Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Generativ KI-basert simulering for diagnostisk kommunikasjon i type 2 diabetes (DIALOGUE-DM2) (DIALOGUE-DM2)

26. desember 2025 oppdatert av: Héctor Iván Saldívar Cerón, Universidad Nacional Autonoma de Mexico

Generativ KI-simulering for diagnostisk kommunikasjon i type 2-diabetes: En randomisert kontrollert studie (DIALOGUE-DM2)

Denne randomiserte kontrollerte studien evaluerer effektiviteten av et generativt kunstig intelligens (AI)-basert simuleringsprogram for å forbedre diagnostiske kommunikasjonsferdigheter blant medisinstudenter. Studien gjennomføres ved Faculty of Higher Studies Iztacala, National Autonomous University of Mexico (UNAM).

Totalt 120 medisinstudenter randomiseres til enten en intervensjonsgruppe som bruker DIALOGUE-DM2 AI-simuleringsplattformen eller en kontrollgruppe som følger tradisjonelle utdanningsmetoder. Deltakerne fullfører en pre-test, mottar opplæring i henhold til gruppetilordning, og gjennomgår deretter en post-test evaluering.

Det primære resultatmålet er forbedring i diagnostiske kommunikasjonsferdigheter, målt ved standardiserte pasientscenarier og validerte rubrikker. Sekundære resultatmål inkluderer selvrapportert tillit, kommunikasjonsdomener og inter-rater enighet mellom fakultetsevaluatorer og AI-scoring.

Denne studien har som mål å gi høykvalitets bevis på potensialet til generativ AI for å forbedre kommunikasjonsopplæring i medisinsk utdanning, spesielt i konteksten av type 2 diabetes diagnostisering.

Studieoversikt

Detaljert beskrivelse

Denne studien bygger på en tidligere pilotstudie (publisert i 2024) som viste gjennomførbarheten av å bruke generativ kunstig intelligens (AI) for å trene medisinstudenter i diagnostisk kommunikasjon. Den nåværende studien utvider dette arbeidet med en randomisert, blindet, kontrollert design og en større utvalgsstørrelse.

Design:

Studien er en randomisert, blindet, parallellgruppe, kontrollert studie gjennomført ved Faculty of Higher Studies Iztacala (FES Iztacala), UNAM. Totalt 120 medisinstudenter er inkludert og randomisert (1:1) til enten intervensjonsgruppen (AI-basert simulasjonstrening) eller kontrollgruppen (tradisjonell trening med standardiserte pasienter og fakultetsfeedback).

Intervensjon:

  • Intervensjonsgruppe: Studenter samhandler med DIALOGUE-DM2-plattformen, som tilbyr generativ AI-drevne simulerte pasienter. De fullfører flere scenarier for diagnostisk informasjonsgivelse og mottar umiddelbar feedback på ytelse, basert på standardiserte kommunikasjonsrubrikker.
  • Kontrollgruppe: Studenter mottar standard trening, inkludert forelesninger og veiledet praksis med kollegarollerlek og fakultetsveiledet feedback.

Vurderinger:

  • Pre-test: Alle studenter fullfører ett standardisert pasientscenario med fakultets- og AI-evaluering før intervensjon.
  • Treningsfase: Deltakere fullfører sin tildelte trening (AI vs. standard).
  • Post-test: Studenter fullfører et standardisert scenario for diagnostisk informasjonsgivelse. Uavhengige fakultetsevaluatorer (blinde for gruppetilordning) og AI-plattformen scorer ytelsen.

Utfall:

  • Primært utfall: Endring i prestasjonsscore for diagnostisk kommunikasjon fra pre-test til post-test, målt med validerte rubrikker (Kalamazoo-rammeverk, MRS).
  • Sekundære utfall:
  • Studenters selvrapportering av kommunikasjonssikkerhet.
  • Domene-spesifikke forbedringer (informasjonslevering, empati, risikoforklaring, delt beslutningstaking).
  • Overensstemmelse mellom menneskelige evaluatorer og AI-scoring.

Etikk og tilsyn:

Studien er vurdert og godkjent av Forskningsetikkomiteen ved FES Iztacala, UNAM (Godkjenningsnummer CE/FESI/042025/1915). Risikoer er minimale, da intervensjonen er pedagogisk og ikke-invasiv.

Betydning:

Dette er den første randomiserte kontrollerte studien i Mexico som evaluerer en generativ AI-basert simulering for diagnostisk kommunikasjon. Resultatene vil bidra til integrering av AI-drevne treningsverktøy i medisinsk utdanningsplaner og kan bidra til skalerbare innovasjoner i trening av helsepersonell for kronisk sykdomsbehandling, med utgangspunkt i type 2 diabetes.

Studietype

Intervensjonell

Registrering (Faktiske)

120

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

      • Tlalnepantla, Mexico
        • Universidad Nacional Autónoma de México, Faculty of Higher Studies Iztacala (FES Iztacala)

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

  • Voksen

Tar imot friske frivillige

Ja

Beskrivelse

Inklusjonskriterier:

  • Medisinstudenter som for tiden er immatrikulert ved Det medisinske fakultet (legeutdanningsprogrammet), UNAM-FES Iztacala.
  • Alder mellom 18 og 30 år.
  • I stand til å gi informert samtykke.
  • Villig til å delta i alle studieperioder (pre-test, intervensjon, post-test).

Eksklusjonskriterier:

  • Tidligere deltakelse i DIALOGUE pilotstudien.
  • Tidligere formell opplæring i diagnostisk kommunikasjon utover standard medisinsk pensum.
  • Ufullstendig tilgjengelighet for planlagte økter.
  • Avslag på eller manglende evne til å gi informert samtykke.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Helsetjenesteforskning
  • Tildeling: Randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Trippel

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: AI-basert simuleringstrening (DIALOGUE-DM2)
Medisinstudenter tildelt denne armen vil motta opplæring ved hjelp av DIALOGUE-DM2-plattformen, som tilbyr generativ AI-drevne simulerte pasienter. Deltakere vil delta i flere diagnostiske avsløringsscenarier fokusert på type 2 diabetes og motta umiddelbar tilbakemelding generert av AI-systemet. Tilbakemeldingen er tilpasset validerte kommunikasjonsrammeverk (Kalamazoo, MRS). Opplæringen gjennomføres over flere økter før posttest-evalueringen.
Medisinstudenter samhandler med DIALOGUE-DM2-plattformen, et generativt AI-basert simuleringssystem. Plattformen leverer virtuelle pasientmøter fokusert på diagnostisk avsløring av type 2 diabetes. Studenter fullfører flere simulerte scenarier og mottar umiddelbar AI-generert tilbakemelding i tråd med standardiserte kommunikasjonsrubrikker (Kalamazoo, MRS). Opplæringen har som mål å forbedre diagnostiske kommunikasjonsferdigheter før post-test evaluering.
Aktiv komparator: Tradisjonell opplæring
Medisinstudenter tildelt denne arm vil motta tradisjonell kommunikasjonsferdighetstrening. Dette inkluderer forelesninger, rollespill med jevnaldrende og fakultetsovervåkte tilbakemeldingsøkter som dekker diagnostisk avsløring ved type 2 diabetes. Deltakere vil fullføre samme antall treningsøkter som intervensjonsgruppen før post-test evalueringen.
Medisinstudenter mottar tradisjonell opplæring i diagnostisk kommunikasjon. Dette inkluderer forelesninger, rollespill med jevnaldrende og tilbakemeldingsøkter veiledet av fakultet som dekker diagnostisk avsløring ved type 2 diabetes. Opplæringens varighet og antall økter er tilpasset intervensjonsgruppen.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Endring i Diagnostisk Kommunikasjonsytelsesscore
Tidsramme: Omtrent 12 uker (fra pre-test til post-test per deltaker).
Forbedring i diagnostiske kommunikasjonsevner, målt ved bruk av validerte rubrikker - Kalamazoo Essential Elements Communication Checklist og Medical Communication Rating Scale (MCRS) - anvendt på standardiserte pasientscenarioer. Uavhengige blindede fakultetsevaluatorer og AI-scoring vil bli brukt. Poengsummer varierer fra 0 til 100, med høyere verdier som indikerer bedre diagnostisk kommunikasjonsytelse.
Omtrent 12 uker (fra pre-test til post-test per deltaker).

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Endring i studentrapportert selvtillit i diagnostisk kommunikasjon
Tidsramme: Omtrent 12 uker (fra pre-test til post-test per deltaker).
Endring i studenters selvrapporterte tillit ved avsløring av en diagnose av type 2 diabetes, målt gjennom et strukturert spørreskjema som bruker en 5-punkts Likert-skala (1 = svært lav tillit, 5 = svært høy tillit). Høyere skår indikerer større selvopplevd tillit i diagnostisk kommunikasjon.
Omtrent 12 uker (fra pre-test til post-test per deltaker).
Endring i domene-spesifikke diagnostiske kommunikasjonsskårer (Kalamazoo-rammeverket og Medical Communication Rating Scale)
Tidsramme: Omtrent 12 uker (fra pre-test til post-test per deltaker).
Forbedring i spesifikke kommunikasjonsdomener - informasjonslevering, empati, risikoforklaring og delt beslutningstaking - evaluert ved bruk av Kalamazoo Essential Elements Communication Checklist og Medical Communication Rating Scale (MCRS). Hvert domene poengsummes fra 0 til 100, hvor høyere poengsum indikerer bedre ytelse.
Omtrent 12 uker (fra pre-test til post-test per deltaker).
Avtale mellom menneskelige vurderere og AI-poengsetting
Tidsramme: Vurdert ved ettertest, omtrent 12 uker etter baseline per deltaker.
Grad av samsvar mellom blinde menneskelige evaluatorer og AI-basert scoring av diagnostisk kommunikasjonsevne, vurdert ved bruk av Cohens kappakoeffisient (κ). Verdier varierer fra -1,0 til +1,0, hvor verdier nærmere +1,0 indikerer sterkere samsvar mellom evaluatorer.
Vurdert ved ettertest, omtrent 12 uker etter baseline per deltaker.
Studenttilfredshet med den tildelte treningsmetoden
Tidsramme: Vurdert umiddelbart etter fullføring av ettertesten, omtrent 12 uker etter utgangspunktet per deltaker.
Tilfredshet med den tildelte treningsmetoden (AI-basert simulering vs. tradisjonell trening), målt ved hjelp av en strukturert 5-punkts Likert-tilfredshetsundersøkelse (1 = svært misfornøyd; 5 = svært fornøyd). Høyere skår indikerer større tilfredshet med treningsmetoden.
Vurdert umiddelbart etter fullføring av ettertesten, omtrent 12 uker etter utgangspunktet per deltaker.

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 (Faktiske)

22. september 2025

Primær fullføring (Faktiske)

18. desember 2025

Studiet fullført (Faktiske)

20. desember 2025

Datoer for studieregistrering

Først innsendt

2. oktober 2025

Først innsendt som oppfylte QC-kriteriene

18. november 2025

Først lagt ut (Antatt)

26. november 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

29. desember 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

26. desember 2025

Sist bekreftet

1. desember 2025

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

De-identifiserte individuelle deltakerdata (IPD) vil bli delt, inkludert rubrikkbaserte prestasjonsskårer fra pre-test og post-test evalueringer, selvrapporterte tillitspørreskjemaer, tilfredshetsspørreundersøkelsessvar og AI versus menneskelig evaluator vurderinger. Demografiske data (alder, kjønn, studieår) vil også bli inkludert i anonymisert form. Ingen personlig identifiserbar informasjon vil bli delt.

IPD-delingstidsramme

IPD og støttedokumenter (studieprotokoll, SAP, ICF, analytisk kode) vil bli tilgjengelig fra 6 måneder etter publisering av de primære resultatene og i en periode på minst 5 år deretter.

Tilgangskriterier for IPD-deling

Avidentifisert IPD og støttedokumenter vil være tilgjengelig for kvalifiserte forskere på rimelig forespørsel. Forespørsler må inkludere en metodisk forsvarlig forslag og vil kreve en databruksavtale. Tilgang vil bli gitt gjennom direkte kommunikasjon med hovedforskeren (Dr. Héctor Iván Saldívar Cerón, UNAM-FES Iztacala).

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • SEVJE
  • ICF
  • ANALYTIC_CODE

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. .

Abonnere