Avaliando resumos de linguagem simples gerados pela IA sobre a compreensão do paciente de notas de oftalmologia entre pacientes de língua inglesa

Este estudo emprega um estudo controlado randomizado de dois braços para avaliar se os resumos de linguagem simples (PLSS) gerados por inteligência artificial (IA) podem melhorar a compreensão do paciente das notas de oftalmologia. Os participantes elegíveis são recrutados durante suas visitas de rotina no Jules Stein Eye Institute e, uma vez selecionadas usando critérios clínicos padronizados, eles são designados aleatoriamente para receber a nota de oftalmologia padrão (SON) ou o filho suplementado com um PLS gerado pela AI. O processo de randomização usa uma sequência gerada por computador com alocação oculta para garantir uma atribuição de grupo imparcial.

O sistema de IA usado neste estudo é implantado localmente em uma intranet da UCLA segura. Ele aproveita um grande modelo de linguagem (LLM) que foi personalizado e validado para gerar explicações de linguagem simples de informações oftalmológicas complexas. Todo o processamento ocorre em dispositivos criptografados aprovados pela UCLA e nenhum dado é transmitido externamente. Antes que o PLS seja fornecido aos participantes, cada resumo é revisado por um oftalmologista para verificar a precisão e garantir que os detalhes clínicos essenciais sejam comunicados de maneira correta e clara.

A coleta de dados é realizada usando instrumentos de pesquisa. A pesquisa inclui uma série de itens de escala Likert de 5 pontos, perguntas abertas e seções de resposta estruturada projetadas para avaliar a compreensão do diagnóstico, planos de tratamento e instruções de acompanhamento. Os participantes concluem a pesquisa imediatamente após a visita clínica, e uma entrevista por telefone de acompanhamento é realizada aproximadamente sete dias depois pela equipe de pesquisa treinada para capturar feedback adicional sobre clareza e retenção das informações fornecidas. O estudo não emprega gravação de áudio ou vídeo; Todas as respostas são registradas diretamente pelo pessoal de pesquisa ou inseridas eletronicamente em um banco de dados seguro.

As análises estatísticas serão realizadas usando pacotes de software padrão para comparar os resultados entre os grupos de intervenção e controle. As análises primárias incluem testes T independentes ou testes U de Mann-Whitney para variáveis ​​contínuas, testes de qui-quadrado para variáveis ​​categóricas e modelos de regressão multivariável para ajustar variáveis ​​confusas, como idade, nível de educação e alfabetização na saúde da linha de base. O tamanho da amostra foi calculado para detectar diferenças clinicamente significativas nos escores de compreensão, com análises de energia indicando a necessidade de 460 e 2030 participantes, dependendo do tamanho do efeito.

A segurança dos dados é mantida através de medidas rigorosas. Os dados eletrônicos são armazenados em laptops criptografados da UCLA e em um repositório de caixa segura. Todo o manuseio de dados segue as políticas da UCLA e as diretrizes do IRB para retenção e destruição de dados, com informações identificáveis ​​destruídas usando métodos seguros, uma vez que não são mais necessários.

Os procedimentos de controle de qualidade incluem auditorias periódicas de entrada de dados, reuniões regulares de revisão com o pessoal do estudo e verificações cruzadas das respostas da pesquisa contra registros clínicos, quando aplicável. Um processo de monitoramento independente está em vigor para garantir a conformidade com o protocolo de estudo e abordar prontamente quaisquer desvios.

No geral, este estudo foi desenvolvido para fornecer evidências robustas sobre a viabilidade e eficácia do PLSS gerado pela IA para melhorar a compreensão do paciente de informações médicas complexas. Ao integrar salvaguardas técnicas, métodos estatísticos rigorosos e um processo de coleta de dados simplificado, a pesquisa visa fornecer informações que podem levar a melhorias de estratégias de comunicação do paciente e uma prestação de cuidados de saúde mais eficaz em várias especialidades.