Explainable AI in Medical Education: CerViD-MultiModal Framework Trial (CerViD-MM)
29. juli 2026 oppdatert av: Prince L. Fully, University of Liberia
Explainable Artificial Intelligence (XAI) in Medical Education: A Multi-Modal Framework for Enhancing Human-AI Collaboration
This study evaluates whether Explainable Artificial Intelligence (XAI) explanations integrated into medical training improve AI literacy, reduce cognitive workload, and enhance learner trust compared to traditional lecture methods.
Third-year medical students participated in a randomized controlled trial assessing the CerViD-MultiModal diagnostic framework during a neuroimaging diagnostic module focused on fornix atrophy in early and late mild cognitive impairment
Studieoversikt
Status
Fullført
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
The study utilized a two-phase sequential explanatory design with mixed methodologies.
In Phase 1 (Technical Development), the CerViD-MultiModal model was developed and validated using neuroimaging data from 100 Alzheimer's Disease Neuroimaging Initiative (ADNI) subjects to classify early vs. late mild cognitive impairment via fornix morphometry features.
In Phase 2 (Educational Intervention), a randomized controlled trial was conducted with 120 third-year medical students enrolled in the clinical neuroscience rotation at the University of Liberia.
Participants were randomized into two equal groups (n=60 per group): Control Group: Completed a 45-minute traditional lecture module using static text and bar charts.
XAI-Enhanced Group: Completed an interactive 45-minute module featuring SHAP summary charts, LIME patient-specific explanations, and interactive force graphs.
Post-intervention electronic assessments evaluated four primary outcomes: AI Literacy Score (0-100 scale), System Usability Scale (SUS, 0-100 scale), perceived cognitive workload using the NASA Task Load Index (NASA-TLX, 0-100 scale), and Confidence in AI Interpretation (1-5 scale)
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
-
-
Montserrado County
-
Monrovia, Montserrado County, Liberia, 1000
- University of Liberia Medical School
-
-
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
- Eldre voksen
Tar imot friske frivillige
Ja
Beskrivelse
Inclusion Criteria:
- Enrolled as a third-year medical student in the clinical neuroscience rotation at the University of Liberia.
- Willing and able to complete the 45-minute educational module and post-intervention evaluations.
- Provided informed consent to participate in the study.
Exclusion Criteria:
- Prior formal coursework, professional training, or specialized technical degree in artificial intelligence, machine learning, or computer science.
- Inability to complete the post-intervention assessment.
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: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Aktiv komparator: Control Group
Participants complete a 45-minute traditional lecture module on AI in neuroimaging using static text and bar charts
|
Standard educational instruction delivered via traditional slides and static charts explaining neuroimaging AI outputs.
|
|
Eksperimentell: XAI-Enhanced Group
Participants complete an interactive 45-minute lecture module supplemented with CerViD-MultiModal visual XAI explanations (SHAP summary charts and LIME patient-specific explanations
|
Standard educational instruction delivered via traditional slides and static charts explaining neuroimaging AI outputs.
Andre navn:
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
AI Literacy Score
Tidsramme: Immediately post-intervention (Day 1)
|
Continuous score (0-100 scale) measuring conceptual knowledge, practical application, ethical awareness, and critical evaluation of AI systems in medicine
|
Immediately post-intervention (Day 1)
|
|
System Usability Scale (SUS) Score
Tidsramme: Immediately post-intervention (Day 1)
|
Standardized 10-item scale assessing user perception of system usability, converted to a 0-100 overall score
|
Immediately post-intervention (Day 1)
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
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.
Generelle publikasjoner
- Lundberg SM, Lee SI. A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems (NeurIPS). 2017;30:4765-4774.
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)
30. mai 2026
Primær fullføring (Faktiske)
30. mai 2026
Studiet fullført (Faktiske)
15. juni 2026
Datoer for studieregistrering
Først innsendt
29. juli 2026
Først innsendt som oppfylte QC-kriteriene
29. juli 2026
Først lagt ut (Faktiske)
4. august 2026
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
4. august 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
29. juli 2026
Sist bekreftet
1. juli 2026
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- UL-IRB-2026-XAI-MED
- U01AG024904 (U.S. NIH-stipend/kontrakt)
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
JA
IPD-planbeskrivelse
De-identified individual participant data collected during the study, including post-intervention assessment scores for AI literacy, System Usability Scale (SUS) ratings, NASA Task Load Index (NASA-TLX) workload metrics, and confidence scores, will be made available upon reasonable request.
All direct and indirect identifiers will be removed prior to data sharing to preserve participant privacy.
IPD-delingstidsramme
De-identified individual participant data and supporting documents will become available within 6 months following publication of the study results in a peer-reviewed journal and will remain accessible for up to 3 years.
Tilgangskriterier for IPD-deling
Data and supporting materials will be shared with qualified academic researchers and clinical educators whose formal proposal has been approved by the research team.
Access is granted solely for scientific research and meta-analytic purposes.
Requests should be submitted via email directly to the Principal Investigator.
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
- 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. .