LLM-genererte forståelige sammendrag for hjerne-MR-rapporter (CLEAR-HEAD)

Bakgrunn Hodepine står for omtrent 2 % til 4 % av besøk på akuttmottak, noe som utgjør rundt 450 000 konsultasjoner årlig i Frankrike. Mens 95 % av disse tilfellene er godartet primær hodepine, er det avgjørende å identifisere sekundære årsaker som krever akutt behandling, noe som ofte fører til økt bruk av nevroavbildning som MR. Imidlertid inneholder radiologirapporter ofte komplekst medisinsk sjargong som kan være vanskelig for pasienter og ikke-spesialiserte leger å forstå, noe som potensielt kan forårsake forvirring eller angst. Store språkmodeller (LLM-er) har vist potensialet for å forenkle kompleks medisinsk tekst. Mens kommersielle modeller finnes, tilbyr åpne vektmodeller (som kan distribueres lokalt for å sikre datasikkerhet) en lovende vei for klinisk integrasjon. Denne studien har som mål å evaluere effektiviteten av en AI-generert oppsummering i vanlig språk for å forbedre pasientens forståelse av MR-hjernerapporter.

Studiedesign Dette er en randomisert, kontrollert, enkeltblindet studie innenfor COMPARE e-kohorten. Studien bruker et parallellgruppedesign med en 1:1-allokeringsratio. Hele studien utføres eksternt via sikre skjemaer på nett.

Deltakere Studien rekrutterer voksne frivillige som allerede er innskrevet i COMPARE e-kohorten. Deltakerne må ha tilstrekkelig kunnskap i skriftlig fransk for å lese rapportene og fullføre spørreskjemane. Ingen spesifikk medisinsk tilstand kreves for inkludering, da studien bruker fiktive kasusscenarier.

Intervensjon og prosedyrer Deltakerne randomiseres til en av to grupper via en minimeringsprosedyre som balanserer historie med MR-hjerne og kjent nevrologisk patologi. Hver deltaker blir bedt om å lese seks fiktive MR-hjernerapporter som simulerer vanlige akutte hodepinescenarier. De seks rapportene dekker tre kliniske situasjoner: to med normale resultater, to med tilfeldige funn som ikke forklarer hodepinen, og to med avvik som forklarer hodepinen. I eksperimentgruppen mottar deltakerne standard MR-rapporten beriket med et strukturert oppsummeringsavsnitt generert av en åpen vekt-LLM, innsatt under seksjonen Syntese for pasienten og ikke-radiolog lege. I kontrollgruppen mottar deltakerne standard MR-rapporten i sin opprinnelige versjon uten den AI-genererte oppsummeringen.

Utfallsmål Umiddelbart etter å ha lest hver rapport, fullfører deltakerne et standardisert spørreskjema. Det primære utfallsmålet er forståelsen av rapporten, målt ved nøyaktigheten av svaret på det binære spørsmålet: Er en sannsynlig forklaring på hodepinen funnet i denne rapporten? Sekundære utfall inkluderer deltakerens tilfredshet målt på en Likert-skala, oppfattet behov for profesjonell avklaring, oppfattet evne til å forklare resultatene til en slektning, og projisert angstnivå.

Statistisk analyse Den primære analysen vil sammenligne andelen korrekte svar mellom gruppene ved å bruke en blandet logistisk regresjonsmodell. Denne modellen vil inkludere intervensjonsgruppen som en fast effekt og ta hensyn til kryssede tilfeldige effekter (deltaker og rapport) for å håndtere intra-individuell korrelasjon og variabilitet mellom kliniske kasus. Utvalgsstørrelsen er beregnet til 412 deltakere (206 per gruppe) for å oppdage en 10 % forskjell i forståelse med 95 % styrke.