此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

临床医生对基于AI的胎儿生长估算的信任

2026年8月4日 更新者:Zahra Bashir、Rigshospitalet, Denmark

临床医生对使用基于人工智能的胎儿生长估计(含不确定性信息与不含不确定性信息)的信任与决策:一项随机问卷调查

本研究探讨了临床医生在孕期评估胎儿体重时对人工智能(AI)的信任和使用情况。

准确评估胎儿生长情况对于识别可能影响妊娠管理的生长问题至关重要。 基于人工智能的新工具可以从超声图像中估算胎儿体重,但关于临床医生对这些估算结果的信任程度,或不确定性信息如何影响其决策,目前了解甚少。

在本研究中,临床医生将审查匿名超声病例,并将人工智能模型生成的胎儿体重估算与传统估算进行比较。 部分临床医生将获得有关人工智能模型性能和不确定性的信息,而其他临床医生则不会。

参与者将被要求选择他们认为最可靠的估算结果,表明其信心水平,并决定是否建议进行后续扫描。 本研究旨在更好地了解人工智能和不确定性信息如何影响具有不同经验水平的临床医生的临床决策和信任。

研究概览

详细说明

这是一项随机、匹配、基于情景的问卷研究,旨在调查临床医生对基于人工智能的胎儿生长估计的信任和使用情况。

将从妇产科部门招募临床医生,并按经验水平进行分层。参与者将被随机分配到对照组或干预组。干预组将收到关于人工智能模型整体表现的简要信息,而对照组则不会收到此信息。

每位参与者将评估一组匿名的孕晚期超声病例。对于每个病例,将向临床医生展示标准超声图像和相关临床背景。他们将看到基于人工智能模型和传统生物测量方法生成的胎儿体重估计值,部分会附带以置信区间形式呈现的不确定性信息。

对于每个病例,临床医生将选择他们认为在临床上最可靠的估计值,评估他们对这一选择的信心,并表明是否会建议进行后续生长扫描。病例集按临床经验匹配,确保相同病例由具有相似背景的临床医生在不同研究组中进行评估。

该研究以临床医生为参与者,不涉及患者干预。所有超声数据均为完全匿名。研究结果将揭示人工智能生成的估计值和不确定性信息如何影响胎儿生长评估中的临床信任、偏好和决策。

研究类型

介入性

注册 (估计的)

130

阶段

  • 不适用

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习地点

      • Slagelse、丹麦、4200
        • Department of Obstetrics and Gynecology, Slagelse Hospital

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

  • 孩子
  • 成人
  • 年长者

接受健康志愿者

是的

描述

纳入标准:

  • 在妇产科工作的临床医生。
  • 在临床实践中常规使用产科超声。
  • 愿意参与基于问卷的研究。

排除标准:

  • 不进行产科超声检查的临床医生。
  • 与正在评估的人工智能系统存在已知利益冲突的临床医生。

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

  • 主要用途:卫生服务研究
  • 分配:随机化
  • 介入模型:并行分配
  • 屏蔽:单身的

武器和干预

参与者组/臂
干预/治疗
无干预:对照组 - 无AI性能信息
参与者在未获得有关人工智能模型整体性能信息的情况下完成问卷。
其他:干预措施 - AI性能信息
参与者在完成问卷前会收到关于AI模型整体表现的简要信息。
参与者在完成问卷前会收到有关AI模型整体表现的简要信息。

研究衡量的是什么?

主要结果指标

结果测量
措施说明
大体时间
临床医生选择的胎儿体重估算方法
大体时间:问卷完成后立即
在评估匿名超声病例时,临床医生选择基于AI的胎儿体重估计而非传统Hadlock估计的比例。
问卷完成后立即

次要结果测量

结果测量
措施说明
大体时间
临床医生对选定胎儿体重估算的信心
大体时间:问卷填写完毕后立即
临床医生对所选胎儿体重估计值的自我报告信心,针对每个病例采用7点李克特量表进行测量。
问卷填写完毕后立即
建议进行后续生长扫描
大体时间:问卷填写完毕后立即
是否临床医生基于选定的胎儿体重估计推荐进行后续胎儿生长扫描,记录为二元结果(是/否)。
问卷填写完毕后立即
不确定性信息对模型偏好的影响
大体时间:问卷完成后立即
临床医生对AI与传统胎儿体重预测的偏好差异:当AI预测结果呈现时,是否包含不确定性信息的影响。
问卷完成后立即

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2026年4月27日

初级完成 (估计的)

2027年12月1日

研究完成 (估计的)

2028年12月1日

研究注册日期

首次提交

2026年1月23日

首先提交符合 QC 标准的

2026年2月3日

首次发布 (实际的)

2026年2月10日

研究记录更新

最后更新发布 (实际的)

2026年8月5日

上次提交的符合 QC 标准的更新

2026年8月4日

最后验证

2026年8月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.

订阅