Conversational AI in tactische slachtofferzorg: Baseline GPT-4O verbetert de besluitvorming van de gevechtsmedicijn (FieldAI)
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Deze studie onderzoekt het potentieel van conversatie-kunstmatige intelligentie (AI), met name GPT-4, om de klinische besluitvorming in tactische gevechtscasale zorg (TCCC) scenario's te verbeteren. Het primaire doel is om te evalueren of AI-ondersteuning de nauwkeurigheid en efficiëntie van beslissingen voor ventilatorbeheer voor gevechtsmedici in hoge drukomgevingen verbetert zonder hun autonomie in gevaar te brengen.
Een prospectief, gerandomiseerd, binnen-subject onderzoeksontwerp zal worden gebruikt. Dertig gevechtsmidici van de Tsjechische strijdkrachten zullen deelnemen. Elke deelnemer zal 10 gesimuleerde TCCC -scenario's voltooien: vijf met AI -assistentie en vijf zonder. Scenario's worden geëvenaard voor complexiteit en gerandomiseerd om te controleren op besteleffecten. Deelnemers zullen chatgpt gebruiken op handheld-apparaten om realtime AI-geassisteerde besluitvorming te simuleren.
In scenario's met AI-assistentie zullen medici GPT-4 opvragen voor ondersteuning bij het optimaliseren van mechanische ventilatorinstellingen op basis van patiëntgegevens, inclusief bloedgasresultaten, vitale tekens en ventilatorparameters.
De primaire uitkomst is de nauwkeurigheid van de ventilatorinstellingen zoals gecategoriseerd in "uitstekende", "acceptabel" of "falen" op basis van vooraf gedefinieerde TCCC -normen. Secundaire resultaten omvatten de besluitvormingssnelheid en de perceptie van de deelnemers van het nut van AI, gemeten door enquêtes na de scenario.
De bevindingen zijn bedoeld om de haalbaarheid te bepalen van het integreren van grote taalmodellen (LLM's) in de medische zorg voor gevechten om de resultaten van de patiënt te optimaliseren en medici te ondersteunen onder gevechtsomstandigheden. De studie beoogt het begrip van de rol van AI in de militaire geneeskunde te bevorderen en een basis te bieden voor toekomstige inzet van verfijnde AI-oplossingen in TCCC en andere scenario's voor kritieke zorg.
Deze studie biedt een proof-of-concept-evaluatie van LLM-toepassingen in gevechtsvoorziening, met het potentieel om de besluitvorming te verbeteren en de ontwikkeling van gespecialiseerde AI-tools voor militair gebruik te informeren.
Studietype
Inschrijving (Werkelijk)
Fase
- Niet toepasbaar
Contacten en locaties
Studie Locaties
-
-
-
Praha, Tsjechië, 16209
- Military University Hospital Prague
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Beschrijving
Inclusiecriteria:
- Combat Medics die actief dienen in de Tsjechische strijdkrachten
- Voltooiing van gestandaardiseerde tactische gevechtsvoorzieningsverzorgingstrainingsmodules en e-learning op ventilatorinstellingen en bloedgasinterpretatie
- Succesvolle doorgeven van pre-tests om een uniform kennisniveau van baseline te garanderen.
- Bereidheid om deel te nemen en geïnformeerde toestemming te geven.
- Beschikbaarheid om het volledige studieprotocol te voltooien, inclusief 10 gesimuleerde scenario's.
Uitsluitingscriteria:
- Het niet passeren van de pre-tests of het voltooien van TCCC- en ventilatormanagementtraining
- Eerdere geavanceerde training of professionele certificering in kritieke zorg of mechanische ventilatie die resultaten zou kunnen beïnvloeden
- Weigering om geïnformeerde toestemming of onvermogen te geven om zich in te binden aan het onderzoeksschema
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Ander
- Toewijzing: NVT
- Interventioneel model: Opdracht voor een enkele groep
- Masker: Geen (open label)
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: Bevestiging van de besluitvorming van medicijnen met en zonder AI-hulp
Alle deelnemers zullen 10 tactische gevechtsscenario's voltooien: 5 met AI-hulp met behulp van GPT-4 voor ventilatorbeheer en 5 zonder AI-hulp.
Het crossover -ontwerp zorgt ervoor dat elke deelnemer beide voorwaarden ervaart.
|
Deelnemers voltooien 10 gesimuleerde tactische Combat Casualty Care (TCCC) scenario's, met 5 scenario's uitgevoerd met behulp van AI Assistance (GPT-4) en 5 zonder AI.
In AI-ondersteunde scenario's zullen deelnemers GPT-4 gebruiken om de ventilatorinstellingen op te vragen en te optimaliseren op basis van patiëntgegevens, terwijl niet-AI-scenario's uitsluitend afhankelijk zijn van hun klinische oordeel.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van ventilatorinstellingen
Tijdsspanne: 1 uur
|
Nauwkeurigheid van ventilatorinstellingen zoals gecategoriseerd in "uitstekende", "acceptabel" of "falen" op basis van vooraf gedefinieerde TCCC -normen. Uitstekend betekent 2 punten, acceptabel 1 punt en falende 0 punt. |
1 uur
|
Andere uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Perceptie van het nut van kunstmatige intelligentie
Tijdsspanne: 1 uur
|
Perceptie van het nut van kunstmatige intelligentie, gemeten via post-scenario-enquête
|
1 uur
|
Medewerkers en onderzoekers
Medewerkers
Onderzoekers
- Hoofdonderzoeker: Michal Soták, M.D., Ph.D., Charles University, Czech Republic
Publicaties en nuttige links
Algemene publicaties
- Nemeth C, Amos-Binks A, Rule G, Laufersweiler D, Keeney N, Flint I, Pinevich Y, Herasevich V. TCCC Decision Support With Machine Learning Prediction of Hemorrhage Risk, Shock Probability. Mil Med. 2023 Nov 8;188(Suppl 6):659-665. doi: 10.1093/milmed/usad298.
- Preiksaitis C, Ashenburg N, Bunney G, Chu A, Kabeer R, Riley F, Ribeira R, Rose C. The Role of Large Language Models in Transforming Emergency Medicine: Scoping Review. JMIR Med Inform. 2024 May 10;12:e53787. doi: 10.2196/53787.
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
Andere studie-ID-nummers
- FieldAI
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 .