Utveckling och validering av ett stort språkmodellbaserat Myopia Assistant System
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Närsynthet är ett snabbt växande globalt hälsoproblem som särskilt drabbar barn och ungdomar. Progressionen av närsynthet kan leda till allvarliga komplikationer som närsynt makuladegeneration, vilket avsevärt påverkar synskärpan och livskvaliteten. Med den ökande prevalensen av närsynthet finns det ett akut behov av avancerade verktyg som kan underlätta personliga vårdstrategier. Artificiell intelligens (AI)-baserade lösningar, såsom stora språkmodeller, erbjuder robusta verktyg för ögonsjukvård. Ändå har deras effektivitet och säkerhet i verkliga kliniska miljöer inte utforskats fullt ut.
I denna studie syftar utredarna till att validera ett patientcentrerat LLM-baserat system för närsynthet assistent med följande huvudmål: 1) utvärdera förmågan hos LLM-modellerna att generera rapporter på hög nivå och hjälpa till med självutvärdering av närsynthet för patienter i primärvården; 2) utvärdera dess prestation när det gäller att svara på evidensbaserade läkemedelsorienterade frågor och förbättra den övergripande tillfredsställelsen inom kliniker för närsynta patienter. Resultaten av denna studie kommer att ge värdefulla insikter för tillämpningen av GPT-modellen inom hälsovårdsområdet, vilket ger ett betydande bidrag till att förbättra tillgängligheten och kvaliteten på medicinska tjänster.
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
Hong Kong
-
Hong Kong, Hong Kong, Kina, 000
- The Hong Kong Polytechnic University
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Öppenvårdsdeltagare i åldern 6 till 75 år.
- Deltagare som genomgår oftalmologiska undersökningar för medicinska ändamål.
- Deltagare som kan producera tydliga ögonbilder på båda ögonen.
- Ingen tidigare erfarenhet av forskning som involverar digital medicin
- Gå med på att delta i denna studie med skriftligt informerat samtycke
Uteslutningskriterier:
- Deltagare som är ovilliga att delta i denna studie
- Deltagare som inte kan förstå studien.
- Deltagare som nyligen har genomgått en ögonoperation eller de med svåra okulära tillstånd som kan påverka tolkningen av bildresultat relaterade till utvärdering av närsynthet (t.ex. svår glaskroppsblödning, grå starr, hornhinneleukom, etc.) kommer att uteslutas från studien.
- Deltagare med dålig kvalitet på oftalmiska bilder, inklusive suddighet, artefakter, underexponering eller överexponering.
- Andra olämpliga skäl fastställts av utvärderarna.
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Övrig
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: Patientcentrerat assistentsystem
Deltagarna engagerade sig i poliklinikbesöket med ett patientcentrerat assistentsystem baserat på Large-Language Model (LLM) under 10 minuter.
|
Deltagarna kommer att delta i en 10-minuters medicinsk konsultation med hjälp av LLM-modellgränssnittet inbäddat i en surfplatta innan de regelbundet möter läkare ansikte mot ansikte.
Under försöken kunde deltagarna delta i kostnadsfria konversationer som täcker aspekter inklusive riskfaktorer, symtom, diagnos, undersökningar, behandling, råd och försiktighet, etc. Deltagare som har slutfört den oftalmiska avbildningsundersökningen kommer att uppmanas att mata in resultat i assistentmodellen för att generera strukturerade rapporter.
|
|
Inget ingripande: Kontrollgrupp
Deltagare engagerade i poliklinikbesöksproceduren utan stöd av patientcentrerat assistentsystem baserat på Large-Language Model (LLM) eller liknande artificiell intelligens assistans under 10 minuter.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Nöjdhetsnivå
Tidsram: Omedelbart efter poliklinikbesöket
|
Deltagarnas tillfredsställelsenivå av den kliniska erfarenheten med eller utan användning av ett patientcentrerat assistentsystem baserat på en stor språkmodell (LLM) bedömdes.
Den totala nöjdhetspoängen rapporterades med hjälp av frågeformuläret (Patient User Satisfaction Scale), som utvärderade deltagarnas tillfredsställelse med den kliniska erfarenheten och effektiviteten av att lösa sina egna problem.
Enkäten mättes på en 5-gradig Likert-skala, där 1 står för håller inte med; och 5 representerar håller med; med högre poäng som indikerar större tillfredsställelse.
|
Omedelbart efter poliklinikbesöket
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Huruvida deltagarna antar läkarens råd om myopihantering
Tidsram: Omedelbart efter poliklinikbesöket
|
Det är ett binärt utfall som bedömer om deltagarna följer rekommendationerna från läkaren för myopihantering.
Den fokuserar på huruvida deltagarna implementerar de föreskrivna behandlingarna eller interventionerna för att kontrollera eller hantera sin närsynthet.
|
Omedelbart efter poliklinikbesöket
|
Samarbetspartners och utredare
Utredare
- Huvudutredare: Mingguang He, M.D, Ph.D, The Hong Kong Polytechnic University
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- HSEARS20240229009
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
produkt tillverkad i och exporterad från U.S.A.
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .