Bruk og aksept av store språkmodeller for delt beslutningstaking ved kreft

Delt beslutningstaking er en samarbeidsprosess der klinikere støtter pasienter i å nå behandlingsbeslutninger. Til tross for dens betydning i onkologi, er strukturert delt beslutningstaking fortsatt uvanlig i rutinemessig klinisk praksis. Store språkmodeller tilbyr en ny måte for pasienter å få tilgang til og forstå medisinsk informasjon, men det er lite kjent hvordan sentrale interessenter oppfatter og bruker disse verktøyene for helsebeslutninger.

Denne observasjonsstudien brukte en sekvensiell blandet-metode-design som kombinerte Delphi-konsensusmetodikk med tverrsnittsundersøkelsesutrulling. Et ekspertpanel på 44 personer fra åtte områder (klinisk kunstig intelligens, teknisk utvikling, onkologi, psykologi, epidemiologi, pasientrettigheter, etikk og juridisk ekspertise) utviklet og validerte vurderingsinstrumentet gjennom to Delphi-runder, og oppnådde konsensus om 89 elementer. Det endelige instrumentet inneholdt 52 kvantitative elementer og 8 kvalitative spørsmål, som skilte mellom generell og helsespesifikk bruk av store språkmodeller.

Studien rekrutterte tre kohorter: 2 316 kreftpasienter med selvrapportert diagnose innen fem år, 2 000 medlemmer av generell befolkning fra USA og Storbritannia, og 2 835 lisensierte helsepersonell. Kvalitetskontroll inkluderte oppmerksomhetskontroller, overvåking av fullføringstid, konsistensvalidering og verifiseringsprosedyrer, noe som resulterte i utelukkelse av 694 svar (8,8 %) fra et utgangspunkt på 7 845.

Primæranalyser inkluderte chi-kvadrat-testing og ANOVA med Bonferroni-korreksjon, multivariabel logistisk regresjon med hierarkisk modellbygging for å identifisere prediktorer for adopsjon, og brukersegmentering gjennom kryss-tabellering kombinert med k-means klyngedannelse. Studien ble godkjent av institusjonens gjennomgangsutvalg ved Technische Universität München (TUM2024-89-S-SB).