- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06748170
Al for å forbedre diagnosen av sjeldne revmatiske sykdommer (AIDRARER)
Studieoversikt
Detaljert beskrivelse
Avanserte teknologier for kunstig intelligens (AI), spesielt store språkmodeller som OpenAIs ChatGPT, har et betydelig potensial for å forbedre medisinske beslutninger. Mens ChatGPT ikke var spesielt utviklet for medisinske applikasjoner, har det vist nytte i ulike helsescenarier, inkludert å svare på pasientforespørsler, utarbeide medisinsk dokumentasjon og hjelpe konsultasjoner. Til tross for disse fremskrittene, er dens rolle i å støtte diagnostisk resonnement - spesielt blant mindre erfarne medisinstudenter - og for komplekse sjeldne sykdommer fortsatt underutforsket.
Diagnostisk resonnement er en mangefasettert prosess som kombinerer mønstergjenkjenning, kunnskapssyntese og sannsynlighetstenkning. Verktøy som ChatGPT kan potensielt lindre kognitiv belastning, forbedre diagnostisk nøyaktighet og til slutt akselerere diagnosen for sjeldne sykdommer. ChatGPT er imidlertid ikke skreddersydd for diagnostiske resonnementer og mangler omfattende validering i dette domenet. I tillegg er det utsatt for å generere feilinformasjon eller plausibelt klingende, men unøyaktige svar, som kan hindre i stedet for å støtte kliniske beslutninger. Derfor er det viktig å forstå hvordan medisinstudenter bruker slike AI-verktøy før de integreres i pedagogiske eller kliniske arbeidsflyter. Denne studien vil også vurdere en standardisert forespørsel for å lette bruken av ChatGPT og vil gi studentene direkte tilgang for å muliggjøre et realistisk scenario.
Denne studien vil undersøke effekten av ChatGPT på den diagnostiske nøyaktigheten til medisinstudenter når de takler tilfeller av sjeldne revmatiske sykdommer. Deltakerne vil bli randomisert i to grupper: én med tilgang til ChatGPT og én ved bruk av konvensjonelle diagnoseverktøy. Hver deltaker vil analysere diagnostiske tilfeller ved å gi opptil 5 differensialdiagnoser og vurdere den diagnostiske sikkerheten. Uavhengige anmeldere, blindet for gruppetildeling, vil evaluere nøyaktigheten og kvaliteten på svarene deres. Denne studien har derfor som mål å gi innsikt i de potensielle fordelene og begrensningene ved å integrere AI-verktøy som ChatGPT.
Studietype
Registrering (Faktiske)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
-
Marburg, Tyskland, 35043
- Institute for Digital Medicine, University Hospital of Giessen and Marburg, Philipps University Marburg
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inkluderingskriterier:
- Medisinstudenter som har startet med kliniske fag (internmedisin)
Ekskluderingskriterier:
- Ikke å være medisinstudent
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Diagnostisk
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Enkelt
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Aktiv komparator: Intervensjonsgruppe
Gruppen vil få tilgang til ChatGPT og standardisert innledende melding
|
OpenAIs ChatGPT-språkmodell med chat-grensesnitt.
|
|
Ingen inngripen: Kontrollgruppe
Gruppen vil ikke få tilgang til noen LLM-er inkludert ChatGPT, men vil være motivert til å bruke andre ressurser (som online søkemotorer, Pubmed)
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk nøyaktighet av toppdiagnose
Tidsramme: under evaluering
|
Deltakere i hver gruppe vil komme med minst ett sykdomsforslag (toppdiagnose) og inntil totalt maksimalt 5 forslag.
Prosentandelen av nøyaktige treff av toppforslaget med den faktiske diagnosen vil bli analysert
|
under evaluering
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostisk nøyaktighet av topp 5 forslag
Tidsramme: under evaluering
|
Deltakere i hver gruppe vil komme med minst ett sykdomsforslag (toppdiagnose) og inntil totalt maksimalt 5 forslag.
Prosentandelen av eksakte samsvar med den faktiske diagnosen inkludert i de 5 beste forslagene vil bli analysert
|
under evaluering
|
|
Diagnostisk resonnement
Tidsramme: under evaluering
|
For hvert tilfelle vil deltakerne få 1 poeng for hver plausibel diagnose og 2 poeng for helt korrekt svar.
Totalskårene vil bli sammenlignet mellom de randomiserte gruppene.
|
under evaluering
|
|
Diagnostisk tillit
Tidsramme: under evaluering
|
For hvert tilfelle vil deltakerne bli spurt om diagnostikk (VAS 0-10).
Gjennomsnittlig poengsum vil bli sammenlignet mellom grupper.
|
under evaluering
|
|
Tid brukt til diagnose
Tidsramme: under evaluering
|
Vi vil sammenligne hvor mye tid (i sekunder) deltakerne bruker per case mellom de to studiearmene.
|
under evaluering
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
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
- 24-221 ANZ
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. .