Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Aprimorando a autoaprendizagem de pesquisadores médicos com um modelo de linguagem inteligente

28 de agosto de 2023 atualizado por: Zhongshan Ophthalmic Center, Sun Yat-sen University

Um ensaio clínico randomizado de superioridade sobre o efeito de um novo modelo de linguagem inteligente na capacidade de autoaprendizagem de pesquisadores médicos

A resolução de problemas científicos médicos é uma força motriz crucial por trás do avanço das disciplinas médicas. À medida que a complexidade das questões científicas aumenta, um número crescente de problemas requer colaboração interdisciplinar para serem resolvidos. No entanto, a maioria dos investigadores médicos carece de conhecimentos interdisciplinares e necessita de muito tempo para aprender sistematicamente conhecimentos e competências relevantes. Além disso, o surgimento contínuo de novos conhecimentos e competências enfatiza a importância da capacidade dos investigadores para a aprendizagem autónoma na área médica. Portanto, para promover o desenvolvimento de disciplinas médicas, há uma necessidade urgente de um método eficaz para melhorar as capacidades de aprendizagem autodirigida dos investigadores para a realização de investigação interdisciplinar.

Os modelos de linguagem de inteligência artificial da próxima geração, exemplificados pelo ChatGPT, têm um grande potencial para ajudar os investigadores a aceder ao conhecimento e à informação de vários domínios. Resta saber se os investigadores podem aproveitar essas ferramentas de IA para melhorar as suas capacidades de aprendizagem autodirigida para a realização de investigação interdisciplinar. Além disso, foram levantadas preocupações relativamente à potencial degradação das capacidades cognitivas através da sua utilização, embora atualmente faltem evidências válidas.

Para investigar se as ferramentas de IA, representadas pelo ChatGPT, podem ajudar eficazmente os investigadores médicos na condução de investigação interdisciplinar e se a sua utilização pode impactar negativamente as capacidades cognitivas dos investigadores, é necessário um ensaio clínico randomizado. Este ensaio visa verificar os potenciais benefícios e riscos associados à utilização de ferramentas de IA no domínio da investigação médica.

Visão geral do estudo

Tipo de estudo

Intervencional

Inscrição (Estimado)

60

Estágio

  • Não aplicável

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Estude backup de contato

Locais de estudo

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

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

  • Adulto

Aceita Voluntários Saudáveis

Sim

Descrição

Critério de inclusão:

  • Oftalmologista júnior com 1-3 anos de experiência clínica
  • 20-28 anos, independentemente do sexo
  • Nenhuma experiência anterior em pesquisa interdisciplinar envolvendo medicina digital
  • Autorrelatou um mínimo de 20 horas de participação neste estudo durante o período experimental
  • Concorde em participar deste estudo e assine o consentimento informado

Critério de exclusão:

  • Indivíduos com dificuldades de leitura ou dificuldades de leitura
  • Relutância em participar deste estudo

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

  • Finalidade Principal: Outro
  • Alocação: Randomizado
  • Modelo Intervencional: Atribuição Paralela
  • Mascaramento: Solteiro

Armas e Intervenções

Grupo de Participantes / Braço
Intervenção / Tratamento
Experimental: Grupo de modelo de linguagem inteligente
Os sujeitos devem utilizar o modelo de linguagem inteligente para completar a recuperação e execução do design de protocolo de uma tarefa interdisciplinar, além de pesquisa no Google, pesquisa bibliográfica e consulta de livros.
Os sujeitos devem utilizar o modelo de linguagem inteligente para completar a recuperação e execução do design de protocolo de uma tarefa interdisciplinar, além de pesquisa no Google, pesquisa bibliográfica e consulta de livros.
Comparador de Placebo: Grupo de controle
Os sujeitos só podem usar a pesquisa do Google, a recuperação de literatura e a consulta de livros, e não podem usar nenhuma ferramenta de processamento de linguagem natural conversacional orientada por IA para concluir a recuperação e a execução do design de protocolo de uma tarefa interdisciplinar.
Os sujeitos só podem usar a pesquisa do Google, a recuperação de literatura e a consulta de livros, e não podem usar nenhuma ferramenta de processamento de linguagem natural conversacional orientada por IA para concluir a recuperação e a execução do design de protocolo de uma tarefa interdisciplinar.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
taxa de realizaçao
Prazo: até a conclusão do estudo, uma média de 9 meses
O número de pessoas que completaram a tarefa dentro do prazo determinado / o número total de pessoas no grupo
até a conclusão do estudo, uma média de 9 meses

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Viabilidade do programa de pesquisa
Prazo: até a conclusão do estudo, uma média de 9 meses
A viabilidade do esquema é avaliada por um grupo de pontuação composto por especialistas. A viabilidade é dividida em 1 a 5 pontos de acordo com a exatidão e integridade das principais etapas e detalhes do teste. Quanto maior a pontuação, maior a viabilidade. O ponto 1 representa que mais da metade das etapas principais estão faltando ou estão erradas, e o ponto 5 representa todas as etapas principais e os detalhes são apropriados.
até a conclusão do estudo, uma média de 9 meses

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Estimado)

20 de agosto de 2023

Conclusão Primária (Estimado)

31 de outubro de 2023

Conclusão do estudo (Estimado)

30 de abril de 2024

Datas de inscrição no estudo

Enviado pela primeira vez

21 de agosto de 2023

Enviado pela primeira vez que atendeu aos critérios de CQ

28 de agosto de 2023

Primeira postagem (Real)

29 de agosto de 2023

Atualizações de registro de estudo

Última Atualização Postada (Real)

29 de agosto de 2023

Última atualização enviada que atendeu aos critérios de controle de qualidade

28 de agosto de 2023

Última verificação

1 de julho de 2023

Mais Informações

Termos relacionados a este estudo

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .

Ensaios clínicos em Inteligência Artificial Médica

Ensaios clínicos em Modelo de linguagem inteligente

Se inscrever