Artsen redeneren over managementcasussen met grote taalmodellen
Managementredeneren met AI-chatbots
Studie Overzicht
Gedetailleerde beschrijving
Technologieën voor kunstmatige intelligentie (AI), met name geavanceerde grote taalmodellen zoals ChatGPT van OpenAI, hebben het potentieel om de medische besluitvorming te verbeteren. Hoewel ChatGPT-4 niet is ontwikkeld voor gebruik in medisch-specifieke toepassingen, is het veelbelovend gebleken in verschillende gezondheidszorgcontexten, waaronder het schrijven van medische notities, het beantwoorden van vragen van patiënten en het faciliteren van medisch advies. Er is echter weinig bekend over de manier waarop ChatGPT het klinische redeneervermogen van artsen vergroot.
Klinisch redeneren is een complex proces waarbij patroonherkenning, kennistoepassing en probabilistisch redeneren betrokken zijn. Het integreren van AI-tools zoals ChatGPT-4 in de workflows van artsen kan mogelijk de werkdruk van artsen helpen verminderen en de kans op wanbeheer verkleinen. ChatGPT-4 is echter niet ontwikkeld vanuit klinische overwegingen en is ook niet voor dit doel gevalideerd. Bovendien kan er sprake zijn van desinformatie, waaronder overtuigende confabulaties die artsen kunnen misleiden. Als artsen dit hulpmiddel misbruiken, verbetert het de redenering mogelijk niet en kan het zelfs schade veroorzaken. Daarom is het belangrijk om te bestuderen hoe artsen grote taalmodellen gebruiken om het klinische redeneren te verbeteren voordat ze routinematig in de patiëntenzorg worden opgenomen.
In dit onderzoek worden deelnemers gerandomiseerd om klinische managementcasussen te beantwoorden, met of zonder toegang tot ChatGPT-4. Elke casus bestaat uit meerdere componenten en de deelnemers wordt gevraagd hun redenering voor elk onderdeel te bespreken. De antwoorden worden beoordeeld door onafhankelijke beoordelaars die blind zijn voor de behandelingstoewijzing. Voor elke casus werd een beoordelingsrubriek ontwikkeld door een panel van 4 tot 7 deskundige discussianten. De discussianten ontwikkelden onafhankelijk van elkaar een rubriek voor elke casus, waarna eventuele discrepanties via meerdere gespreksrondes werden opgelost.
Studietype
Inschrijving (Werkelijk)
Fase
- Niet toepasbaar
Contacten en locaties
Studie Locaties
-
-
California
-
Palo Alto, California, Verenigde Staten, 94304
- Stanford University
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Beschrijving
Inclusiecriteria:
- Deelnemers moeten gediplomeerde artsen zijn en ten minste een postdoctorale medische opleiding van jaar 2 (PGY2) hebben afgerond.
- Opleiding in interne geneeskunde, huisartsgeneeskunde of spoedeisende geneeskunde.
Uitsluitingscriteria:
- Momenteel niet klinisch werkzaam.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Behandeling
- Toewijzing: Gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Enkel
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Actieve vergelijker: GPT-4
Groep krijgt toegang tot GPT-4
|
OpenAI's GPT-4 grote taalmodel met chatinterface.
|
|
Geen tussenkomst: Gebruikelijke bronnen
De groep krijgt geen toegang tot GPT-4, maar wordt aangemoedigd om alle gewenste bronnen te gebruiken, naast grote taalmodellen (UpToDate, Dynamed, Google, enz.).
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Management Redeneren
Tijdsspanne: Binnen een uur studeren
|
Percentage correct (bereik: 0 tot 100) voor elk geval.
|
Binnen een uur studeren
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Tijd besteed aan management
Tijdsspanne: Binnen een uur studeren
|
Tijd (in minuten) die deelnemers per casus doorbrengen tussen de twee onderzoeksarmen.
|
Binnen een uur studeren
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Jonathan H Chen, MD, PhD, Stanford University
- Hoofdonderzoeker: Adam Rodman, MD, Beth Israel Deaconess Medical Center
- Hoofdonderzoeker: Andrew Olson, MD, University of Minnesota
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 (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- 71319b
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 .