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

Grandes modelos de idiomas para ajudar no tratamento de oncologia ginecológica (EASING)

18 de agosto de 2026 atualizado por: Philipps University Marburg

Estudantes de medicina e sua percepção de grandes modelos de idiomas (LLMS) em oncologia ginecológica

Este estudo tem como objetivo avaliar o impacto de fornecer aos estudantes de medicina acesso a grandes modelos de idiomas, em comparação com os PDFs de diretrizes de tratamento, sobre a concordância do tratamento com uma placa de tumor multidisciplinar convencional

Visão geral do estudo

Status

Concluído

Condições

Descrição detalhada

Tecnologias avançadas de inteligência artificial (IA), particularmente grandes modelos de idiomas, como o ChatGPT da OpenAI, têm potencial significativo para melhorar a tomada de decisões médicas. Embora o ChatGPT não tenha sido projetado especificamente para aplicações médicas, ele mostrou a utilidade em vários cenários de assistência médica, incluindo a resposta às consultas dos pacientes, a elaboração de documentação médica e auxilia em consultas clínicas. Apesar desses avanços, seu papel no apoio à tomada de decisão do tratamento em particular em casos oncológicos complexos-recordações subexploradas.

A tomada de decisão em tratamento em oncologia ginecológica é um processo multifacetado que integra diretrizes baseadas em evidências, biologia tumoral, fatores específicos do paciente e conhecimento clínico. Ferramentas de IA como o ChatGPT podem ajudar a sintetizar recomendações relevantes baseadas em diretrizes, melhorando a precisão da decisão e facilitando fluxos de trabalho clínicos mais eficientes. No entanto, o ChatGPT não é especificamente adaptado para decisões de tratamento oncológico e carece de validação abrangente nesse domínio. Além disso, pode gerar desinformação ou recomendações plausíveis, mas imprecisas, o que pode afetar o julgamento clínico. Portanto, entender como os profissionais médicos, incluindo estudantes e médicos de primeira carreira, interagem com essas ferramentas de IA é essencial antes da integração mais ampla na prática clínica. Modelos localmente implantáveis, como o LLAMA, permitem o uso seguro e local, enquanto a geração de recuperação, geração, garante recomendações compatíveis com as diretrizes.

Este estudo investigará o impacto dos modelos de idiomas no apoio à decisão de tratamento para estudantes de medicina que gerenciam casos de oncologia ginecológica. Este é um estudo crossover, onde os participantes serão randomizados em dois grupos. Todos os participantes começam com acesso ao ChatGPT para duas vinhetas. Em seguida, eles prosseguem com dois casos usando um modelo de idioma implantado localmente, seguido por dois casos que se baseiam em PDFs de diretrizes ou vice -versa.

Cada participante analisará casos clínicos, proporá planos de tratamento e classificará sua confiança em suas decisões e usabilidade do sistema de apoio à decisão. Este estudo tem como objetivo fornecer informações sobre os potenciais benefícios e limitações da integração de ferramentas de IA como o ChatGPT na tomada de decisões de tratamento oncológico.

Tipo de estudo

Intervencional

Inscrição (Real)

70

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.

Locais de estudo

      • Marburg, Alemanha, 35043
        • Institute for Digital Medicine, University Hospital of Giessen and Marburg, Philipps University Marburg

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
  • Adulto mais velho

Aceita Voluntários Saudáveis

Sim

Descrição

Critérios de inclusão:

- estudantes de medicina que começaram com disciplinas clínicas

Critérios de exclusão:

- não ser um estudante de medicina

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: Tratamento
  • Alocação: Randomizado
  • Modelo Intervencional: Atribuição cruzada
  • Mascaramento: Solteiro

Armas e Intervenções

Grupo de Participantes / Braço
Intervenção / Tratamento
Outro: Modelo de idioma local primeiro
O grupo terá acesso ao modelo de idioma local primeiro depois de usar o chatgpt
O grupo terá acesso ao modelo de idioma local primeiro depois de usar o ChatGPT e depois terá acesso ao arquivo PDF
Outro: Diretriz PDF primeiro
O grupo terá acesso à diretriz PDF primeiro depois de usar o chatgpt
O grupo terá acesso ao arquivo PDF após ChatGPT e depois a um modelo de idioma local

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Concordância do tratamento com decisões do conselho tumoral
Prazo: diretamente (dentro de 10 minutos) após a intervenção
Participantes de cada grupo Selecionar modalidades de tratamento para vinhetas de casos
diretamente (dentro de 10 minutos) após a intervenção

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Confiança no tratamento
Prazo: diretamente (dentro de 10 minutos) após a intervenção
Para cada caso, os participantes serão solicitados pela confiança do tratamento (VAS 0-10). A pontuação média será comparada entre os grupos de apoio à decisão.
diretamente (dentro de 10 minutos) após a intervenção
Tempo gasto para decisão de tratamento
Prazo: diretamente (dentro de 10 minutos) após a intervenção
O tempo (em segundos) os participantes gastos por caso entre os grupos de apoio à decisão será comparado.
diretamente (dentro de 10 minutos) após a intervenção

Colaboradores e Investigadores

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

Investigadores

  • Investigador principal: Sebastian Griewing, MD PhD, Philipps University Marburg

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 (Real)

22 de maio de 2026

Conclusão Primária (Real)

6 de agosto de 2026

Conclusão do estudo (Real)

6 de agosto de 2026

Datas de inscrição no estudo

Enviado pela primeira vez

11 de fevereiro de 2025

Enviado pela primeira vez que atendeu aos critérios de CQ

3 de março de 2025

Primeira postagem (Real)

10 de março de 2025

Atualizações de registro de estudo

Última Atualização Postada (Real)

19 de agosto de 2026

Última atualização enviada que atendeu aos critérios de controle de qualidade

18 de agosto de 2026

Última verificação

1 de agosto de 2026

Mais Informações

Termos relacionados a este estudo

Outros números de identificação do estudo

  • 25-29 ANZ (Outro identificador: Philipps University Marburg)

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 .

Se inscrever