Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Acceptabilitet av konstgjord intelligens vid diagnosen prostatacancer (AccAI)

26 mars 2026 uppdaterad av: Ekaterina Koshmanova, Centre Hospitalier Universitaire de Liege

Förstå acceptabiliteten av konstgjord intelligens som ett stöd för vårdgivare vid diagnosen prostatacancer - patienten i hjärtat av hans vård

Denna studie undersöker acceptansen av artificiell intelligens (AI) som ett diagnostiskt stödverktyg bland patienter med lokaliserad prostatacancer och vårdgivare, liksom deras vilja att dela hälsodata för AI -utveckling.

Bakgrund AI -verktyg i hälso- och sjukvård visar lovande potential, särskilt för att förbättra diagnosnoggrannheten och anpassa behandling. Emellertid beror framgångsrik implementering inte bara på teknisk prestanda utan också på acceptansen för AI bland dess användare-båda patienter och proffs. Tidigare forskning har visat varierad acceptabilitet beroende på sammanhang, sjukdomens svårighetsgrad, uppgift som utförs av AI och användarpopulation.

Mål bedömer patientens acceptans av AI som ett diagnostiskt stöd vid prostatacancer.

Utforska patienternas vilja att dela hälsodata för att utveckla klinisk AI.

Utvärdera sjukvårdsleverantörernas acceptans av AI i detta diagnostiska sammanhang.

Metoddesign: En tvärsnitt, blandad metod, multinationell studie (Belgien, Italien, Spanien).

Kvantitativ fas: Online-frågeformulär, med hjälp av anpassade teoretiska ramverk (Value Perception Model, NASSS-AI, TFA).

Kvalitativ fas: Kommer att följa baserat på kvantitativa fynd.

Deltagare: Vuxna som diagnostiserats med lokaliserad prostatacancer. Rekrytering via sjukhus, sociala medier och patientföreningar.

Insamlade data: Personlig och hälsoinformation, attityder till AI, villighet att dela data.

Etik som godkänts av etiska kommittéer i varje deltagande land.

Informerat samtycke erhållet digitalt före deltagande.

Data anonymiserade och GDPR-kompatibla.

Studieöversikt

Status

Avslutad

Betingelser

Detaljerad beskrivning

1. Introduktion 1.1. Acceptabilitet av konstgjord intelligens 1.1.1. Konstgjord intelligens inom sjukvårdspersonal står inför en mängd växande och mer och mer komplexa utmaningar. Arten av hälsoproblem förändras, arbetsbelastningar ökar, vilket leder till en svårare hantering av vård och kräver också en ständig uppdatering av kunskap. Samtidigt exploderar implementeringen av artificiell intelligens (AI) -verktyg i Healthcare och erbjuder en ljus möjlighet att tillgodose behoven hos den utvecklande medicinska sektorn.

Många studier har undersökt genomförbarheten av klinisk AI genom att bland annat utvärdera AI -systemens tekniska prestanda. Den tekniska karaktären av AI -utvecklingen är emellertid inte den enda utmaningen för implementeringen av klinisk AI. Studier har faktiskt visat att acceptansen av klinisk AI av sjukvårdspersonal och patienter påverkar ett effektivt antagande av AI av dessa användare. Att ignorera denna parameter kan leda till slöseri med resurser genom att inte dra nytta av de tillgängliga AI -systemen.

Acceptabiliteten för klinisk AI av patienter och sjukvårdspersonal har studerats i olika sammanhang men de flesta studier berör acceptabiliteten för AI inom sjukvården i allmänhet. Detta ämne har redan systematiskt sammanfattats och visar i majoritet god acceptabilitet av AI. Å andra sidan är studier i specifika hälsokontexter sällsynta och AI -acceptabiliteten i dessa sammanhang kan inte definieras genom att helt enkelt extrapolera AI -acceptabiliteten i sjukvården. I själva verket skiljer sig AI: s acceptabilitet beroende på sammanhanget (sjukdomens sjukdom, svårighetsgraden av sjukdomen, konsekvenser av AI: s beslut, komplexitet i beslutsfattande) men också till de uppgifter som AI utför (diagnos, val av behandling, prognos). Dessutom skiljer sig AI -acceptabilitetsfaktorer beroende på den studerade befolkningen (patienter, sjukvårdspersonal, forskare och sjukvårdschefer) på grund av skillnader i behov, preferenser och användningen av användningen. Det är därför viktigt att studera AI -acceptabiliteten i det exakta sammanhang som studien hänvisar till.

1.1.2. Acceptabilitet av AI i processen för prostatacancerdiagnos Implementeringen av AI -verktyg i prostatacancerdiagnosprocessen (PCA) kommer att förbättra information från medicinska bilder och skapa prediktiva modeller. Detta kommer att representera ett betydande framsteg för att optimera diagnosen PCA och förutsäga dess aggressivitet, med det slutliga målet att anpassa behandling genom anpassning till tumörens biologiska egenskaper. Detta kommer att bidra till att minska behovet av prostatabiopsier, vilket ökar individens efterlevnad och uppmuntrar dem att testas innan symtomens uppträdande. Dessutom förbättrar tidig upptäckt av PCA dramatiskt framgångsgraden för behandlingen.

Med tanke på möjligheten till implementering av AI i PCA -diagnosprocessen är det viktigt att studera acceptabiliteten för denna implementering för patienter och sjukvårdspersonal som skulle de slutliga användarna av AI i PCA -sammanhanget och villkoren för denna implementering. Även om vissa studier har undersökt denna acceptabilitet, förblir forskning inom detta område begränsad och kräver ytterligare utredning.

En ny studie har bedömt patientens förtroende för AI och deras uppfattning om urologer förlitar sig på AI. Denna studie har visat att patienter hade mer förtroende för läkarnas förmåga att göra rätt diagnos, att överväga den senaste forskningen, för att individualisera kommunikationen av diagnosen och för att förklara informationen på ett förståeligt sätt jämfört med AI. Patienter uppgav att de hade högre förtroende för en diagnos gjord av AI som kontrollerades av en läkare kontra AI som inte kontrollerades av en läkare.

En andra studie undersökte mäns rädsla och förväntningar på AI -diagnos och behandling i samband med PCA, genom tre representationer av AI som deltagarna föreställde sig. De tre föreställda representationerna var AI som ett verktyg för att hjälpa vårdgivare, AI som en avancerad maskin och AI som en enhet som skulle ersätta vårdgivare. Det sista imaginära är det värsta fallet för deltagarna. I alla fantasier såg deltagarna AI i ett positivt ljus, men ju mer AI tog platsen för läkaren, desto fler deltagare såg AI i ett negativt ljus.

1.1.3. Begreppet acceptabilitet Begreppet acceptans av klinisk AI är inte väl definierad. Även om ramar finns för att förklara och förutsäga individernas beteendemässiga avsikt att använda och acceptera en teknisk innovation, är dessa modeller antingen inte anpassade till sjukvårdskonteksten; Antingen överväger AI på samma sätt som digital hälsoteknik. Det är emellertid viktigt att ta hänsyn till hälso- och sjukvårdskonteksten och komplexiteten hos AI i jämförelse med digital teknik som fungerar på ett mer förenklat sätt än AI. Det är därför nödvändigt att bättre definiera begreppet acceptans av klinisk AI. Vissa studier har modifierat befintliga tekniska acceptansramar för att ta hänsyn till ovanstående begränsningar, till exempel de två följande ramarna.

Den första ramverket modellerar statistiskt patientens acceptans av AI-baserade kliniska beslutsstödenheter. Författarna till denna modell har utökat den teoretiska ramen för teknisk acceptans som inkluderar uppfattningar om värde (VAM) och anpassat dem till sjukvårdssektorn. Denna ram utvärderar de upplevda riskerna och fördelarna med AI-baserade kliniska beslutsstödsenheter för att mäta deras acceptabilitet. Författarna till denna modell antyder att framtida studier bör lägga till ytterligare faktorer till deras modell, inklusive socialt inflytande som används i vissa andra teoriska ramar för acceptans, för att öka sin undersökande kraft (R2 för denna modell är 0,80). Dessutom säger författarna att variablerna kön, årliga hushållsinkomst, utbildningsnivå, sysselsättning, upplevd teknisk kunskap om AI-teknik och kännedom om en AI-baserad tjänst hade en betydande effekt på avsikten att använda AI-baserade kliniska beslutsstöd.

För det andra sammanfattade en ny studie i Lancet systematiskt kvalitativa studier om acceptans av AI för diagnostiska ändamål av intressenter (patienter, kliniker, forskare och sjukvårdschefer). Författarna utvidgade det befintliga NASSS -ramverket för att skapa en ny modell anpassad till AI -diagnostik; NASSS-AI-ramverket. Denna nya ram är strukturerad inom sex domäner, tjugo underdomäner och fyrtiotre teman som grupperar de element som ofta diskuterats av de studier som ingår i denna översyn.

Flera faktorer som inte ingår i de olika teoretiska modellerna som nämns ovan har identifierats av andra studier som faktorer som påverkar patientens acceptabilitet för klinisk AI. Dessa faktorer var ålder, tidigare exponering för liknande verktyg, den geografiska platsen, den diagnostiserade sjukdomen, sjukdomens svårighetsgrad och förtroendet för sjukvårdssystemet.

Dessutom har en systematisk översyn undersökt hur information om AI tillhandahölls deltagare i studier som bedömde patientens acceptabilitet av AI inom sjukvården. Denna systematiska översyn indikerar att de flesta studier citerar begränsad patientkunskap om AI i samband med deras forskning som en begränsning av deras studie. Dessutom rapporterar flera studier att den typ av information som tillhandahålls till patienter i början av en studie påverkar resultaten. Följaktligen kommer en "interventionskoherens" -faktor att läggas till i vår forskningsram. Denna faktor är integrerad i den teoriska ramen för acceptabilitet (TFA) som studerar acceptabiliteten för sjukvårdsinsatser.

1.2. Data Altruism - Data som tillhandahåller data altruism förstås som den frivilliga tillhandahållandet av personliga och icke -personliga uppgifter, baserat på samtycke från datavägg eller tillstånd från naturliga och juridiska personer, utan att söka belöning och för mål för allmänt intresse.

Utvecklingen av klinisk AI kräver användning av en stor mängd hälsodata. Användningen av dessa data är oundviklig eftersom det gör det möjligt för verktygen att utvecklas och utvecklas. Som förklarats ovan måste klinisk AI accepteras av patienter och av vårdgivare, men det måste också matas av patientdata. De måste därför gå med på att tillhandahålla sina hälsodata.

Även om patienternas vilja att tillhandahålla personlig hälsodata har studerats i stor utsträckning i samband med sekundär användning i allmänhet (datadelning för klinisk, folkhälsoforskning, epidemiologi osv. Vissa studier bedömer villigheten att tillhandahålla hälsodata genom en enkel fråga. En studie om AI i diagnostik i hudcancer visar att 88% av de svarande skulle göra sina hälsodata anonymt tillgängliga för utveckling av AI-baserad medicinsk tillämpning.

En pilotstudie undersökte patientens perspektiv på data som föreskriver att utveckla AI för allmän praxis. Deltagare i denna studie ansåg att utvecklingen av AI för allmän praxis var ett mål som de var villiga att tillhandahålla sina uppgifter. De sa att de ville hjälpa till att hantera sjukdomar och hjälpa deras allmänläkare (GP) genom att tillhandahålla sina uppgifter. Villigheten att tillhandahålla sina uppgifter var beroende av förtroendeförhållandet de hade med sin läkare.

1.2.1. Begreppet villighet att tillhandahålla hälsodata Ingen validerad ram för att studera patientens villighet att tillhandahålla sina hälsodata för sekundär användning eller för AI -utvecklingsändamål har identifierats i litteraturen. En ny systematisk översyn drog också slutsatsen att det inte fanns något validerat mätverktyg för att bestämma denna vilja.

En studie utvecklade en konceptuell modell av patienternas vilja att tillhandahålla hälsodata för forskningsändamål. Detta ramverk är baserat på den validerade värdet för värdesuppfattning som utvärderar de upplevda fördelarna och riskerna för data som tillhandahålls. Författarna läggs till i detta ramverk flera faktorer som är specifika för data som tillhandahåller forskningsändamål, till exempel typen av slutanvändare, typen av data som samlas in, sammanhanget etc. Dessa faktorer kan förstås som villkor för att tillhandahålla hälsodata.

2. Mål Målet med denna studie är att bättre förstå AI: s acceptans och dess tillstånd av personer med prostatacancer och vårdgivare i samband med prostatacancerdiagnos och AI som stöd för vårdgivare. Denna studie syftar också till att bättre förstå människors villighet att tillhandahålla sina hälsodata för klinisk AI -utveckling och villkoren kring denna vilja.

Målen med denna studie är:

1. Bestäm acceptansen för personer med prostatacancer beträffande implementering av AI som stöd för vårdgivare vid diagnosen prostatacancer och utforska villkoren för denna implementering.

2. Bestäm människors villighet att tillhandahålla sina hälsodata för utveckling av klinisk AI och utforska villkoren för denna vilja.

3. Bestäm acceptansen för vårdgivare angående implementering av AI som ett stöd för dem vid diagnosen prostatacancer och undersöka villkoren för denna implementering.

3. Metoder 3.1. Typ av studier och forskningsprocess Studien är en tvärsnittsobservation, blandad metod, sekventiell studie som omfattar en initial kvantitativ fas som kommer att matas in i en andra kvalitativ fas. Studien är multinationell och rekryterar deltagare från Belgien, Italien och Spanien.

Varje land skickar protokollet till sin etiska kommitté om det krävs. Utformningen av denna studie presenteras i figur 1. Detta protokoll avser den kvantitativa fasen. Protokollet för den kvalitativa fasen kommer att överlämnas till etikkommittén vid ett senare tillfälle, eftersom analysen av det kvantitativa fasfrågeformuläret är nödvändigt för utvecklingen av den kvalitativa fasen.

Bild 1: Studiedesign 3.2. Ramverk av de kvantitativa fas två ramarna används, motsvarande de två målen i denna fas (bestämma acceptansen för personer med prostatacancer beträffande implementeringen av AI som ett stöd för sjukvårdsleverantörer vid diagnosen prostatacancer och bestämmer människors villighet att tillhandahålla deras hälsodata för att utveckla klinisk AI).

För att bestämma acceptabiliteten hos personer med prostatacancer beträffande implementeringen av AI som ett stöd för sjukvårdsleverantörer vid diagnosen prostatacancer skapades ett ramverk på grundval av befintliga ramverk som tidigare presenterats (ram baserat på uppfattning av värden, NASSS-AI och TFA). Ramverket baserat på uppfattning av värden användes som grund för att väga risker mot upplevda fördelar. Socialt inflytande tillkom till denna modell har föreslagits av författarna. En "villkor att använda" -faktor och dess underdimensioner lades också till, inspirerade av NASSS-AI och den tidigare citerade ramverket. Faktorn "interventionskoherens" lades till i linje med TFA.

Den sista ramverket som används för att undersöka acceptansen hos personer med prostatacancer när det gäller implementering av AI som ett stöd för vårdgivare vid diagnosen prostatacancer presenteras i figur2.

Bild 2: Teoretisk modell för acceptansen hos personer med prostatacancer beträffande implementering av AI som ett stöd för vårdgivare vid diagnosen prostatacancer.

För att bestämma folkets villighet att tillhandahålla sina hälsodata för AI -utvecklingsändamål skapades ett ramverk på grundval av befintliga ramar baserat på värdesuppfattning som balanserar upplevda risker och upplevda fördelar. En "villkor" -faktor lades till för att utforska denna vilja. Den sista ramverket som används för att studera människors vilja att tillhandahålla sina hälsodata för utveckling av klinisk AI presenteras i figur 3.

Bild 3: Teoretisk modell av människors vilja att tillhandahålla sina hälsodata för utveckling av klinisk AI.

3.3. Befolkningsegenskaper för den kvantitativa fasen Studiepopulationen är personer med lokaliserad prostatacancer.

Inkluderingskriterierna definieras enligt följande:

• över 18 år;

• med diagnos av lokaliserad prostatacancer;

• samtycke till studien.

Uteslutningskriterierna definieras enligt följande:

• inte prata franska;

• Diagnostiserad med metastaserande cancer från början;

• terminalt sjuk;

• Människor som lider av mental retardering, demens eller förändrat medvetenhetstillstånd.

3.4. Prov av den kvantitativa fasen den valda provtagningsmetoden är frivillig provtagning. Varje enskilt som uppfyller inkluderingskriterierna och inte uppfyller uteslutningskriterierna kan välja att delta i studien, vilket innebär att du slutför en självadministrerad online-frågeformulär.

Frågeformuläret kommer att distribueras genom följande kanaler:

• En affisch- och flyers -kampanj i urologiska avdelningarna i Elipse -nätverket. Affischer och flygblad visar länken och QR -koden för frågeformuläret. Medutredaren E. Koshmanova i denna studie kommer att finnas tillgängligt på ett eller flera sjukhus i Elipse-nätverket för att erbjuda hjälp med att få tillgång till frågeformuläret utan att ingripa i slutförandet. Hon kommer också att ha en bärbar dator eller surfplatta tillgänglig för deltagare som vill delta i studien men inte har den nödvändiga utrustningen.

• Distribution av länken och QR -koden för frågeformuläret via affischdesignen i fotoformat på sociala medier.

• Distribution av länken och QR -koden via affischdesignen i fotorformat eller inte via patientföreningar. Dessa föreningar kommer att dela dessa via sina nätverk eller e -postlistor. Föreningar kan också visa affischen och/eller flygblad i sina anläggningar om de anses vara relevanta.

Ingen beräkning av provstorlek utfördes, eftersom studiebegränsningarna kräver inkludering av minst 50 deltagare per land och högst 100 deltagare per land.

För att ha tillgång till frågeformuläret använder människor länken för frågeformuläret eller skannar QR -koden. Det finns inget behov av att skapa ett konto. Efter att ha använt länken eller skannat QR -koden är det första som visas i frågeformulärets hemsida, där deltagarna uppmanas att läsa informations- och samtyckesformuläret och sedan samtycke till studien. Det anges i informations- och samtyckesformuläret att samtycke inte samlas in direkt i formuläret för information och samtycke utan via det första avsnittet i frågeformuläret (återkallelse av formuläret Informerat samtycke). Detta blockerar tillgången till resten av frågeformuläret till personer som inte samtycker till studien, dvs de som inte kryssar för alla uttalanden.

Om deltagarna ger sitt samtycke kommer frågeformuläret att vara tillgängligt och deltagarna kommer att uppmanas att bekräfta att de uppfyller studiens inkluderingskriterier och inte uppfyller studiens uteslutningskriterier. Om de inte bekräftar dessa element avslutas frågeformuläret. Om de bekräftar dessa element kommer frågeformuläret att starta.

Med tanke på att förordningar tillåter deltagarna att dra tillbaka sitt samtycke från studien när som helst kommer en unik kod att tilldelas dem. Denna kod kommer att bildas av varje deltagare med denna identifieringsnyckel: första bokstaven i efternamnet + sista bokstaven i efternamnet + Första bokstaven i förnamnet + de två sista siffrorna i deras födelseår.

I slutet av onlineformuläret har deltagarna möjlighet att klicka på en länk om de vill delta i den andra fasen (kvalitativ fas) i denna studie. Den här länken tar dem till ett andra online -frågeformulär som ber om deras kontaktdata. Det andra frågeformuläret är inte kopplat till det första. Med kontaktdata kan individer kontaktas för att delta i den andra fasen av denna studie, och detta först efter godkännandet av etikkommittén för den andra fasen av denna studie (kvalitativ fas).

I händelse av att deltagarnas rekrytering visar sig vara effektivare genom en pappersbaserad strategi kommer en pappersversion av frågeformuläret identisk med onlineversionen att användas. I sådana fall kommer deltagarna att uppmanas att fylla i pappersfrågeformuläret och underteckna en pappersversion av det informerade samtyckesformuläret före deltagande. Frågeformuläret i detta fall kommer att kodas online på REDCAP av forskarteamet.

Varje deltagare har möjlighet att ställa frågor till medutredaren (E. Koshmanova) när som helst. Hennes kontaktinformation finns i formuläret för information och samtycke och i början av frågeformuläret.

3.5. Studerade parametrar för den kvantitativa fasen

Flera parametrar kommer att samlas in med det första online -frågeformuläret:

• Information om individer: Ålder, upplevd inkomst, sysselsättning, utbildning, upplevd hälsostatus, bostadsland, svårighetsgrad av prostatacancer (hur länge sedan gjordes diagnosen, behandlas det), tidigare vårdupplevelse, tidigare exponering för liknande verktyg, frekvens av sjukvårdsanvändning, förtroende för sjukvårdssystem.

• Information om människors färdigheter: hälsokunskap, e-hälsokunskap, upplevd teknisk kunskap om AI-teknik, kännedom om en AI-baserad tjänst.

• Frågor som rör acceptabilitet för personer med prostatacancer för implementeringen av AI som stöd för vårdgivare vid diagnosen prostatacancer.

• Frågor som rör villigheten hos personer med prostatacancer att tillhandahålla sina hälsodata för utveckling av klinisk AI.

Flera data kommer att samlas in med det andra online -frågeformuläret:

• Första och efternamn;

• Telefonnummer;

• bostadsland;

• Postkod.

Detta frågeformulär är oberoende av det första. 3.6. Datainsamlingsverktyg för de kvantitativa fasen online -frågeformulär kommer att delas med deltagare av REDCAP -plattformen. 3.6.1. Frågeformulär nummer 1: Online -frågeformuläret syftar till att bedöma både acceptabiliteten hos personer med prostatacancer när det gäller genomförandet av AI som ett stöd för vårdgivare i diagnosen prostatacancer och deras villighet att tillhandahålla sina hälsodata för att utveckla kliniska AI. Frågeformuläret frågar också om vissa människors egenskaper, som nämnts i punkt 3.5. Frågeformuläret introduceras genom en förklaring av hur AI är involverad i vård i samband med denna studie.

Frågeformuläret är baserat på två frågeformulär. För det första har frågeformuläret som är associerat på ramverket baserat på uppfattning av värden använts. För det andra användes frågeformuläret som är förknippat med ramverket som studerade villigheten att tillhandahålla hälsodata för forskningsändamål som en inspiration (19).

3.6.2. Frågeformulär nummer 2: Syftet med detta frågeformulär är att kontakta deltagare som vill ta en del av den andra fasen av denna studie (kvalitativ fas).

3.7. Kalender Figur 1: Gantt -diagram. 4. Etiska problem i den kvantitativa fasen Studien utgör inga risker eller nackdelar för deltagarna. Ingen förändring i deras vanliga kliniska hantering kommer att vara nödvändig. Ingen insamlad information kommer att avslöjas för sjukvårdspersonalen.

Undersökningar kommer att utvecklas med REDCAP -plattformen, som är ett mjukvarupaket som är utformat för den övergripande hanteringen av studier, och som uppfyller regleringskraven för hälsostudievärdar och övervakas av Clinical Trial Center (CTC) från CHUL.

Ett informations- och samtyckesformulär kommer att fyllas i (elektronisk version) av deltagarna innan de faktiskt deltar i studien. Deltagarna kan dra tillbaka sitt samtycke från huvudutredaren (D. Waltregny) när som helst.

All insamlad data kommer att pseudonymiseras med en unik kod som kommer att tilldelas varje deltagare. Denna kod kommer att bildas av deltagare med denna identifieringsnyckel: första bokstaven i efternamnet + sista bokstaven i efternamnet + Första bokstaven i förnamnet + de två sista siffrorna i deras födelseår.

Dessutom kommer kontaktdata att samlas in, behandlas och lagras i enlighet med den allmänna dataskyddsförordningen (GDPR).

Studien kommer att inledas först efter godkännande av etikkommittén.

Studietyp

Interventionell

Inskrivning (Faktisk)

51

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

      • Liège, Belgien
        • CHU Liège

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Beskrivning

Inkluderingskriterier:

  • över 18 år;
  • med diagnos av lokaliserad prostatacancer;
  • samtycke till studien.

Uteslutningskriterier:

  • inte talar franska;
  • diagnostiserad med metastaserande cancer från början;
  • terminalt sjuk;
  • Människor som lider av mental retardering, demens eller förändrat medvetenhetstillstånd.

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Hälsovårdsforskning
  • Tilldelning: N/A
  • Interventionsmodell: Enskild gruppuppgift
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Frågeformulär
Detta är ett online -frågeformulär som patienterna copmlete på egen hand eller med hjälp av den ansvarsfulla personen
Detta är ett online -frågeformulär som patienterna fyller i

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Upplevda fördelar med att använda AI vid diagnosen prostatacancer
Tidsram: Baslinje

De är latenta åtgärder och kommer att bedömas i flera frågor:

  • Fördelar: Jag tror att verktyg baserade på artificiell intelligens kan "förbättra diagnosen prostatacancer", "främja prostatacancerdiagnostisk process", "ge en exakt diagnos av prostatacancer", minska kostnaderna för prostatacancerdiagnos ". Skala: "Håller inte med", "håller inte med", "något oeniga", "varken håller med eller håller inte med", "något håller med", "Håller", "håller helt med"; "Håller starkt med" ger det högsta värdet av fördel.
Baslinje
Upplevda risker för att använda AI i prostatacancerdiagnosen
Tidsram: Baslinje
Risker, skala "mycket låg", "låg", "något låg", "måttlig", "något hög", "hög", "mycket hög". Frågorna är för långa för att inkludera här men de får tillgång till de nedsänkta riskerna för att använda AI vid diagnos och behandling av prostatacancer. Den "mycket höga" risken anses vara den värsta.
Baslinje
Avsikt att använda AI
Tidsram: Baslinje
Fråga: Vill du använda konstgjorda intelligensbaserade verktyg för att hantera min prostatacancerdiagnos. Svar - Ja, osäkert fyr och nej; Sedan finns det oro om de svarar "nej" eller "ja för" och de utvärderar dessa problem på skalan från 0 till 10; 10 är det största problemet.
Baslinje
Villig att dela personuppgifter
Tidsram: Baslinje
Fråga: Villig att dela personuppgifter; svar 'ja', 'nej', ja med förhållanden; Då kan de beskriva sina förhållanden
Baslinje

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

2 december 2024

Primärt slutförande (Faktisk)

31 december 2025

Avslutad studie (Faktisk)

31 december 2025

Studieregistreringsdatum

Först inskickad

10 juni 2025

Först inskickad som uppfyllde QC-kriterierna

10 juli 2025

Första postat (Faktisk)

20 juli 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

27 mars 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

26 mars 2026

Senast verifierad

1 mars 2026

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

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 .

Prenumerera