Artificiellt intelligent Clinical Decision Support System Simuleringscenter Studie för teknikacceptans

Det första experimentet kommer att implementera en tidigare validerad maskininlärningsalgoritm som tränats på befintliga kliniska datauppsättningar inom simuleringsscenarier där en patient med akut gastrointestinal blödning (med låg, måttlig och hög risk för dåligt resultat) utvärderas.

Före simuleringen kommer en grundläggande utbildningsmodul om artificiell intelligens, maskininlärning och kliniskt beslutsstöd att tillhandahållas alla deltagare. Utredarna kommer att fastställa psykologisk säkerhet genom att detaljera vad som finns tillgängligt i rummet, möjligheten att ringa en konsult och tillgången till laboratorie- och röntgenstudier. Varje kliniskt scenario kommer att pågå i cirka 10 minuter baserat på verkliga patientfall där vitala tecken förändras över tiden och laboratorievärden görs tillgängliga vid specifika punkter i bedömningen. Studien följer en 3 (scenariorisk: låg, medel, vs. hög) med 2 (AI-inramning: verktyg vs. gruppmedlem) av 2 (transparens: låg vs. hög) faktoriell design. Varje deltagare får alla tre scenarierna i ökande riskordning (inom-subject-faktor), men är randomiserad till en AI-ramning och ett transparensbehandlingstillstånd (between-subjects-faktorer).

För inramningsbehandlingen för AI-teammedlemmar, under pre-simuleringsbriefingen, kommer deltagarna att få ett ramverk av artificiell intelligens/maskininlärningsalgoritmer som en gruppmedlem, och inte bara ett verktyg, med introduktionen av konceptet en teori om sinne för algoritmer att förstå hur deras resonemang kan komplettera mänskligt resonemang. Dessutom kommer datorarbetsstationen på vilken algoritmen körs att placeras vid patientens säng. Dessutom kommer AI-CDSS att presenteras i ett ChatGPT/GPT-4 chatbot-liknande gränssnitt som leverantörer naturligt kan interagera med vid sängkanten. I verktygets ramtillstånd kommer de att tillhandahållas en typisk förklaring av AI-CDSS som ett verktyg. I detta fall kommer datorn med algoritmen att placeras i ett hörn bort från patienten. Som sådan kommer den att presenteras som en pall av miniräknare.

För transparensbehandlingen kommer den algoritmiska utdata att ha antingen "låg" transparens (med endast riskbedömningen och rekommendationen) eller "hög" transparens (med en förklaring av modellens indata och möjligheten att fråga indata antingen genom användarriktade klick i en webbapp i verktygets ramtillstånd eller direkt med det ChatGPT-härledda gränssnittet som kan bearbeta användarriktade frågor i en användarvänlig chatbot på naturligt språk i teammedlemsramverket, vilket resulterar i presentation av indata som påverkar modellens utdata för att ge en mental modell av algoritmen).