- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05495438
Wpływ i bezpieczeństwo sztucznej inteligencji na podejmowanie decyzji na OIT: eksperyment symulacyjny (ICU)
Wpływ wdrożenia sztucznej inteligencji (AI) w placówkach opieki zdrowotnej jest niejasny, w szczególności w odniesieniu do tego, w jaki sposób wpłynie ona na decydentów. Poprzednie badania wykazały, że alerty AI były często ignorowane (Kamal i in., 2020) lub mogły prowadzić do nieoczekiwanego zachowania i pogorszenia wyników pacjentów (Wilson i in., 2021). Z drugiej strony nadmierna pewność i zaufanie pokładane w sztucznej inteligencji może mieć szereg negatywnych konsekwencji, w tym zdolność do wykrywania szkodliwych decyzji sztucznej inteligencji, prowadzących do szkód dla pacjentów, a także do utraty kwalifikacji przez ludzi. Niektóre z tych aspektów odnoszą się do błędu automatyzacji.
W tym badaniu symulacyjnym badacze zamierzają zmierzyć, czy decyzje medyczne w obszarach o dużej niepewności klinicznej są modyfikowane za pomocą narzędzia wspomagania decyzji klinicznych opartego na sztucznej inteligencji. Jak będzie mierzona dawka płynów dożylnych (IVF) i wazopresorów podawanych przez lekarzy dorosłym pacjentom z sepsą (ciężkim zakażeniem z niewydolnością narządową) na OIT), zmienia się w wyniku ujawnienia dawek sugerowanych przez hipotetyczną AI. Obszar resuscytacji sepsy jest słabo skodyfikowany, a duża niepewność prowadzi do dużej zmienności w praktyce. W tym badaniu nie będzie konkretnie wymieniona Klinicysta AI (Komorowski i in., 2018). Zamiast tego badacze opisują hipotetyczną sztuczną inteligencję, dla której istnieją pewne dowody skuteczności na podstawie danych retrospektywnych w innym środowisku klinicznym (np. dowody skuteczności lub bezpieczeństwa. W związku z tym ta hipotetyczna sztuczna inteligencja może dostarczać niebezpieczne sugestie. Badacze celowo wprowadzą niebezpieczne sugestie AI (w losowej kolejności), aby zmierzyć wrażliwość naszych uczestników na ich wykrywanie.
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Wpływ wdrożenia sztucznej inteligencji (AI) w placówkach opieki zdrowotnej jest niejasny, w szczególności w odniesieniu do tego, w jaki sposób wpłynie ona na decydentów. Poprzednie badania wykazały, że alerty AI były często ignorowane (Kamal i in., 2020) lub mogły prowadzić do nieoczekiwanego zachowania i pogorszenia wyników pacjentów (Wilson i in., 2021). Z drugiej strony nadmierna pewność i zaufanie pokładane w sztucznej inteligencji może mieć szereg negatywnych konsekwencji, w tym zdolność do wykrywania szkodliwych decyzji sztucznej inteligencji, prowadzących do szkód dla pacjentów, a także do utraty kwalifikacji przez ludzi. Niektóre z tych aspektów odnoszą się do błędu automatyzacji.
W tym badaniu symulacyjnym badacze zamierzają zmierzyć, czy decyzje medyczne w obszarach o dużej niepewności klinicznej są modyfikowane za pomocą narzędzia wspomagania decyzji klinicznych opartego na sztucznej inteligencji. Jak będzie mierzona dawka płynów dożylnych (IVF) i wazopresorów podawanych przez lekarzy dorosłym pacjentom z sepsą (ciężkim zakażeniem z niewydolnością narządową) na OIT), zmienia się w wyniku ujawnienia dawek sugerowanych przez hipotetyczną AI. Obszar resuscytacji sepsy jest słabo skodyfikowany, a duża niepewność prowadzi do dużej zmienności w praktyce. W tym badaniu nie będzie konkretnie wymieniona Klinicysta AI (Komorowski i in., 2018). Zamiast tego badacze opisują hipotetyczną sztuczną inteligencję, dla której istnieją pewne dowody skuteczności na podstawie danych retrospektywnych w innym środowisku klinicznym (np. dowody skuteczności lub bezpieczeństwa. W związku z tym ta hipotetyczna sztuczna inteligencja może dostarczać niebezpieczne sugestie. Badacze celowo wprowadzą niebezpieczne sugestie AI (w losowej kolejności), aby zmierzyć wrażliwość naszych uczestników na ich wykrywanie.
Badacze zbadają, jakie cechy uczestników są powiązane ze zwiększonym prawdopodobieństwem bycia pod wpływem sztucznej inteligencji i przeprowadzą szereg wcześniej określonych analiz podgrup, m.in. młodszych i starszych lekarzy OIOM oraz oddzielenie tych z pozytywnym lub negatywnym nastawieniem do sztucznej inteligencji.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
London, Zjednoczone Królestwo, W2 1PG
- Imperial College Hospitals NHS Trust
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Młodszy (starszy oficer domu) lub starszy (rejestrator / kolega / konsultant) lekarz OIOM
Kryteria wyłączenia:
- Uczestnicy niespełniający kryteriów włączenia.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Klinicyści OIT
|
n/a - Nie ma interwencji.
Klinicyści przejrzą sugestie hipotetycznej sztucznej inteligencji
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wpływ AI na klinicystów OIOM
Ramy czasowe: 3 miesiące
|
Wpływ sztucznej inteligencji na klinicystów OIOM zostanie podzielony na następujące kategorie: ogólny i podzielony według bezpiecznego/niebezpiecznego, młodszego/starszego i pozytywnego/negatywnego stosunku do sztucznej inteligencji.
|
3 miesiące
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Charakterystyka uczestników
Ramy czasowe: 3 miesiące
|
Jakie są cechy osób biorących udział w symulacji i jak wpływa to na podejmowanie decyzji.
|
3 miesiące
|
|
Zaufaj AI
Ramy czasowe: 3 miesiące
|
Jak bardzo lekarze OIOM ufają systemowi sztucznej inteligencji.
|
3 miesiące
|
|
Zaufanie do decyzji uczestników
Ramy czasowe: 3 miesiące
|
Jak duże zaufanie pokładają klinicyści w systemie sztucznej inteligencji
|
3 miesiące
|
|
Proporcja czasu z uwagą na wyjaśnienie AI
Ramy czasowe: 3 miesiące
|
Na czym skupia się uwaga podczas symulacji
|
3 miesiące
|
Współpracownicy i badacze
Sponsor
Współpracownicy
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Oszacować)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- 22CX7592
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .