Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Effect van perceptiegebaseerde interventies op de publieke acceptatie van het gebruik van grote taalmodelen in de geneeskunde

11 december 2025 bijgewerkt door: Liu Jue, Peking University

Perceptie-gebaseerde interventies beïnvloeden de publieke acceptatie van het gebruik van grote taalmodellen in de geneeskunde: gerandomiseerde gecontroleerde trial

Grote taalmodelen (LLM's) tonen potentieel in de geneeskunde, maar zorgen over hun nauwkeurigheid, samenhang, transparantie en ethiek blijven bestaan. Tot op heden zijn de publieke percepties over het gebruik van LLM's in de geneeskunde en of ze een rol spelen in de aanvaardbaarheid van gezondheidszorgtoepassingen van LLM's nog niet volledig begrepen. Deze studie heeft tot doel de publieke percepties over het gebruik van LLM's in de geneeskunde te onderzoeken en of interventies voor percepties de aanvaardbaarheid van gezondheidszorgtoepassingen van LLM's beïnvloeden.

Studie Overzicht

Gedetailleerde beschrijving

Vanwege de snelle vooruitgang in kunstmatige intelligentie worden grote taalmodellen (LLM's) steeds vaker gebruikt in verschillende klinische settings, zoals triage, ziekte-diagnose, behandelplanning en zelfmonitoring. Ondanks hun potentieel blijft het gebruik van LLM's binnen de gezondheidszorg beperkt vanwege een gebrek aan nauwkeurigheid, samenhang en transparantie en ethische zorgen. Publieke percepties zoals waargenomen nut en risico's spelen een cruciale rol in het vormen van houdingen ten opzichte van kunstmatige intelligentie, die de adoptie ervan kunnen vergemakkelijken of belemmeren. Maar voor zover wij weten is er een gebrek aan bewustzijn over perceptie-gestuurde interventies in de gezondheidszorg, en hebben eerdere studies niet onderzocht of publieke percepties een rol spelen in de acceptatie van medische toepassingen van LLM's. Daarom heeft deze studie tot doel publieke percepties over het gebruik van LLM's in de geneeskunde te onderzoeken en of interventies voor percepties de acceptatie van gezondheidszorgtoepassingen van LLM's beïnvloeden.

Studietype

Ingrijpend

Inschrijving (Geschat)

3000

Fase

  • Niet toepasbaar

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

    • Beijing Municipality
      • Beijing, Beijing Municipality, China, 100191
        • Jue Liu

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Beschrijving

Inclusiecriteria:

  • ≥18 jaar
  • In staat om een online enquête in te vullen
  • Akkoord met het ondertekenen van een toestemmingsformulier voor geïnformeerde toestemming

Exclusiecriteria:

  • Niet in staat om vragen te beantwoorden of te communiceren
  • Niet bereid om aan deze studie deel te nemen

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

  • Primair doel: Ander
  • Toewijzing: Gerandomiseerd
  • Interventioneel model: Parallelle opdracht
  • Masker: Enkel

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Geen tussenkomst: Controle
Geen tussenkomst
Experimenteel: Waargenomen voordelen van grote taalmodelen in de geneeskunde
De deelnemers werd gevraagd om te lezen "In april 2023 lanceerde het Massachusetts General Hospital een pilotprogramma dat medische LLM's gebruikte om te helpen bij de triage op de spoedeisende hulp en de initiële diagnose, en men observeerde een vermindering van de wachttijden voor patiënten en een verbetering van de klinische efficiëntie."
Deelnemers toegewezen aan de interventiegroep ontvingen perceptiegebaseerde interventies. Interventies voor Groepen 1-3 waren respectievelijk waargenomen voordelen van LLM's in de geneeskunde, waargenomen raciale vooringenomenheid in LLM's in de geneeskunde, en waargenomen ethische conflicten in LLM's in de geneeskunde.
Experimenteel: Waargenomen raciale vooringenomenheid in grote taalmodellen in de geneeskunde
Deelnemers werd gevraagd om te lezen "In november 2022 ontdekte een onderzoeksteam van de Universiteit van Californië, San Francisco dat geavanceerde medische LLM's raciale vooroordelen vertoonden bij het aanbevelen van behandelplannen."
Deelnemers toegewezen aan de interventiegroep ontvingen perceptiegebaseerde interventies. Interventies voor Groepen 1-3 waren respectievelijk waargenomen voordelen van LLM's in de geneeskunde, waargenomen raciale vooringenomenheid in LLM's in de geneeskunde, en waargenomen ethische conflicten in LLM's in de geneeskunde.
Experimenteel: Waargenomen ethische conflicten in grote taalmodellen in de geneeskunde
Deelnemers moesten lezen "In februari 2023 lekte een groot Europees ziekenhuisnetwerk per ongeluk gedeeltelijk geanonimiseerde maar nog steeds gevoelige patiëntengegevens tijdens het testen van medische LLM's als gevolg van een systeemconfiguratiefout. Hoewel er geen directe schade aan patiënten is ontstaan, verhoogde dit de publieke bezorgdheid over gegevensprivacy en -beveiliging en dwong het relevante instellingen om dringende evaluaties van hun gegevensbeschermingsmaatregelen uit te voeren."
Deelnemers toegewezen aan de interventiegroep ontvingen perceptiegebaseerde interventies. Interventies voor Groepen 1-3 waren respectievelijk waargenomen voordelen van LLM's in de geneeskunde, waargenomen raciale vooringenomenheid in LLM's in de geneeskunde, en waargenomen ethische conflicten in LLM's in de geneeskunde.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Aantal deelnemers dat zijn houding ten opzichte van medische toepassingen van grote taalmodel zal veranderen
Tijdsspanne: Tot het einde van de studie, gemiddeld 1 jaar
De publieke acceptatie van het toepassen van grote taalmodellen in de geneeskunde wordt gecategoriseerd in ja, niet zeker en nee, wat wordt verzameld vóór perceptie-gebaseerde interventies en na interventies.
Tot het einde van de studie, gemiddeld 1 jaar

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Onderzoekers

  • Hoofdonderzoeker: Jue Liu, Peking University

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

25 november 2025

Primaire voltooiing (Geschat)

31 oktober 2026

Studie voltooiing (Geschat)

31 december 2026

Studieregistratiedata

Eerst ingediend

1 december 2025

Eerst ingediend dat voldeed aan de QC-criteria

11 december 2025

Eerst geplaatst (Werkelijk)

26 december 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

26 december 2025

Laatste update ingediend die voldeed aan QC-criteria

11 december 2025

Laatst geverifieerd

1 december 2025

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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 .

Abonneren