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

Wpływ interwencji opartych na percepcji na akceptację społeczną wykorzystania dużych modeli językowych w medycynie

11 grudnia 2025 zaktualizowane przez: Liu Jue, Peking University

Interwencje oparte na percepcji wpływają na akceptację społeczną wykorzystania dużych modeli językowych w medycynie: badanie kontrolowane randomizowane

Duże modele językowe (LLM) wykazują potencjał w medycynie, jednak wciąż istnieją obawy dotyczące ich dokładności, spójności, przejrzystości i etyki. Do tej pory publiczne postrzeganie wykorzystania LLM w medycynie oraz to, czy odgrywają one rolę w akceptowalności zastosowań LLM w opiece zdrowotnej, nie jest jeszcze w pełni zrozumiane. Niniejsze badanie ma na celu zbadanie publicznego postrzegania wykorzystania LLM w medycynie oraz tego, czy interwencje w zakresie postrzegania wpływają na akceptowalność zastosowań LLM w opiece zdrowotnej.

Przegląd badań

Status

Aktywny, nie rekrutujący

Warunki

Interwencja / Leczenie

Szczegółowy opis

Dzięki szybkiemu postępowi w dziedzinie sztucznej inteligencji, duże modele językowe (LLM) są coraz częściej wykorzystywane w różnych środowiskach klinicznych, takich jak triage, diagnozowanie chorób, planowanie leczenia i samodzielne monitorowanie. Pomimo ich potencjału, wykorzystanie LLM pozostaje ograniczone w środowiskach opieki zdrowotnej z powodu braku dokładności, spójności i przejrzystości oraz obaw etycznych. Postrzeganie społeczne, takie jak postrzegana użyteczność i ryzyko, odgrywa kluczową rolę w kształtowaniu postaw wobec sztucznej inteligencji, co może ułatwić lub utrudnić jej przyjęcie. Jednak, o ile nam wiadomo, brakuje świadomości na temat interwencji opartych na percepcji w opiece zdrowotnej i żadne wcześniejsze badania nie badały, czy postrzeganie społeczne odgrywa rolę w akceptowalności zastosowań medycznych LLM. Dlatego to badanie ma na celu zbadanie postrzegania społecznego dotyczącego wykorzystania LLM w medycynie oraz tego, czy interwencje dotyczące postrzegania wpływają na akceptowalność zastosowań opieki zdrowotnej LLM.

Typ studiów

Interwencyjne

Zapisy (Szacowany)

3000

Faza

  • Nie dotyczy

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Chiny
    • Beijing Municipality
      • Beijing, Beijing Municipality, Chiny, 100191
        • Jue Liu

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:

  • ≥18 lat
  • Zdolność do wypełnienia ankiety online
  • Zgoda na podpisanie formularza świadomej zgody

Kryteria wykluczenia:

  • Niezdolność do odpowiadania na pytania lub komunikowania się
  • Niechęć do udziału w 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
Brak interwencji: Kontrola
Brak interwencji
Eksperymentalny: Postrzegane korzyści dużych modeli językowych w medycynie
Uczestników poproszono o przeczytanie "W kwietniu 2023 roku Massachusetts General Hospital uruchomił program pilotażowy wykorzystujący medyczne LLM do wspomagania triażu na oddziale ratunkowym oraz wstępnej diagnozy, co zaowocowało skróceniem czasu oczekiwania pacjentów i poprawą efektywności klinicznej."
Inny: Interwencje oparte na percepcji
Uczestnicy przydzieleni do grupy interwencyjnej otrzymywali interwencje oparte na percepcji. Interwencje dla Grup 1-3 obejmowały postrzegane korzyści z zastosowania dużych modeli językowych w medycynie, postrzegane uprzedzenia rasowe w dużych modelach językowych w medycynie oraz postrzegane konflikty etyczne w dużych modelach językowych w medycynie, odpowiednio.
Eksperymentalny: Postrzegane uprzedzenia rasowe w dużych modelach językowych w medycynie
Uczestników poproszono o przeczytanie tekstu: "W listopadzie 2022 roku zespół badawczy z Uniwersytetu Kalifornijskiego w San Francisco odkrył, że zaawansowane medyczne modeje językowe wykazywały uprzedzenia rasowe przy rekomendowaniu planów leczenia."
Inny: Interwencje oparte na percepcji
Uczestnicy przydzieleni do grupy interwencyjnej otrzymywali interwencje oparte na percepcji. Interwencje dla Grup 1-3 obejmowały postrzegane korzyści z zastosowania dużych modeli językowych w medycynie, postrzegane uprzedzenia rasowe w dużych modelach językowych w medycynie oraz postrzegane konflikty etyczne w dużych modelach językowych w medycynie, odpowiednio.
Eksperymentalny: Postrzegane konflikty etyczne w dużych modelach językowych w medycynie
Uczestnicy musieli przeczytać "W lutym 2023 roku duża europejska sieć szpitali przypadkowo wyciekła częściowo anonimizowane, ale wciąż wrażliwe dane pacjentów podczas testowania medycznych LLM z powodu błędu konfiguracji systemu. Chociaż nie doszło do bezpośredniej szkody dla pacjentów, zwiększyło to publiczne obawy dotyczące prywatności i bezpieczeństwa danych oraz zmusiło odpowiednie instytucje do przeprowadzenia pilnych przeglądów ich środków ochrony danych."
Inny: Interwencje oparte na percepcji
Uczestnicy przydzieleni do grupy interwencyjnej otrzymywali interwencje oparte na percepcji. Interwencje dla Grup 1-3 obejmowały postrzegane korzyści z zastosowania dużych modeli językowych w medycynie, postrzegane uprzedzenia rasowe w dużych modelach językowych w medycynie oraz postrzegane konflikty etyczne w dużych modelach językowych w medycynie, odpowiednio.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Liczba uczestników, którzy zmienią swoje nastawienie do medycznych zastosowań dużych modeli językowych
Ramy czasowe: Do zakończenia badania, średnio 1 rok
Akceptacja społeczna stosowania dużych modeli językowych w medycynie zostanie skategoryzowana jako tak, nie jestem pewien i nie, co będzie zbierane przed interwencjami opartymi na percepcji i po interwencjach.
Do zakończenia badania, średnio 1 rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Peking University

Współpracownicy

Peking University Third Hospital

Śledczy

  • Główny śledczy: Jue Liu, Peking University

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)

25 listopada 2025

Zakończenie podstawowe (Szacowany)

31 października 2026

Ukończenie studiów (Szacowany)

31 grudnia 2026

Daty rejestracji na studia

Pierwszy przesłany

1 grudnia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

11 grudnia 2025

Pierwszy wysłany (Rzeczywisty)

26 grudnia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

26 grudnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

11 grudnia 2025

Ostatnia weryfikacja

1 grudnia 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • NNSF72474005

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 Interwencje oparte na percepcji

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Iran

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj