Klinikers förtroende för AI-baserade fosterutvecklingsbedömningar
Klinikers tillit och beslutsfattande med AI-baserade fosterstillväxtskattningar med och utan osäkerhet: En randomiserad enkätstudie
Denna studie undersöker hur kliniker litar på och använder artificiell intelligens (AI) vid uppskattning av fosterets vikt under graviditeten.
En noggrann bedömning av fosterets tillväxt är viktig för att identifiera tillväxtproblem som kan påverka graviditetshanteringen. Nya AI-baserade verktyg kan uppskatta fosterets vikt från ultraljudsbilder, men det är lite känt om hur kliniker litar på dessa uppskattningar eller hur information om osäkerhet påverkar deras beslut.
I denna studie kommer kliniker att granska anonymiserade ultraljudsfall och jämföra uppskattningar av fosterets vikt som genererats av en AI-modell med traditionella uppskattningar. Vissa kliniker kommer också att få information om AI-modellens prestanda och osäkerhet, medan andra inte kommer att få det.
Deltagarna kommer att ombes att välja vilken uppskattning de finner mest tillförlitlig, ange sin konfidensnivå och avgöra om de skulle rekommendera uppföljande scanningar. Studien syftar till att bättre förstå hur AI och information om osäkerhet påverkar kliniskt beslutsfattande och förtroende bland kliniker med olika erfarenhetsnivåer.
Studieöversikt
Status
Intervention / Behandling
Detaljerad beskrivning
Detta är en randomiserad, matchad, vinjettbaserad enkätstudie som är utformad för att undersöka klinikers tillit till och användning av AI-baserade fosterstillväxtskattningar.
Kliniker från obstetrik- och gynekologiavdelningar kommer att rekryteras och stratifieras efter erfarenhetsnivå. Deltagarna kommer att randomiseras till antingen en kontrollgrupp eller en interventionsgrupp. Interventionsgruppen kommer att få kort information om AI-modellens övergripande prestanda, medan kontrollgruppen inte kommer att få denna information.
Varje deltagare kommer att utvärdera en uppsättning anonymiserade tredje-trimester ultraljudsfall. För varje fall kommer kliniker att presenteras med standard ultraljutsbilder och relevant klinisk kontext. De kommer att visas fosterviktskattningar genererade av en AI-baserad modell och av en traditionell biometrisk metod, med eller utan medföljande osäkerhetsinformation i form av konfidensintervall.
För varje fall kommer kliniker att välja den skattning de anser vara kliniskt mest tillförlitlig, betygsätta sitt förtroende för det valet och ange om de skulle rekommendera en uppföljande tillväxtskanning. Fallsatserna är matchade efter klinisk erfarenhet, vilket säkerställer att identiska fall utvärderas av kliniker med liknande bakgrund över studiegrupperna.
Studien fokuserar på kliniker som deltagare och involverar ingen patientintervention. All ultraljudsdata är helt anonymiserad. Resultaten kommer att ge insikt i hur AI-genererade skattningar och osäkerhetsinformation påverkar kliniskt förtroende, preferenser och beslutsfattande vid fosterstillväxtsbedömning.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Slagelse, Danmark, 4200
- Department of Obstetrics and Gynecology, Slagelse Hospital
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Kliniker som arbetar på obstetrik- och gynekologiavdelningar.
- Regelmässig användning av obstetrisk ultraljud i klinisk praktik.
- Beredvillighet att delta i en enkätbaserad studie.
Exklusionskriterier:
- Kliniker som inte utför obstetriska ultraljundersökningar.
- Kliniker med känt intressekonflikt relaterad till det AI-system som utvärderas.
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Hälsovårdsforskning
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Inget ingripande: Kontroll - Ingen AI-prestandainformation
Deltagarna fyller i frågeformuläret utan att få information om AI-modellens övergripande prestanda.
|
|
|
Övrig: Intervention - AI-prestandainformation
Deltagarna får kort information om AI-modellens övergripande prestanda innan de slutför enkäten.
|
Deltagarna får kort information om AI-modellens övergripande prestanda innan de fyller i frågeformuläret.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Klinikers val av metod för att uppskatta fostervikt
Tidsram: Omedelbart efter fyllning av frågeformulär
|
Andelen fall där kliniker väljer den AI-baserade fosterviktsuppskattningen istället för den traditionella Hadlock-uppskattningen vid bedömning av anonymiserade ultraljudsfall.
|
Omedelbart efter fyllning av frågeformulär
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Klinikers förtroende för vald fosterviktsuppskattning
Tidsram: Omedelbart efter fyllning av enkät
|
Klinikers självrapporterade tillförsikt i den valda uppskattningen av fosterets vikt, mätt på en 7-gradig Likert-skala för varje fall.
|
Omedelbart efter fyllning av enkät
|
|
Rekommendation av uppföljande tillväxtultraljud
Tidsram: Omedelbart efter att frågeformuläret fyllts i
|
Om kliniker rekommenderar en uppföljande fosterväxtskanning baserat på den valda fosterviktsuppskattningen, registrerat som ett binärt utfall (ja/nej).
|
Omedelbart efter att frågeformuläret fyllts i
|
|
Effekten av osäkerhetsinformation på modellpreferens
Tidsram: Omedelbart efter fyllning av frågeformulär
|
Skillnad i klinikers preferens för AI-baserade jämfört med traditionella fosterviktsuppskattningar när AI-förutsägelser presenteras med jämfört med utan osäkerhetsinformation.
|
Omedelbart efter fyllning av frågeformulär
|
Samarbetspartners och utredare
Sponsor
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
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
Andra studie-ID-nummer
- F-25022462
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 .