Støtte for kunstig intelligens i nybegynneres beslutningstaking for å vurdere ultralyd fostervektsvurdering - en randomisert prøvelse (scan-AId)
Scan-AId: Artificial Intelligence Support in Novices beslutningstaking for vurdering av ultralyd fostervektsestimering - en randomisert prøvelse
Målet med denne randomiserte kontrollerte kliniske studien er å lære hvilken type kunstig intelligens (AI) som påvirker den diagnostiske nøyaktigheten av ultralyd-estimering av fostervekt (EFW), når utført av nybegynnere, i denne studien representert av medisinstudenter. Hovedspørsmålet den tar sikte på å svare på er:
- Hvilken type kunstig intelligens fungerer for nybegynnere for å forbedre den diagnostiske ultralyddiagnostiske nøyaktigheten av fostervekten?
- Forbedrer den kunstige intelligensen bildekvaliteten og er AI-systemet brukbart for nybegynnere? Deltakerne vil bli bedt om å utføre en ultralyd-EFW med enten et enkelt svart boks AI-tilbakemeldingssystem eller en mer forseggjort forklarbar AI. Dette for å støtte deres beslutningstaking. Forskere vil deretter sammenligne dette med en kontrollgruppe for å se om det er en effekt.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Målet med denne randomiserte kontrollerte kliniske studien er å lære hvilken type kunstig intelligens (AI) som påvirker den diagnostiske nøyaktigheten av ultralyd-estimering av fostervekt (EFW), når utført av nybegynnere, i denne studien representert av medisinstudenter.
Studiens mål er:
- Hvilken type støttesystem for kunstig intelligens fungerer for nybegynnere når det gjelder å forbedre ultralyddiagnostisk fostervekt?
- Forbedrer den kunstige intelligensen bildekvaliteten, evaluerer den kognitive belastningen på deltakerne når de bruker AI-støtte, og er AI-systemet brukbart for nybegynnere?
Deltakerne vil få i oppgave å gjennomføre en ultralyd estimert fostervekt (EFW) ved å bruke enten en enkel svart boks AI eller et detaljert forklarbart AI-tilbakemeldingssystem. AI-systemene vil hjelpe deltakerne med å avgjøre om de har tatt det riktige bildet for EFW. Resultatene vil deretter bli sammenlignet med resultatene til en kontrollgruppe.
Ultralydprosedyrer vil bli utført på gravide med fostre i en svangerskapsalder på 30-37 uker, som tidligere har gjennomgått en EFW av en sakkyndig sonograf ved klinikken enten samme dag eller dagen før. En deltaker i hver randomiseringsarm vil utføre en EFW på den samme gravide kvinnen.
Studietype
Registrering (Antatt)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
-
Copenhagen, Danmark, 2100
- Rigshospitalet
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- Medisinstudenter uten tidligere føtal eller abdominal ultralydopplæring.
- Deltakerne må forstå muntlig og skriftlig dansk eller engelsk.
Ekskluderingskriterier:
• Medisinstudenter som mottok formell foster- eller mageopplæring før de ble inkludert i denne studien.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Diagnostisk
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Enkelt
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: Tilbakemeldingsgruppe 1 (FG1)
Deltakere i FG1 vil motta grunnleggende svart boks AI-støtte, med enkel forklaring som "standard plan", "ikke standard plan" eller "off fly".
|
AI-tilbakemelding på to nivåer, til hjelp for deltakerne, for å få de riktige standardplanbildene brukt i føtal ultralyd EFW-beregning.
|
|
Eksperimentell: Tilbakemeldingsgruppe 2 (FG2)
Deltakere i FG2 vil motta forklarbar AI-støtte, med mer forseggjort beskrivelse av de anatomiske strukturene og segmenteringen av anatomien.
|
AI-tilbakemelding på to nivåer, til hjelp for deltakerne, for å få de riktige standardplanbildene brukt i føtal ultralyd EFW-beregning.
|
|
Ingen inngripen: Kontrollgruppe (CG)
Deltakere i CG vil ha en standard flyplakat som hjelper dem med å veilede dem til EFW ultralyd standard flybilder.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk nøyaktighet
Tidsramme: 15 minutter
|
Nøyaktigheten i hver gruppe ble definert som den prosentvise forskjellen mellom estimert fostervekt og sonografeksperten EFW
|
15 minutter
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Bildekvalitet
Tidsramme: 5 minutter pr. deltager
|
Salomon-kriteriescore brukes til å vurdere bildekvaliteten. Poeng gis avhengig av antall landemerker som finnes, kvaliteten på bildeoptimaliseringen og caliper.placements. Minimum: 1 Maksimum: 18. En høyere poengsum indikerer bedre bildekvalitet. |
5 minutter pr. deltager
|
Andre resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
AI-systemets brukervennlighet
Tidsramme: 5 minutter
|
Deltakerne vil bli bedt om å svare på et spørreskjema: System Usability Scale (SUS), som brukes til å evaluere AI-tilbakemeldingssystemet. Min 1 Maksimum 100. En høyere poengsum indikerer bedre systembrukbarhet. |
5 minutter
|
|
Måling av reaksjonstiden
Tidsramme: 5 minutter
|
Målinger av deltakernes reaksjonstid vil være en måling for den kognitive belastningen. Reaksjonstiden vil bli målt som en sekundær oppgave mens deltakerne utfører ultralydskanningen. |
5 minutter
|
Samarbeidspartnere og etterforskere
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Borsci S, Federici S, Lauriola M. On the dimensionality of the System Usability Scale: a test of alternative measurement models. Cogn Process. 2009 Aug;10(3):193-7. doi: 10.1007/s10339-009-0268-9. Epub 2009 Jun 30.
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019 Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7.
- Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ; SPIRIT-AI and CONSORT-AI Working Group. Guidelines for clinical trial protocols for interventions involving artificial intelligence: the SPIRIT-AI extension. Lancet Digit Health. 2020 Oct;2(10):e549-e560. doi: 10.1016/S2589-7500(20)30219-3. Epub 2020 Sep 9.
- Andreasen LA, Tabor A, Norgaard LN, Rode L, Gerds TA, Tolsgaard MG. Detection of growth-restricted fetuses during pregnancy is associated with fewer intrauterine deaths but increased adverse childhood outcomes: an observational study. BJOG. 2021 Jan;128(1):77-85. doi: 10.1111/1471-0528.16380. Epub 2020 Jul 27.
- Andreasen LA, Tabor A, Norgaard LN, Taksoe-Vester CA, Krebs L, Jorgensen FS, Jepsen IE, Sharif H, Zingenberg H, Rosthoj S, Sorensen AL, Tolsgaard MG. Why we succeed and fail in detecting fetal growth restriction: A population-based study. Acta Obstet Gynecol Scand. 2021 May;100(5):893-899. doi: 10.1111/aogs.14048. Epub 2021 Jan 12.
- Andreasen LA, Feragen A, Christensen AN, Thybo JK, Svendsen MBS, Zepf K, Lekadir K, Tolsgaard MG. Multi-centre deep learning for placenta segmentation in obstetric ultrasound with multi-observer and cross-country generalization. Sci Rep. 2023 Feb 8;13(1):2221. doi: 10.1038/s41598-023-29105-x.
- Nicholls D, Sweet L, Hyett J. Psychomotor skills in medical ultrasound imaging: an analysis of the core skill set. J Ultrasound Med. 2014 Aug;33(8):1349-52. doi: 10.7863/ultra.33.8.1349.
- Govaerts MJ, Schuwirth LW, Van der Vleuten CP, Muijtjens AM. Workplace-based assessment: effects of rater expertise. Adv Health Sci Educ Theory Pract. 2011 May;16(2):151-65. doi: 10.1007/s10459-010-9250-7. Epub 2010 Sep 30.
- Tolsgaard MG, Pusic MV, Sebok-Syer SS, Gin B, Svendsen MB, Syer MD, Brydges R, Cuddy MM, Boscardin CK. The fundamentals of Artificial Intelligence in medical education research: AMEE Guide No. 156. Med Teach. 2023 Jun;45(6):565-573. doi: 10.1080/0142159X.2023.2180340. Epub 2023 Mar 2.
- Tolsgaard MG, Boscardin CK, Park YS, Cuddy MM, Sebok-Syer SS. The role of data science and machine learning in Health Professions Education: practical applications, theoretical contributions, and epistemic beliefs. Adv Health Sci Educ Theory Pract. 2020 Dec;25(5):1057-1086. doi: 10.1007/s10459-020-10009-8. Epub 2020 Nov 3.
- Degallier-Rochat S, Kurpicz-Briki M, Endrissat N, Yatsenko O. Human augmentation, not replacement: A research agenda for AI and robotics in the industry. Front Robot AI. 2022 Oct 4;9:997386. doi: 10.3389/frobt.2022.997386. eCollection 2022. No abstract available.
- Vasey B, Novak A, Ather S, Ibrahim M, McCulloch P. DECIDE-AI: a new reporting guideline and its relevance to artificial intelligence studies in radiology. Clin Radiol. 2023 Feb;78(2):130-136. doi: 10.1016/j.crad.2022.09.131.
- Liu X, Cruz Rivera S, Moher D, Calvert MJ, Denniston AK; SPIRIT-AI and CONSORT-AI Working Group. Reporting guidelines for clinical trial reports for interventions involving artificial intelligence: the CONSORT-AI extension. Lancet Digit Health. 2020 Oct;2(10):e537-e548. doi: 10.1016/S2589-7500(20)30218-1. Epub 2020 Sep 9.
- Salomon LJ, Alfirevic Z, Da Silva Costa F, Deter RL, Figueras F, Ghi T, Glanc P, Khalil A, Lee W, Napolitano R, Papageorghiou A, Sotiriadis A, Stirnemann J, Toi A, Yeo G. ISUOG Practice Guidelines: ultrasound assessment of fetal biometry and growth. Ultrasound Obstet Gynecol. 2019 Jun;53(6):715-723. doi: 10.1002/uog.20272.
- Hadlock FP. Sonographic estimation of fetal age and weight. Radiol Clin North Am. 1990 Jan;28(1):39-50.
- Bloch R, Norman G. Generalizability theory for the perplexed: a practical introduction and guide: AMEE Guide No. 68. Med Teach. 2012;34(11):960-92. doi: 10.3109/0142159X.2012.703791.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- F-24001576
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .