Влияние вмешательств, основанных на восприятии, на общественное принятие использования больших языковых моделей в медицине
11 декабря 2025 г. обновлено: Liu Jue, Peking University
Вмешательства на основе восприятия влияют на общественное принятие использования больших языковых моделей в медицине: рандомизированное контролируемое исследование
Большие языковые модели (LLMs) демонстрируют потенциал в медицине, но сохраняются опасения относительно их точности, последовательности, прозрачности и этичности.
На сегодняшний день общественные представления об использовании LLMs в медицине и о том, играют ли они роль в приемлемости медицинских применений LLMs, еще не полностью изучены.
Цель данного исследования — изучить общественные представления об использовании LLMs в медицине и влияют ли вмешательства на эти представления на приемлемость медицинских применений LLMs.
Обзор исследования
Статус
Активный, не рекрутирующий
Вмешательство/лечение
Подробное описание
Благодаря быстрому прогрессу в области искусственного интеллекта, большие языковые модели (LLM) всё чаще используются в различных клинических условиях, таких как сортировка пациентов, диагностика заболеваний, планирование лечения и самоконтроль.
Несмотря на их потенциал, использование LLM остаётся ограниченным в рамках здравоохранения из-за недостаточной точности, последовательности и прозрачности, а также этических проблем.
Общественные восприятия, такие как воспринимаемая полезность и риски, играют решающую роль в формировании отношения к искусственному интеллекту, которое может либо способствовать, либо препятствовать его внедрению.
Тем не менее, насколько нам известно, существует недостаток осведомлённости о вмешательствах, основанных на восприятии, в здравоохранении, и никакие предыдущие исследования не изучали, влияют ли общественные восприятия на приемлемость медицинских приложений LLM.
Таким образом, данное исследование направлено на изучение общественных восприятий использования LLM в медицине и того, влияют ли вмешательства, направленные на восприятия, на приемлемость медицинских приложений LLM.
Тип исследования
Интервенционный
Регистрация (Оцененный)
3000
Фаза
- Непригодный
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Места учебы
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Китай, 100191
- Jue Liu
-
-
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Да
Описание
Критерии включения:
- ≥18 лет
- Способность заполнить онлайн-опрос
- Согласие подписать форму информированного согласия
Критерии исключения:
- Неспособность отвечать на вопросы или общаться
- Нежелание участвовать в данном исследовании
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
- Основная цель: Другой
- Распределение: Рандомизированный
- Интервенционная модель: Параллельное назначение
- Маскировка: Одинокий
Оружие и интервенции
Группа участников / Армия |
Вмешательство/лечение |
|---|---|
|
Без вмешательства: Контроль
Без вмешательства
|
|
|
Экспериментальный: Воспринимаемые преимущества больших языковых моделей в медицине
Участникам было предложено прочитать "В апреле 2023 года Массачусетская больница общего профиля запустила пилотную программу с использованием медицинских LLM для помощи в сортировке пациентов в отделении неотложной помощи и постановке первоначального диагноза, что привело к сокращению времени ожидания пациентов и повышению клинической эффективности."
|
Участники, распределенные в группу вмешательства, получили вмешательства на основе восприятия.
Вмешательства для групп 1-3 представляли собой воспринимаемые преимущества LLM в медицине, воспринимаемую расовую предвзятость LLM в медицине и воспринимаемые этические конфликты в LLM в медицине, соответственно.
|
|
Экспериментальный: Воспринимаемая расовая предвзятость больших языковых моделей в медицине
Участников попросили прочитать "В ноябре 2022 года исследовательская группа из Калифорнийского университета в Сан-Франциско обнаружила, что передовые медицинские LLM демонстрировали расовую предвзятость при рекомендации планов лечения."
|
Участники, распределенные в группу вмешательства, получили вмешательства на основе восприятия.
Вмешательства для групп 1-3 представляли собой воспринимаемые преимущества LLM в медицине, воспринимаемую расовую предвзятость LLM в медицине и воспринимаемые этические конфликты в LLM в медицине, соответственно.
|
|
Экспериментальный: Воспринимаемые этические конфликты в больших языковых моделях в медицине
Участникам требовалось прочитать: «В феврале 2023 года крупная европейская сеть больниц по ошибке допустила утечку частично анонимизированных, но всё ещё конфиденциальных данных пациентов во время тестирования медицинских языковых моделей из-за ошибки в конфигурации системы.
Хотя прямого вреда пациентам не было нанесено, это усилило общественные опасения относительно конфиденциальности и безопасности данных и вынудило соответствующие учреждения провести срочный пересмотр своих мер по защите данных.»
|
Участники, распределенные в группу вмешательства, получили вмешательства на основе восприятия.
Вмешательства для групп 1-3 представляли собой воспринимаемые преимущества LLM в медицине, воспринимаемую расовую предвзятость LLM в медицине и воспринимаемые этические конфликты в LLM в медицине, соответственно.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Количество участников, которые изменят свое отношение к медицинским применениям больших языковых моделей
Временное ограничение: До завершения исследования, в среднем 1 год
|
Общественное признание применения больших языковых моделей в медицине будет разделено на категории: да, не уверен и нет, которые будут собираться до перцептивных вмешательств и после вмешательств.
|
До завершения исследования, в среднем 1 год
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Соавторы
Следователи
- Главный следователь: Jue Liu, Peking University
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (Действительный)
25 ноября 2025 г.
Первичное завершение (Оцененный)
31 октября 2026 г.
Завершение исследования (Оцененный)
31 декабря 2026 г.
Даты регистрации исследования
Первый отправленный
1 декабря 2025 г.
Впервые представлено, что соответствует критериям контроля качества
11 декабря 2025 г.
Первый опубликованный (Действительный)
26 декабря 2025 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
26 декабря 2025 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
11 декабря 2025 г.
Последняя проверка
1 декабря 2025 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- NNSF72474005
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .