Symulacja oparta na sztucznej inteligencji generatywnej dla diagnostycznej komunikacji w cukrzycy typu 2 (DIALOGUE-DM2) (DIALOGUE-DM2)
Generatywna Symulacja AI w Komunikacji Diagnostycznej w Cukrzycy Typu 2: Randomizowane Badanie Kontrolowane (DIALOGUE-DM2)
To randomizowane badanie kontrolowane ocenia skuteczność programu symulacyjnego opartego na generatywnej sztucznej inteligencji (AI) w poprawie umiejętności komunikacji diagnostycznej wśród studentów medycyny. Badanie jest prowadzone na Wydziale Studiów Wyższych Iztacala, Narodowego Autonomicznego Uniwersytetu Meksyku (UNAM).
Łącznie 120 studentów medycyny zostało losowo przydzielonych do grupy interwencyjnej korzystającej z platformy symulacyjnej AI DIALOGUE-DM2 lub do grupy kontrolnej stosującej tradycyjne metody edukacyjne. Uczestnicy wykonują test wstępny, otrzymują szkolenie zgodnie z przydziałem do grupy, a następnie przechodzą ocenę testową po interwencji.
Głównym wynikiem jest poprawa umiejętności komunikacji diagnostycznej, mierzona za pomocą standaryzowanych scenariuszy pacjentów i zwalidowanych rubryk. Wyniki drugorzędne obejmują samoocenę pewności siebie, domeny komunikacji oraz zgodność między oceniającymi wykładowcami a oceną AI.
To badanie ma na celu dostarczenie wysokiej jakości dowodów na temat potencjału generatywnej AI w usprawnianiu szkolenia komunikacyjnego w edukacji medycznej, szczególnie w kontekście diagnozy cukrzycy typu 2.
Przegląd badań
Status
Warunki
Szczegółowy opis
To badanie opiera się na wcześniejszym badaniu pilotażowym (opublikowanym w 2024 roku), które wykazało wykonalność wykorzystania generatywnej sztucznej inteligencji (AI) do szkolenia studentów medycyny w zakresie komunikacji diagnostycznej. Obecne badanie rozszerza tę pracę poprzez randomizowany, zaślepiony, kontrolowany projekt badawczy i większą liczebność próby.
Projekt:
Badanie jest randomizowanym, zaślepionym, równoległym, kontrolowanym badaniem klinicznym przeprowadzonym na Wydziale Studiów Wyższych Iztacala (FES Iztacala), UNAM. Łącznie 120 studentów medycyny zostało włączonych do badania i randomizowanych (1:1) do grupy interwencyjnej (szkolenie symulacyjne oparte na AI) lub grupy kontrolnej (tradycyjne szkolenie ze standaryzowanymi pacjentami i informacją zwrotną od wykładowców).
Interwencja:
- Grupa interwencyjna: Studenci współdziałają z platformą DIALOGUE-DM2, która zapewnia symulowanych pacjentów napędzanych generatywną AI. Wykonują oni wiele scenariuszy ujawniania diagnozy i otrzymują natychmiastową informację zwrotną na temat wykonania, opartą na standaryzowanych rubrykach komunikacji.
- Grupa kontrolna: Studenci otrzymują standardowe szkolenie, w tym wykłady i nadzorowaną praktykę z odgrywaniem ról przez kolegów oraz informacją zwrotną pod kierunkiem wykładowców.
Oceny:
- Test wstępny: Wszyscy studenci wykonują jeden scenariusz ze standaryzowanym pacjentem z oceną przez wykładowców i AI przed interwencją.
- Faza szkoleniowa: Uczestnicy wykonują przypisane im szkolenie (AI vs. standardowe).
- Test końcowy: Studenci wykonują standaryzowany scenariusz ujawniania diagnozy. Niezależni oceniający z grona wykładowców (zaślepieni co do przydziału do grupy) i platforma AI oceniają wykonanie.
Wyniki:
- Wynik pierwszorzędowy: Zmiana w ocenie wykonania komunikacji diagnostycznej od testu wstępnego do testu końcowego, mierzona za pomocą zwalidowanych rubryk (ramy Kalamazoo, MRS).
- Wyniki drugorzędowe:
- Samooocena studentów dotycząca pewności siebie w komunikacji.
- Poprawa w poszczególnych obszarach (przekazywanie informacji, empatia, wyjaśnianie ryzyka, wspólne podejmowanie decyzji).
- Zgodność pomiędzy ocenami ludzkimi a ocenami AI.
Etyka i nadzór:
Badanie zostało przejrzane i zatwierdzone przez Komisję Etyki Badań Naukowych FES Iztacala, UNAM (Numer Zatwierdzenia CE/FESI/042025/1915). Ryzyko jest minimalne, ponieważ interwencja ma charakter edukacyjny i jest nieinwazyjna.
Znaczenie:
Jest to pierwsze randomizowane badanie kontrolowane w Meksyku oceniające symulację opartą na generatywnej AI dla komunikacji diagnostycznej. Wyniki posłużą do włączenia narzędzi szkoleniowych napędzanych AI do programów nauczania w edukacji medycznej i mogą przyczynić się do skalowalnych innowacji w szkoleniu pracowników ochrony zdrowia w zakresie zarządzania chorobami przewlekłymi, zaczynając od cukrzycy typu 2.
Typ studiów
Zapisy (Rzeczywisty)
Faza
- Nie dotyczy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Tlalnepantla, Meksyk
- Universidad Nacional Autónoma de México, Faculty of Higher Studies Iztacala (FES Iztacala)
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria włączenia:
- Studenci medycyny aktualnie zapisani na Wydziale Lekarskim (Program Chirurg Medyczny), UNAM-FES Iztacala.
- Wiek pomiędzy 18 a 30 lat.
- Zdolni do wyrażenia świadomej zgody.
- Chętni do udziału we wszystkich fazach badania (test wstępny, interwencja, test końcowy).
Kryteria wykluczenia:
- Wcześniejszy udział w pilotażowym badaniu DIALOGUE.
- Poprzednie formalne szkolenie w zakresie komunikacji diagnostycznej wykraczające poza standardowy program nauczania medycyny.
- Niekompletna dostępność na zaplanowane sesje.
- Odmowa lub niemożność wyrażenia świadomej zgody.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Badania usług zdrowotnych
- Przydział: Randomizowane
- Model interwencyjny: Przydział równoległy
- Maskowanie: Potroić
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Eksperymentalny: Szkolenie symulacyjne oparte na sztucznej inteligencji (DIALOGUE-DM2)
Studenci medycyny przydzieleni do tej grupy otrzymają szkolenie z wykorzystaniem platformy DIALOGUE-DM2, która zapewnia generatywne, oparte na sztucznej inteligencji, symulowane pacjentki.
Uczestnicy będą uczestniczyć w wielu scenariuszach ujawniania diagnozy dotyczących cukrzycy typu 2 i otrzymają natychmiastową informację zwrotną generowaną przez system AI.
Informacja zwrotna jest zgodna z walidowanymi ramami komunikacji (Kalamazoo, MRS).
Szkolenie jest prowadzone przez kilka sesji przed oceną końcową.
|
Studenci medycyny współdziałają z platformą DIALOGUE-DM2, generatywnym systemem symulacji opartym na sztucznej inteligencji.
Platforma dostarcza wirtualne spotkania z pacjentami skupione na ujawnianiu diagnozy cukrzycy typu 2.
Studenci ukończą wiele symulowanych scenariuszy i otrzymają natychmiastową informację zwrotną generowaną przez AI, zgodną ze standaryzowanymi rubrykami komunikacji (Kalamazoo, MRS).
Szkolenie ma na celu poprawę umiejętności komunikacji diagnostycznej przed oceną po teście.
|
|
Aktywny komparator: Tradycyjne Szkolenie
Studenci medycyny przydzieleni do tej grupy otrzymają tradycyjne szkolenie z umiejętności komunikacyjnych.
Obejmuje to wykłady, odgrywanie ról przez rówieśników oraz sesje informacji zwrotnej nadzorowane przez kadrę, obejmujące ujawnianie diagnozy w cukrzycy typu 2.
Uczestnicy ukończą taką samą liczbę sesji szkoleniowych jak grupa interwencyjna przed oceną po teście.
|
Studenci medycyny otrzymują tradycyjne szkolenie w zakresie komunikacji diagnostycznej.
Obejmuje ono wykłady, odgrywanie ról z rówieśnikami oraz sesje informacji zwrotnej nadzorowane przez wykładowców, obejmujące ujawnianie diagnozy w cukrzycy typu 2. Czas trwania szkolenia i liczba sesji są dostosowane do grupy interwencyjnej. |
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Zmiana wyniku wydajności komunikacji diagnostycznej
Ramy czasowe: Około 12 tygodni (od testu wstępnego do testu końcowego na uczestnika).
|
Poprawa umiejętności komunikacji diagnostycznej, mierzona przy użyciu zwalidowanych rubryk - Kalamazoo Essential Elements Communication Checklist oraz Medical Communication Rating Scale (MCRS) - stosowanych w scenariuszach z standaryzowanymi pacjentami.
Niezależni, zaślepieni oceniający z kadry akademickiej oraz ocena przez sztuczną inteligencję będą wykorzystane.
Wyniki mieszczą się w zakresie od 0 do 100, przy czym wyższe wartości wskazują na lepszą wydajność komunikacji diagnostycznej.
|
Około 12 tygodni (od testu wstępnego do testu końcowego na uczestnika).
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Zmiana w samoocenie pewności siebie studentów w komunikacji diagnostycznej
Ramy czasowe: Około 12 tygodni (od badania wstępnego do badania końcowego na uczestnika).
|
Zmiana w samoocenie pewności siebie uczniów podczas ujawniania diagnozy cukrzycy typu 2, mierzona za pomocą ustrukturyzowanego kwestionariusza z wykorzystaniem 5-punktowej skali Likerta (1 = bardzo niska pewność siebie, 5 = bardzo wysoka pewność siebie).
Wyższe wyniki wskazują na większą samoocenę pewności siebie w komunikacji diagnostycznej.
|
Około 12 tygodni (od badania wstępnego do badania końcowego na uczestnika).
|
|
Zmiana w wynikach komunikacji diagnostycznej w określonych dziedzinach (ramy Kalamazoo i skala oceny komunikacji medycznej)
Ramy czasowe: Około 12 tygodni (od testu wstępnego do testu końcowego na uczestnika).
|
Poprawa w określonych obszarach komunikacji – przekazywanie informacji, empatia, wyjaśnianie ryzyka oraz podejmowanie wspólnych decyzji – oceniana przy użyciu Listy kontrolnej kluczowych elementów komunikacji Kalamazoo oraz Skali oceny komunikacji medycznej (MCRS).
Każdy obszar jest oceniany w skali od 0 do 100, przy czym wyższe wyniki wskazują na lepsze wykonanie.
|
Około 12 tygodni (od testu wstępnego do testu końcowego na uczestnika).
|
|
Porozumienie Między Oceniającymi Ludźmi a Punktacją SI
Ramy czasowe: Oceniono po teście, około 12 tygodni po punkcie wyjściowym na uczestnika.
|
Poziom zgodności między niewtajemniczonymi oceniającymi ludzkimi a oceną opartą na sztucznej inteligencji dotyczącą jakości komunikacji diagnostycznej, oceniany za pomocą współczynnika kappa Cohena (κ).
Wyniki mieszczą się w zakresie od -1,0 do +1,0, przy czym wartości bliższe +1,0 wskazują na silniejszą zgodność między oceniającymi.
|
Oceniono po teście, około 12 tygodni po punkcie wyjściowym na uczestnika.
|
|
Zadowolenie studentów z przypisanej metody szkoleniowej
Ramy czasowe: Oceniane bezpośrednio po ukończeniu testu końcowego, około 12 tygodni po badaniu wyjściowym na uczestnika.
|
Satysfakcja z przypisanej metody szkoleniowej (symulacja oparta na sztucznej inteligencji vs. tradycyjne szkolenie), mierzona przy użyciu ustrukturyzowanej 5-punktowej ankiety satysfakcji Likerta (1 = bardzo niezadowolony; 5 = bardzo zadowolony).
Wyższe wyniki wskazują na większą satysfakcję z metody szkoleniowej.
|
Oceniane bezpośrednio po ukończeniu testu końcowego, około 12 tygodni po badaniu wyjściowym na uczestnika.
|
Współpracownicy i badacze
Publikacje i pomocne linki
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 (Szacowany)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- UNAM-DIALOGUE-DM2-2025
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Dane demograficzne (wiek, płeć, rok akademicki) również zostaną uwzględnione w formie zanonimizowanej.
Żadne dane umożliwiające identyfikację osoby nie będą udostępniane.
Ramy czasowe udostępniania IPD
Kryteria dostępu do udostępniania IPD
Typ informacji pomocniczych dotyczących udostępniania IPD
- PROTOKÓŁ BADANIA
- SOK ROŚLINNY
- ICF
- ANALITYCZNY_KOD
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 .