Klinikeres tillit til AI-baserte fostervekstestimat
Klinikeres tillit og beslutningstaking ved bruk av AI-baserte fostervekstberegninger med og uten usikkerhet: En randomisert spørreskjemaundersøkelse
Denne studien undersøker hvordan klinikere stoler på og bruker kunstig intelligens (AI) når de estimerer fostervekt under svangerskapet.
Nøyaktig vurdering av fostervekst er viktig for å identifisere vekstproblemer som kan påvirke svangerskapsbehandlingen. Nye AI-baserte verktøy kan estimere fostervekt fra ultralydbilder, men det er lite kjent hvordan klinikere stoler på disse estimatene eller hvordan usikkerhetsinformasjon påvirker deres beslutninger.
I denne studien vil klinikere gjennomgå anonymiserte ultralydtilfeller og sammenligne fostervektestimater generert av en AI-modell med tradisjonelle estimater. Noen klinikere vil også få vist informasjon om AI-modellens ytelse og usikkerhet, mens andre ikke vil.
Deltakerne vil bli bedt om å velge hvilket estimat de finner mest pålitelig, angi deres tillitsnivå og avgjøre om de vil anbefale oppfølgingsskanninger. Studien har som mål å bedre forstå hvordan AI og usikkerhetsinformasjon påvirker klinisk beslutningstaking og tillit blant klinikere med ulike erfaringstrinn.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Dette er en randomisert, matchet, vigneettbasert spørreskjemaundersøkelse designet for å undersøke klinikeres tillit til og bruk av KI-baserte fostervekstestimater.
Klinikere fra fødselshjelps- og gynekologiavdelingen vil bli rekruttert og stratifisert etter erfaring. Deltakere vil bli randomisert til enten en kontrollgruppe eller en intervensjonsgruppe. Intervensjonsgruppen vil få kort informasjon om KI-modellens generelle ytelse, mens kontrollgruppen ikke vil motta denne informasjonen.
Hver deltaker vil vurdere et sett med anonymiserte ultralydsaker fra tredje trimester. For hver sak vil klinikere få presentert standard ultralydbilder og relevant klinisk kontekst. De vil bli vist fostervekstestimater generert av en KI-basert modell og av en tradisjonell biometrisk metode, med eller uten tilhørende usikkerhetsinformasjon i form av konfidensintervaller.
For hver sak vil klinikere velge estimatet de anser som mest klinisk pålitelig, vurdere sin tillit til det valget, og angi om de vil anbefale en oppfølgende vekstskanning. Saksets er matchet etter klinisk erfaring, noe som sikrer at identiske saker evalueres av klinikere med lignende bakgrunn på tvers av studiearmene.
Studien fokuserer på klinikere som deltakere og innebærer ingen pasientintervensjon. Alle ultralyddata er fullstendig anonymisert. Resultatene vil gi innsikt i hvordan KI-genererte estimater og usikkerhetsinformasjon påvirker klinisk tillit, preferanser og beslutningstaking i fostervekstvurdering.
Studietype
Registrering (Antatt)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
-
Slagelse, Danmark, 4200
- Department of Obstetrics and Gynecology, Slagelse Hospital
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- Klinikere som arbeider i fødsels- og gynekologiavdelingen.
- Regelmessig bruk av fødselsultralyd i klinisk praksis.
- Villighet til å delta i en spørreskjema-basert studie.
Eksklusjonskriterier:
- Klinikere som ikke utfører fødselsultralydundersøkelser.
- Klinikere med en kjent interessekonflikt knyttet til det AI-systemet som vurderes.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Helsetjenesteforskning
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Enkelt
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Ingen inngripen: Kontroll - Ingen AI-yteinformasjon
Deltakerne fullfører spørreskjemaet uten å motta informasjon om AI-modellens samlede ytelse.
|
|
|
Annen: Intervensjon - AI Prestasjonsinformasjon
Deltakerne får kort informasjon om AI-modellens generelle ytelse før de fullfører spørreskjemaet.
|
Deltakerne mottar kort informasjon om AI-modellens generelle ytelse før de fullfører spørreskjemaet.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Klinikeres valg av metode for estimering av fostervekt
Tidsramme: Umiddelbart etter at spørreskjemaet er fullført
|
Andelen tilfeller der klinikere velger den KI-baserte fostervekt-estimeringen fremfor den tradisjonelle Hadlock-estimeringen når de vurderer anonymiserte ultralydtilfeller.
|
Umiddelbart etter at spørreskjemaet er fullført
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Klinikeres tillit til utvalgt fostervektestimat
Tidsramme: Umiddelbart etter utfylling av spørreskjema
|
Klinikeres selvrapporterte tillit til det valgte estimatet for fostervekt, målt på en 7-punkts Likert-skala for hvert tilfelle.
|
Umiddelbart etter utfylling av spørreskjema
|
|
Anbefaling om oppfølgingsvektskanning
Tidsramme: Umiddelbart etter utfylling av spørreskjema
|
Hvorvidt klinikere anbefaler en oppfølgende fostervekstskanning basert på den valgte fostervektestimatet, registrert som et binært utfall (ja/nei).
|
Umiddelbart etter utfylling av spørreskjema
|
|
Effekten av usikkerhetsinformasjon på modellpreferanse
Tidsramme: Umiddelbart etter at spørreskjemautfyllingen er fullført
|
Forskjell i klinikeres preferanse for AI-baserte versus tradisjonelle fostervektestimater når AI-prediksjoner presenteres med versus uten usikkerhetsinformasjon.
|
Umiddelbart etter at spørreskjemautfyllingen er fullført
|
Samarbeidspartnere og etterforskere
Sponsor
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
Nøkkelord
Andre studie-ID-numre
- F-25022462
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. .