpersonen-factoren).
Voor de framing-behandeling van het AI-teamlid krijgen de deelnemers tijdens de pre-simulatiebriefing een raamwerk van kunstmatige intelligentie / machine learning-algoritmen als teamlid, en niet alleen een hulpmiddel, met de introductie van het concept van een theory of mind voor algoritmen om te begrijpen hoe hun redenering de menselijke redenering kan aanvullen. Bovendien wordt het computerwerkstation waarop het algoritme wordt uitgevoerd naast het bed van de patiënt geplaatst. Bovendien zal de AI-CDSS worden gepresenteerd in een ChatGPT/GPT-4 chatbot-achtige interface waarmee providers op natuurlijke wijze aan het bed kunnen communiceren. In de tool framing-conditie krijgen ze een typische uitleg van AI-CDSS als tool. In dit geval wordt de computer met het algoritme in een hoek van de patiënt verwijderd geplaatst. Als zodanig zal het worden gepresenteerd als een krukje van het type rekenmachine.
Voor de behandeling van transparantie heeft de algoritmische uitvoer een "lage" transparantie (met alleen de risicobeoordeling en aanbeveling) of "hoge" transparantie (met een uitleg van de modelinvoer en de mogelijkheid om invoer op te vragen via door de gebruiker gestuurde klikken in een web-app in de tool framing-conditie of rechtstreeks met de van ChatGPT afgeleide interface die door de gebruiker gestuurde vragen kan verwerken in een gebruiksvriendelijke chatbot in natuurlijke taal in het teamlid-framework, resulterend in een presentatie van invoer die de modeluitvoer beïnvloedt om een mentaal model van het algoritme).
Studietype
Inschrijving (Geschat)
Fase
- Niet toepasbaar
Contacten en locaties
Studiecontact
- Naam: Sunny Chung, MD
- Telefoonnummer: 8436189423
- E-mail: sunny.chung@yale.edu
Studie Locaties
-
-
Connecticut
-
New Haven, Connecticut, Verenigde Staten, 06510
- Werving
- Yale New Haven Hospital
-
Contact:
- Sunny Chung, MD
- Telefoonnummer: 843-618-9423
- E-mail: sunny.chung@yale.edu
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Beschrijving
Inclusiecriteria:
- Stagiair Interne Geneeskunde bij studie instelling
- Stagiair spoedeisende geneeskunde bij studie instelling
Uitsluitingscriteria:
- NVT
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Onderzoek naar gezondheidsdiensten
- Toewijzing: Gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Geen (open label)
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
---|---|
Experimenteel: Interactie op basis van grote taalmodellen
LLM-aangedreven chatbot met het machine learning-dashboard om de risicobeoordeling te bieden en een onderbouwing te geven op basis van interpreteerbaarheidsstatistieken die worden geleverd door het dashboard waarin studiedeelnemers rechtstreeks kunnen communiceren met behulp van natuurlijke taal.
Deelnemers krijgen het door een Generative Pre-trained Transformer (GPT) chatbot-aangedreven machine learning-modeldashboard aangeboden.
|
Gebruik van een LLM-chatbotinterface (Large Language Model) voor interactie met het machine learning-algoritme en het interpreteerbaarheidsdashboard.
|
Geen tussenkomst: Machine Learning-dashboard
Machine learning-algoritme-output met een interactief dashboard dat kan worden gebruikt om de inputfactoren die het meest bijdragen aan de gegenereerde risicoscore uit te leggen of te interpreteren.
Deelnemers hebben alleen toegang tot het machine learning-dashboard.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Verandering in de houding ten opzichte van machine learning-algoritmen in de klinische zorg met behulp van UTAUT
Tijdsspanne: Ongeveer 60 minuten
|
De studie zal een gemeenschappelijke set van afhankelijke variabelen gebruiken om de basislijn en post-interventie-attitudes ten opzichte van machine learning-algoritmen in de klinische zorg te beoordelen met behulp van een aangepaste Unified Theory of Acceptance and Use of Technology (UTAUT)-enquête die het waargenomen nut van het systeem, het waargenomen gemak van gebruik, attitudes ten opzichte van het gebruik ervan, gedragsintenties en vertrouwen, gemeten met een 5-punts Likertschaal.
Verandering in UTAUT-enquêterespons bij werving voorafgaand aan het beheer van scenario's en onmiddellijk na voltooiing van scenario's.
Het tijdsverschil tussen beide zal ongeveer 60 minuten bedragen.
|
Ongeveer 60 minuten
|
Besluitvorming door de arts van triage van gastro-intestinale bloedingen
Tijdsspanne: Ongeveer 60 minuten
|
Deze studie zal het aantal studiedeelnemers bepalen (van alle studiedeelnemers in de groep) die nauwkeurig de juiste klinische beslissing kiezen voor elk simulatiescenario van acute bovenste GI-bloeding voor elke behandelingsconditie.
Onmiddellijk na voltooiing van de scenario's (60 minuten vanaf het begin van de studie voor elke deelnemer).
Geen verdere opvolging achteraf.
|
Ongeveer 60 minuten
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Dennis Shung, MD, Yale School of Medicine Section of Digestive Diseases
Publicaties en nuttige links
Algemene publicaties
- Laine L, Jensen DM. Management of patients with ulcer bleeding. Am J Gastroenterol. 2012 Mar;107(3):345-60; quiz 361. doi: 10.1038/ajg.2011.480. Epub 2012 Feb 7.
- Laine L. Risk Assessment Tools for Gastrointestinal Bleeding. Clin Gastroenterol Hepatol. 2016 Nov;14(11):1571-1573. doi: 10.1016/j.cgh.2016.08.003. Epub 2016 Aug 10. No abstract available.
- Leonardi, P. M. 2009. Why do people reject new technologies and stymie organizational changes of which they are in favor? Exploring misalignments between social interactions and materiality. Human Communication Research, 35(3): 407-441.
- Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425-478
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 2000034521
- 1K23DK125718-01A1 (Subsidie/contract van de Amerikaanse NIH)
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
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 .
Klinische onderzoeken op LLM
-
Charite University, Berlin, GermanyNog niet aan het werven
-
Aristotle University Of ThessalonikiNational and Kapodistrian University of Athens; University of Ulm; Greek Alzheimer...VoltooidGezond | Milde cognitieve stoornis | Milde dementie
-
Aristotle University Of ThessalonikiGreek Alzheimer's Association and Related DisordersVoltooidGezond | Milde cognitieve stoornis, zo gezegd | Milde dementie