Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Ulepszanie samokształcenia badaczy medycznych za pomocą inteligentnego modelu języka

28 sierpnia 2023 zaktualizowane przez: Zhongshan Ophthalmic Center, Sun Yat-sen University

Randomizowana, kontrolowana próba przewagi nad wpływem nowatorskiego modelu inteligentnego języka na zdolność samouczenia się badaczy medycznych

Rozwiązywanie medycznych problemów naukowych jest kluczową siłą napędową rozwoju dyscyplin medycznych. W miarę wzrostu złożoności zagadnień naukowych coraz większa liczba problemów wymaga rozwiązania współpracy interdyscyplinarnej. Jednakże większości badaczy zajmujących się medycyną brakuje interdyscyplinarnej wiedzy ogólnej i systematyczne zdobywanie odpowiedniej wiedzy i umiejętności wymaga znacznej ilości czasu. Co więcej, ciągłe pojawianie się nowej wiedzy i umiejętności podkreśla znaczenie zdolności badaczy do samodzielnego uczenia się w dziedzinie medycyny. Dlatego też, aby promować rozwój dyscyplin medycznych, istnieje pilna potrzeba opracowania skutecznej metody zwiększającej zdolność badaczy do samodzielnego uczenia się w zakresie prowadzenia badań interdyscyplinarnych.

Modele językowe sztucznej inteligencji nowej generacji, na przykładzie ChatGPT, mają ogromny potencjał w pomaganiu badaczom w dostępie do wiedzy i informacji z różnych dziedzin. Pozostaje do dalszego zbadania, czy badacze mogą wykorzystać takie narzędzia sztucznej inteligencji do zwiększenia swoich zdolności do samodzielnego uczenia się na potrzeby prowadzenia badań interdyscyplinarnych. Ponadto pojawiły się obawy dotyczące potencjalnego pogorszenia zdolności poznawczych w wyniku ich używania, chociaż obecnie brakuje przekonujących dowodów.

Aby zbadać, czy narzędzia AI reprezentowane przez ChatGPT mogą skutecznie pomóc badaczom medycyny w prowadzeniu badań interdyscyplinarnych i czy ich użycie może negatywnie wpłynąć na zdolności poznawcze badaczy, uzasadnione jest przeprowadzenie randomizowanego, kontrolowanego badania. Celem tego badania jest ustalenie potencjalnych korzyści i zagrożeń związanych ze stosowaniem narzędzi sztucznej inteligencji w dziedzinie badań medycznych.

Przegląd badań

Typ studiów

Interwencyjne

Zapisy (Szacowany)

60

Faza

  • Nie dotyczy

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Kopia zapasowa kontaktu do badania

Lokalizacje studiów

    • Guangdong
      • Guangzhou, Guangdong, Chiny, 510060
        • Zhongshan Ophthalmic Center, Sun Yat-sen University

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły

Akceptuje zdrowych ochotników

Tak

Opis

Kryteria przyjęcia:

  • Młodszy okulista z 1-3 letnim doświadczeniem klinicznym
  • 20-28 lat, bez względu na płeć
  • Brak wcześniejszego doświadczenia w badaniach interdyscyplinarnych z zakresu medycyny cyfrowej
  • Samodzielnie zgłosiło udział w tym badaniu co najmniej 20 godzin w okresie próbnym
  • Wyrażam zgodę na udział w tym badaniu i podpisuję świadomą zgodę

Kryteria wyłączenia:

  • Osoby z trudnościami w czytaniu lub niepełnosprawnością z czytaniem
  • Niechęć do udziału w tym badaniu

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Główny cel: Inny
  • Przydział: Randomizowane
  • Model interwencyjny: Przydział równoległy
  • Maskowanie: Pojedynczy

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: Grupa inteligentnych modeli języka
Oprócz wyszukiwania w Google, przeszukiwania literatury i kwerendy w książkach uczestnicy muszą korzystać z inteligentnego modelu języka, aby ukończyć pobieranie i projekt protokołu w ramach zadania interdyscyplinarnego.
Oprócz wyszukiwania w Google, przeszukiwania literatury i kwerendy w książkach uczestnicy muszą korzystać z inteligentnego modelu języka, aby ukończyć pobieranie i projekt protokołu w ramach zadania interdyscyplinarnego.
Komparator placebo: Grupa kontrolna
Badani mogą korzystać wyłącznie z wyszukiwarki Google, wyszukiwania literatury i kwerend w książkach i nie mogą korzystać z żadnych narzędzi do przetwarzania języka naturalnego opartych na sztucznej inteligencji w celu wyszukiwania i projektowania protokołu w ramach zadania interdyscyplinarnego.
Badani mogą korzystać wyłącznie z wyszukiwarki Google, wyszukiwania literatury i kwerend w książkach i nie mogą korzystać z żadnych narzędzi do przetwarzania języka naturalnego opartych na sztucznej inteligencji w celu wyszukiwania i projektowania protokołu w ramach zadania interdyscyplinarnego.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
stopień ukonczenia
Ramy czasowe: do zakończenia badania, średnio 9 miesięcy
Liczba osób, które wykonały zadanie w zadanym czasie / łączna liczba osób w grupie
do zakończenia badania, średnio 9 miesięcy

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Wykonalność programu badawczego
Ramy czasowe: do zakończenia badania, średnio 9 miesięcy
Wykonalność programu oceniana jest przez grupę punktową złożoną z ekspertów. Wykonalność dzieli się na 1-5 punktów w zależności od poprawności i integralności kluczowych kroków i szczegółów testu. Im wyższy wynik, tym większa wykonalność. 1 punkt oznacza brak ponad połowy kluczowych kroków lub ich nieprawidłowe wykonanie, 5 punktów oznacza wszystkie kluczowe kroki i szczegóły są odpowiednie.
do zakończenia badania, średnio 9 miesięcy

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Szacowany)

20 sierpnia 2023

Zakończenie podstawowe (Szacowany)

31 października 2023

Ukończenie studiów (Szacowany)

30 kwietnia 2024

Daty rejestracji na studia

Pierwszy przesłany

21 sierpnia 2023

Pierwszy przesłany, który spełnia kryteria kontroli jakości

28 sierpnia 2023

Pierwszy wysłany (Rzeczywisty)

29 sierpnia 2023

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

29 sierpnia 2023

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

28 sierpnia 2023

Ostatnia weryfikacja

1 lipca 2023

Więcej informacji

Terminy związane z tym badaniem

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .

Badania kliniczne na Medyczna sztuczna inteligencja

Badania kliniczne na Inteligentny model języka

Subskrybuj