Effekten av perception-baserade interventioner på allmänhetens acceptans av att använda stora språkmodeller inom medicin
11 december 2025 uppdaterad av: Liu Jue, Peking University
Perceptionsbaserade interventioner påverkar allmänhetens acceptans av att använda stora språkmodeller inom medicin: Randomiserad kontrollerad studie
Stora språkmodeller (LLM) visar potential inom medicinen, men det finns fortfarande oro kring deras noggrannhet, sammanhang, transparens och etik.
Hittills är den allmänna uppfattningen om användningen av LLM inom medicinen och om de spelar en roll i acceptansen för hälso- och sjukvårdstillämpningar av LLM inte helt förstådd.
Denna studie syftar till att undersöka allmänhetens uppfattning om användningen av LLM inom medicinen och om åtgärder för uppfattningar påverkar acceptansen för hälso- och sjukvårdstillämpningar av LLM.
Studieöversikt
Status
Aktiv, inte rekryterande
Intervention / Behandling
Detaljerad beskrivning
På grund av snabba framsteg inom artificiell intelligens används stora språkmodeller (LLM) i allt större utsträckning inom en mängd kliniska sammanhang såsom triage, sjukdomsdiagnostik, behandlingsplanering och självövervakning.
Trots deras potential förblir användningen av LLM begränsad inom hälso- och sjukvården på grund av bristande noggrannhet, sammanhang och transparens samt etiska problem.
Allmänhetens uppfattningar såsom upplevd användbarhet och risker spelar en avgörande roll för att forma deras attityder till artificiell intelligens, vilket antingen kan underlätta eller hindra dess införande.
Men, så vitt vi vet, finns det brist på medvetenhet om perceptionsdrivna interventioner inom hälso- och sjukvården och inga tidigare studier har undersökt om allmänhetens uppfattningar spelar en roll för acceptansen av medicinska tillämpningar av LLM.
Därför syftar denna studie till att undersöka allmänhetens uppfattningar om användningen av LLM inom medicin och om interventioner för uppfattningar påverkar acceptansen av hälso- och sjukvårdstillämpningar av LLM.
Studietyp
Interventionell
Inskrivning (Beräknad)
3000
Fas
- Inte tillämpbar
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Kina, 100191
- Jue Liu
-
-
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
Ja
Beskrivning
Inklusionskriterier:
- ≥18 år
- Kapabel att fullfölja en webbenkät
- Samtycker till att underteckna ett informerat samtyckesformulär
Exklusionskriterier:
- Oförmögen att svara på frågor eller kommunicera
- Inte villig att delta i denna studie
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Övrig
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Inget ingripande: Kontrollera
Inget ingripande
|
|
|
Experimentell: Upplevda fördelar med stora språkmodeller inom medicin
Deltagarna fick läsa "I april 2023 lanserade Massachusetts General Hospital ett pilotprogram som använde medicinska LLM:er för att hjälpa till med akutmottagningens triage och initial diagnostik och observerade en minskning av patienternas väntetider och en förbättring av den kliniska effektiviteten."
|
Deltagare som fördelades till interventionsgruppen fick perception-baserade interventioner.
Interventioner för grupp 1-3 var upplevda fördelar med LLM i medicin, upplevd rasbaserad bias i LLM i medicin respektive upplevda etiska konflikter i LLM i medicin.
|
|
Experimentell: Upplevd rasbias i stora språkmodeller inom medicin
Deltagarna ombads läsa "I november 2022 fann ett forskningsteam från University of California, San Francisco att banbrytande medicinska LLM:er uppvisade rasbias när de rekommenderade behandlingsplaner."
|
Deltagare som fördelades till interventionsgruppen fick perception-baserade interventioner.
Interventioner för grupp 1-3 var upplevda fördelar med LLM i medicin, upplevd rasbaserad bias i LLM i medicin respektive upplevda etiska konflikter i LLM i medicin.
|
|
Experimentell: Upplevda etiska konflikter i stora språkmodeller inom medicin
Deltagarna var tvungna att läsa "I februari 2023 läckte ett stort europeiskt sjukhusnätverk oavsiktligt delvis anonymiserade men fortfarande känsliga patientdata under testningen av medicinska LLM:er på grund av ett systemkonfigurationsfel.
Även om ingen direkt patient skada inträffade, ökade detta allmänhetens oro gällande dataintegritet och säkerhet och tvingade relevanta institutioner att genomföra brådskande granskningar av sina dataskyddsåtgärder."
|
Deltagare som fördelades till interventionsgruppen fick perception-baserade interventioner.
Interventioner för grupp 1-3 var upplevda fördelar med LLM i medicin, upplevd rasbaserad bias i LLM i medicin respektive upplevda etiska konflikter i LLM i medicin.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Antal deltagare som kommer att ändra sin inställning till medicinska tillämpningar av stora språkmodeller
Tidsram: Genom studiens slutförande, i genomsnitt 1 år
|
Allmänhetens acceptans av att tillämpa stora språkmodeller inom medicinen kommer att kategoriseras som ja, inte säker och nej, vilket kommer att samlas in före uppfattningsbaserade interventioner och efter interventioner.
|
Genom studiens slutförande, i genomsnitt 1 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Jue Liu, Peking University
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)
25 november 2025
Primärt slutförande (Beräknad)
31 oktober 2026
Avslutad studie (Beräknad)
31 december 2026
Studieregistreringsdatum
Först inskickad
1 december 2025
Först inskickad som uppfyllde QC-kriterierna
11 december 2025
Första postat (Faktisk)
26 december 2025
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
26 december 2025
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
11 december 2025
Senast verifierad
1 december 2025
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- NNSF72474005
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 .