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

Duże modele językowe ułatwiające leczenie onkologii ginekologiczne (EASING)

25 sierpnia 2025 zaktualizowane przez: Philipps University Marburg

Studenci medycyny i ich postrzeganie dużych modeli językowych (LLM) w ginekologii onkologii

To badanie ma na celu ocenę wpływu zapewnienia studentom medycyny dostępu do dużych modeli językowych, w porównaniu z wytycznymi dotyczącymi leczenia PDF, na zgodność leczenia z konwencjonalną multidyscyplinarną tablicą nowotworów

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Technologie Advanced Artificial Intelligence (AI), szczególnie duże modele językowe, takie jak Chatgpt Openai, mają znaczący potencjał do poprawy podejmowania decyzji medycznych. Chociaż CHATGPT nie był specjalnie zaprojektowany do zastosowań medycznych, wykazał użyteczność w różnych scenariuszach opieki zdrowotnej, w tym w odpowiedzi na pytania pacjentów, opracowywanie dokumentacji medycznej i pomoc w konsultacjach klinicznych. Pomimo tych postępów jego rola we wspieraniu leczenia decyzyjnego podejmowania decyzyjnych w złożonych przypadkach onkologicznych-renemenach niedostosowanych.

Podejmowanie decyzji dotyczących leczenia w onkologii ginekologicznej jest wieloaspektowym procesem, który integruje wytyczne oparte na dowodach, biologię nowotworu, czynniki specyficzne dla pacjenta i wiedzę kliniczną. Narzędzia AI, takie jak CHATGPT, mogą potencjalnie pomóc w syntezy odpowiednich zaleceń opartych na wytycznych, poprawie dokładności decyzji i ułatwianiu bardziej wydajnych klinicznych przepływów pracy. Jednak chatgpt nie jest specjalnie dostosowany do decyzji o leczeniu onkologicznym i nie ma kompleksowej walidacji w tej dziedzinie. Ponadto może generować dezinformację lub prawdopodobne, ale niedokładne zalecenia, które mogą wpłynąć na osąd kliniczny. Dlatego zrozumienie, w jaki sposób lekarze, w tym studenci i lekarze wczesnej kariery, wchodzą w interakcje z takimi narzędziami AI, jest niezbędne przed szerszą integracją z praktyką kliniczną. Modele lokalne, takie jak LAMA, umożliwiają bezpieczne, lokalne użycie, podczas gdy generacja odzysku zapewnia zalecenia zgodne z wytycznymi.

To badanie zbada wpływ modeli językowych na wsparcie decyzji o leczeniu dla studentów medycyny zarządzających przypadkami onkologii ginekologicznej. Jest to badanie crossover, w którym uczestnicy będą losowo losowo w dwie grupy. Wszyscy uczestnicy zaczynają od dostępu do Chatgpt dla dwóch winiet. Następnie kontynuują dwa przypadki przy użyciu albo lokalnie wdrażanego modelu języka, a następnie dwa przypadki oparte na wytycznych PDF lub odwrotnie.

Każdy uczestnik przeanalizuje przypadki kliniczne, proponuje plany leczenia i oceni swoje zaufanie do swoich decyzji i użyteczności systemu wsparcia decyzji. To badanie ma na celu zapewnienie wglądu w potencjalne korzyści i ograniczenia integracji narzędzi AI, takich jak Chatgpt w podejmowaniu decyzji o leczeniu onkologicznym.

Typ studiów

Interwencyjne

Zapisy (Szacowany)

68

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

  • Niemcy
      • Marburg, Niemcy, 35043
        • Rekrutacyjny
        • Institute for Digital Medicine, University Hospital of Giessen and Marburg, Philipps University Marburg
        • Kontakt:

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
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Opis

Kryteria włączenia:

- studenci medycyny rozpoczęli od osób klinicznych

Kryteria wykluczenia:

- Nie będąc studentem medycyny

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: Leczenie
  • Przydział: Randomizowane
  • Model interwencyjny: Zadanie krzyżowe
  • Maskowanie: Pojedynczy

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Inny: Najpierw lokalny model języka
Grupa otrzyma dostęp do lokalnego modelu języka po użyciu chatgpt
Inny: Model języka lokalnego
Grupa otrzyma najpierw dostęp do lokalnego modelu języka po użyciu Chatgpt, a następnie uzyska dostęp do pliku PDF
Inny: Wytyczne PDF Najpierw
Grupa otrzyma dostęp do wytycznych PDF najpierw po użyciu chatgpt
Inny: Wytyczne PDF
Grupa otrzyma dostęp do pliku PDF po Chatgpt, a następnie do lokalnego modelu języka

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Zgodność leczenia za pomocą decyzji rady nowotworowej
Ramy czasowe: bezpośrednio (w ciągu 10 minut) po interwencji
Uczestnicy każdej grupy wybierają metody leczenia dla winiet przypadku
bezpośrednio (w ciągu 10 minut) po interwencji

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Zaufanie leczeniem
Ramy czasowe: bezpośrednio (w ciągu 10 minut) po interwencji
W każdym przypadku uczestnicy zostaną poproszeni o ich zaufanie do leczenia (VAS 0-10). Średni wynik zostanie porównany między grupami wsparcia decyzji.
bezpośrednio (w ciągu 10 minut) po interwencji
Czas spędzony na decyzję o leczeniu
Ramy czasowe: bezpośrednio (w ciągu 10 minut) po interwencji
Czas (w sekundach) uczestnicy wydają na przypadek między grupami wsparcia decyzji.
bezpośrednio (w ciągu 10 minut) po interwencji

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Philipps University Marburg

Śledczy

  • Główny śledczy: Sebastian Griewing, MD PhD, Philipps University Marburg

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 (Rzeczywisty)

2 czerwca 2025

Zakończenie podstawowe (Szacowany)

30 sierpnia 2025

Ukończenie studiów (Szacowany)

1 września 2025

Daty rejestracji na studia

Pierwszy przesłany

11 lutego 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

3 marca 2025

Pierwszy wysłany (Rzeczywisty)

10 marca 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

26 sierpnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

25 sierpnia 2025

Ostatnia weryfikacja

1 sierpnia 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 25-29 ANZ (Inny identyfikator: Philipps University Marburg)

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 Rak piersi

Badania kliniczne na Model języka lokalnego

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Uzbekistan

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj