Multidisiplinær behandling om antropomorfismen til store språkmodeller (MDTALLM)
3. oktober 2024 oppdatert av: Zining Luo, North Sichuan Medical College
Multidisiplinær behandling av antropomorfismen til store språkmodeller: En parallellkontrollert studie
Denne retrospektive kliniske studien har som mål å bedre utforske potensialet til store språkmodeller i medisin ved å sammenligne effektiviteten av MDT-konsultasjoner utført av menneskelige leger med de som utføres av store språkmodeller.
De viktigste spørsmålene som skal tas opp er:
Gir bruk av store språkmodeller for å gjennomføre antropomorfe MDT-konsultasjoner bedre resultater enn å bruke ikke-antropomorfe prosesser? Er det et betydelig ytelsesgap mellom MDT-konsultasjoner utført av store språkmodeller og de som utføres av mennesker? Hvor mye større er den økonomiske fordelen av MDT-konsultasjoner fra store språkmodeller sammenlignet med de som utføres av mennesker?
Samle retrospektivt MDT-konsultasjonsjournaler fra de siste 20 årene i nordlige Sichuan i Kina, samt anonymiserte pasientjournaler. Gruppe 1: Ulike store språkmodeller er satt til å fungere som leger fra ulike avdelinger og som MDT-sekretærer for å oppsummere konsultasjoner. Gruppe 2: Den store språkmodellen gir direkte diagnostiske og behandlingsanbefalinger for pasienter. Sammenlign resultatene fra gruppe 1 og 2 med menneskelig ytelse retrospektivt, score dem, og velg den beste modellen fra hver avdeling for en re-evaluering gjennom antropomorfe MDT-konsultasjoner, og sammenligne dem igjen med menneskelige resultater.
Studieoversikt
Status
Har ikke rekruttert ennå
Studietype
Observasjonsmessig
Registrering (Antatt)
300
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Zining Luo, Doctor
- Telefonnummer: 86 + 18161007029
- E-post: cblzn@nsmc.edu.cn
Studiesteder
-
-
Sichuan
-
Nanchong, Sichuan, Kina, 637000
- The Affiliated Hospital of North Sichuan Medical College
-
Ta kontakt med:
- Zining Luo
- Telefonnummer: 86 + 18161007029
- E-post: cblzn@nsmc.edu.cn
-
-
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Nei
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Fra sykehuset
Beskrivelse
Inkluderingskriterier:
- 1. Journalen inkluderer tverrfaglige høringsnotater, med anbefalinger fra spesialister ved ulike avdelinger og et godt dokumentert sluttoppsummering.
- 2. Journalen inneholder data fra minst ett år før og ett år etter konsultasjonen (inkludert intakte rapporter og bildejournal).
- 3. Pasientens utskrivningsforhold ble bedre på grunn av det tverrfaglige behandlingsopplegget etter konsultasjonen.
Ekskluderingskriterier:
- 1. Journalen inkluderer ikke tverrfaglige konsultasjonsnotater, eller anbefalingene fra ulike avdelingsleger og de endelige oppsummeringsnotatene er ufullstendige eller mangelfulle.
- 2. Journalen mangler data fra 1 år før og etter konsultasjonen, eller mangler nødvendige rapporter og bildedata, noe som resulterer i mangelfull dokumentasjon.
- 3. Pasientens tilstand ved utskrivning har ikke blitt bedre etter det tverrfaglige behandlingsopplegget, eller tilstanden har forverret seg.
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Antropomorfisert prosess Stor språkmodell Tverrfaglig behandlingsgruppe
Ved å bruke en lokalt distribuert MedicalGPT, den kommersielt tilgjengelige online GPT-4o, Claude-3.5
Sonnet, GPT-4o mini og Claude 3 Haiku vil hver sekvensielt spille rollen som leger fra forskjellige avdelinger involvert i den multidisiplinære behandlingsprosessen.
De vil deretter sekvensielt ta på seg rollen som en oppsummerer for å sette sammen anbefalingene sine til et endelig forslag eller behandlingsplan.
|
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i GPT-4o.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i GPT-4o mini.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i MedicalGPT.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i Claude-3.5
Sonett.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i Claude 3 Haiku.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
|
|
Ikke-antropomorfisert prosess Stor språkmodell Tverrfaglig behandlingsgruppe
Ved å bruke en lokalt distribuert MedicalGPT, den kommersielle online GPT-4o, Claude-3.5
Sonnet, GPT-4o mini og Claude 3 Haiku for å levere tverrfaglige konsultasjonsresultater i en enkelt instans, uten å påta seg roller separat for hver avdeling og deretter kompilere resultatene.
|
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i GPT-4o.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i GPT-4o mini.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i MedicalGPT.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i Claude-3.5
Sonett.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i Claude 3 Haiku.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
|
|
Real Doctors Multi-Disiplinary Treatment Group
Ved tradisjonell multidisiplinær behandling dokumenteres resultatene i konsultasjonsjournalene til de involverte pasientene, inkludert anbefalingene fra leger ved ulike avdelinger som deltok i konsultasjonen og sluttoppsummering av sekretær.
|
Samle retrospektivt diagnose- og behandlingsanbefalingene fra de tilsvarende avdelingene som er involvert i den tverrfaglige behandlingen av tidligere pasienter, samt de overordnede anbefalingene.
|
|
Beste store språkmodell Tverrfaglig behandlingsgruppe
Etter å ha skåret resultatene fra den antropomorfiserte prosessen Large Language Model Multidisciplinary Treatment Group mot resultatene fra Real Doctors' Multi-Disciplinary Treatment Group på avdeling for avdeling, ble de beste erstatningsmodellene og de beste oppsummeringsmodellene for hver avdeling valgt ut. .
Disse toppmodellene er satt til å påta seg roller i en multidisiplinær behandlingskonsultasjon.
|
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i GPT-4o.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i GPT-4o mini.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i MedicalGPT.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i Claude-3.5
Sonett.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
Legg inn alle pasientjournaler, inkludert tekst, undersøkelsesrapporter og bildedata, i Claude 3 Haiku.
Bruk forhåndstestede spørsmål for å etablere avdelingsroller, slik at den kan gi diagnostiske og behandlingsanbefalinger som er relevante for den respektive avdelingen.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Konsultasjonskostnad ($)
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
|
Konsultasjonstid (min)
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
|
Omfanget av multidisiplinære behandlingsresultater (prosentskala)
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
|
Klarhet av multidisiplinære behandlingsresultater (prosentskala)
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
|
Korrekthet av multidisiplinære behandlingsresultater (prosentskala)
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
|
Samarbeidspraksisvurdering på tvers av profesjonelle team (CPAT)
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
|
Vurderingsskala for oppsummering
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
|
Flesch-Kincaid Lesbarhetstest
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Sekundære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Etisk overholdelse (boolsk)
Tidsramme: Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Fra multidisiplinær behandlingsprosess til multidisiplinær behandlingsprosess til alle json-feltene er utgitt, overstiger vanligvis ikke tiden det tar for menneskelige leger å registrere tiden ved å bruke systemet hans.
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart (Antatt)
1. oktober 2024
Primær fullføring (Antatt)
1. november 2024
Studiet fullført (Antatt)
1. november 2024
Datoer for studieregistrering
Først innsendt
1. oktober 2024
Først innsendt som oppfylte QC-kriteriene
3. oktober 2024
Først lagt ut (Faktiske)
4. oktober 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
4. oktober 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
3. oktober 2024
Sist bekreftet
1. oktober 2024
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 1426887-2024-3
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
JA
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
- ICF
- ANALYTIC_CODE
- CSR
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
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. .