Evaluatie van de rol van ChatGPT bij het voorlichten van patiënten met hepatocellulair carcinoom in een vroeg stadium

Leverkanker is de tweede meest voorkomende oorzaak van kankergerelateerde sterfgevallen in Taiwan. Verschillende factoren spelen een rol bij de ontwikkeling ervan, zoals onder meer chronische leveraandoeningen, cirrose, virale infecties, alcoholgebruik, obesitas, diabetes en genetische aanleg. Gebaseerd op het "Barcelona Clinic Liver Cancer (BCLC)"-systeem, valt leverkanker in een vroeg stadium binnen de stadia 0 tot A. Wanneer patiënten en hun familieleden worden geconfronteerd met een diagnose van leverkanker in een vroeg stadium, uiten zij vaak hun zorgen. Deze kunnen variëren van de potentiële effecten van de ziekte op het dagelijks leven, het evalueren van behandelingsopties, mogelijke bijwerkingen, de kosten die ermee gemoeid zijn, de kans op herhaling en overlevingspercentages, tot de zorg die nodig is na de behandeling. Het aanpakken van deze zorgen vereist vaak uitgebreide uitleg en tijd voor de patiënten om de informatie te verwerken.

Het onderzoek stelt voor om een ​​chatbot te gebruiken die is gebaseerd op het GPT-3.5-taalmodel, ontwikkeld door OpenAI, voor patiëntenvoorlichtingsdiensten. Een dergelijke chatbot zou patiënten met leverkanker in een vroeg stadium kunnen helpen bij het navigeren door de complexiteit van het verkrijgen van relevante informatie. Als kunstmatige intelligentietechnologie kan de chatbot tijdige, gepersonaliseerde informatie en psychologische ondersteuning bieden. Door te reageren op vragen van patiënten kan de chatbot een grondig inzicht verschaffen in de fundamentele kennis van leverkanker, de oorzaken ervan en de behandelingsbenaderingen, waardoor een dieper begrip van de vroege stadia van leverkanker en het behandelingsregime wordt vergemakkelijkt. Patiënten en hun familieleden kunnen hun toestand en behandelplannen begrijpen, waardoor hun gesprekken met medisch personeel worden verbeterd en een harmonieuze arts-patiëntrelatie wordt bevorderd.

Het onderzoek maakt gebruik van een Randomized Controlled Trial (RCT)-methodologie, waarbij patiënten worden verdeeld in een controlegroep die de conventionele patiëntenvoorlichtingsroutine ondergaat, en een experimentele groep die gebruik maakt van zowel de chatbot als traditioneel onderwijs. Door geselecteerde uitkomsten tussen de twee groepen te vergelijken, zal de effectiviteit van het experiment worden bepaald.