Al för att förbättra diagnosen av sällsynta reumatiska sjukdomar (AIDRARER)
Studieöversikt
Detaljerad beskrivning
Avancerad artificiell intelligens (AI)-teknik, särskilt stora språkmodeller som OpenAI:s ChatGPT, har betydande potential för att förbättra medicinskt beslutsfattande. Även om ChatGPT inte var specifikt designat för medicinska tillämpningar, har det visat sig vara användbart i olika vårdscenarier, inklusive att svara på patientförfrågningar, utarbeta medicinsk dokumentation och hjälpa till med konsultationer. Trots dessa framsteg är dess roll i att stödja diagnostiska resonemang - särskilt bland mindre erfarna läkarstudenter - och för komplexa sällsynta sjukdomar fortfarande underutforskad.
Diagnostiskt resonemang är en mångfacetterad process som kombinerar mönsterigenkänning, kunskapssyntes och probabilistiskt tänkande. Verktyg som ChatGPT kan potentiellt lindra kognitiv börda, förbättra diagnostisk noggrannhet och i slutändan påskynda diagnosen för sällsynta sjukdomar. ChatGPT är dock inte skräddarsydd för diagnostiska resonemang och saknar heltäckande validering på denna domän. Dessutom är det känsligt för att generera felaktig information eller trovärdiga men felaktiga svar, vilket kan hindra snarare än stödja kliniskt beslutsfattande. Därför är det viktigt att förstå hur läkarstudenter använder sådana AI-verktyg innan de integreras i pedagogiska eller kliniska arbetsflöden. Denna studie kommer också att bedöma en standardiserad uppmaning för att underlätta ChatGPT-användning och kommer att ge eleverna direkt tillgång för att möjliggöra ett realistiskt scenario.
Denna studie kommer att undersöka effekten av ChatGPT på den diagnostiska noggrannheten hos läkarstudenter när de tar itu med fall av sällsynta reumatiska sjukdomar. Deltagarna kommer att randomiseras i två grupper: en med tillgång till ChatGPT och en som använder konventionella diagnostiska verktyg. Varje deltagare kommer att analysera diagnostiska fall genom att tillhandahålla upp till 5 differentialdiagnoser och och betygsätta det diagnostiska förtroendet. Oberoende granskare, blinda för grupptilldelning, kommer att utvärdera riktigheten och kvaliteten på sina svar. Denna studie syftar därför till att ge insikter om de potentiella fördelarna och begränsningarna med att integrera AI-verktyg som ChatGPT.
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Marburg, Tyskland, 35043
- Institute for Digital Medicine, University Hospital of Giessen and Marburg, Philipps University Marburg
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Läkarstudenter som har börjat med kliniska ämnen (internmedicin)
Uteslutningskriterier:
- Att inte vara läkarstudent
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Diagnostisk
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Aktiv komparator: Insatsgrupp
Gruppen kommer att ges åtkomst till ChatGPT och standardiserad initial prompt
|
OpenAI:s ChatGPT-språkmodell med chattgränssnitt.
|
|
Inget ingripande: Kontrollgrupp
Gruppen kommer inte att ges åtkomst till några LLMs inklusive ChatGPT men kommer att motiveras att använda andra resurser (som onlinesökmotorer, Pubmed)
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Diagnostisk noggrannhet av toppdiagnos
Tidsram: under utvärderingen
|
Deltagarna i varje grupp kommer att ge minst ett sjukdomsförslag (toppdiagnos) och upp till totalt maximalt 5 förslag.
Procentandelen av exakta matchningar av det översta förslaget med den faktiska diagnosen kommer att analyseras
|
under utvärderingen
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Diagnostisk noggrannhet av topp 5 förslag
Tidsram: under utvärderingen
|
Deltagarna i varje grupp kommer att ge minst ett sjukdomsförslag (toppdiagnos) och upp till totalt maximalt 5 förslag.
Procentandelen av exakta matchningar med den faktiska diagnosen som ingår i de fem bästa förslagen kommer att analyseras
|
under utvärderingen
|
|
Diagnostiska resonemang
Tidsram: under utvärderingen
|
För varje fall får deltagarna 1 poäng för varje rimlig diagnos och 2 poäng för ett helt korrekt svar.
De totala poängen kommer att jämföras mellan de randomiserade grupperna.
|
under utvärderingen
|
|
Diagnostiskt självförtroende
Tidsram: under utvärderingen
|
För varje fall kommer deltagarna att tillfrågas om deras diagnostiska förtroende (VAS 0-10).
Medelpoängen kommer att jämföras mellan grupperna.
|
under utvärderingen
|
|
Tid för diagnos
Tidsram: under utvärderingen
|
Vi kommer att jämföra hur mycket tid (i sekunder) deltagarna spenderar per fall mellan de två studiearmarna.
|
under utvärderingen
|
Samarbetspartners och utredare
Sponsor
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
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 24-221 ANZ
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
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 .