Wielka niewiadoma: Podróż w transformacyjny wpływ sztucznej inteligencji generatywnej na zawody medyczne
Wielka Niewiadoma: Podróż w Transformacyjny Wpływ Generatywnej Sztucznej Inteligencji na Zawody Medyczne
Przegląd badań
Status
Interwencja / Leczenie
Szczegółowy opis
To badanie jest wielokrajowym, równoległym, randomizowanym, kontrolowanym badaniem klinicznym, zaprojektowanym w celu oceny, czy dostęp do dużego modelu językowego (LLM) poprawia podejmowanie decyzji klinicznych przez lekarzy. Badanie wykorzystuje ramy wyższości i porównuje lekarzy losowo przydzielonych do ukończenia standaryzowanych wignetów klinicznych z dostępem do GPT-4o lub bez jakiejkolwiek pomocy sztucznej inteligencji.
Wignety kliniczne symulują powszechne schorzenia podstawowej opieki zdrowotnej, takie jak choroby sercowo-naczyniowe, układu oddechowego, układu mięśniowo-szkieletowego, związane ze zmęczeniem oraz choroby zakaźne. Każdy wignet obejmuje wiele etapów procesu rozumowania klinicznego, od początkowego zbierania wywiadu do diagnozy, leczenia i obserwacji. Odpowiedzi lekarzy są oceniane przy użyciu rubryk opracowanych na podstawie opartych na dowodach, specyficznych dla kontekstu wytycznych najlepszych praktyk.
Badanie jest prowadzone w trzech krajach – Indonezji, Kenii i Holandii – reprezentujących różne poziomy dochodów i konteksty systemów opieki zdrowotnej. Pierwszorzędowym punktem końcowym jest wynik w wignetach klinicznych, zdefiniowany jako przestrzeganie wytycznych najlepszych praktyk. Cele drugorzędowe obejmują badanie różnic między krajami w wynikach lekarzy, zróżnicowanie w rozkładach wyników oraz rolę zaangażowania z LLM w kształtowaniu wyników.
Typ studiów
Zapisy (Rzeczywisty)
Faza
- Nie dotyczy
Kontakty i lokalizacje
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria włączenia:
- Zarejestrowani lekarze medycyny
- Szkolenie z medycyny wewnętrznej lub medycyny rodzinnej
Kryteria wykluczenia:
- Obecnie nie praktykujący klinicznie
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Diagnostyczny
- Przydział: Randomizowane
- Model interwencyjny: Przydział równoległy
- Maskowanie: Pojedynczy
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Brak interwencji: Własna Wiedza
Grupa nie będzie miała dostępu do GPT-4 ani innych zasobów online
|
|
|
Aktywny komparator: GPT-4o
Grupa z dostępem do GPT-4o
|
GPT-4o dostarczone poprzez iFrame w środowisku online Qualtrics
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Procentowy Wynik Poprawny
Ramy czasowe: Podczas Oceny
|
Zgodnie z Peabody et al (2000), głównym wynikiem jest procentowy wynik poprawności we wszystkich krokach w scenariuszu.
Jest on generowany przez podzielenie ważonej sumy całkowitej pozycji rubryki ocenionych jako obecne przez całkowitą liczbę możliwych pozycji rubryki w scenariuszu.
Pozycje rubryki zostaną odpowiednio ważone pod względem ich istotności przez nasz panel ekspertów.
|
Podczas Oceny
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Jakość na odpowiedź
Ramy czasowe: Podczas Oceny
|
Ten wynik jest generowany jako średnia waga pozycji rubryk ocenionych jako obecne w opisach przypadków.
Ponieważ każdej pozycji przypisana jest waga (0.33, 0.5, 1), średnia waga to suma wag podzielona przez liczbę odpowiedzi oznaczonych jako obecne.
|
Podczas Oceny
|
|
Liczba odpowiedzi
Ramy czasowe: Podczas oceny
|
Wynik ten jest generowany jako liczba całkowitej liczby odpowiedzi ocenionych przez recenzentów jako obecnych w każdym opisie przypadku
|
Podczas oceny
|
|
Mniej oczywiste odpowiedzi
Ramy czasowe: Podczas oceny
|
Wynik ten jest generowany jako liczba odpowiedzi, które są mniej oczywiste, tj. wymienianych rzadziej przez grupę kontrolną.
Jeśli odpowiedź jest wymieniana przez 25% lub mniej grupy kontrolnej, uważa się ją za mniej oczywistą.
|
Podczas oceny
|
Współpracownicy i badacze
Sponsor
Śledczy
- Główny śledczy: Mark Levels, PhD, Maastricht University
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 (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
- ERCIC_572_25_04_2024
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 .