面向乳腺肿瘤学的生成式人工智能患者教育模块
2026年8月4日 更新者：University of California, San Francisco
处方生成式人工智能患者教育模块在乳腺肿瘤护理中的准确性与效果
本研究评估一款人工智能（AI）工具的安全性、准确性及影响，该工具旨在为加利福尼亚大学旧金山分校乳腺癌中心及其附属站点内特定医师照护下的乳腺癌患者提供患者教育支持。
研究概览
详细说明
主要目标：
I. 导入期：评估OpenEvidence CareConnect检索增强生成（RAG）大型语言模型（LLM）工具在转移性乳腺癌患者初始导入阶段的安全性。
II. 评估OpenEvidence CareConnect RAG LLM工具在提供一般健康和乳腺癌特定信息方面的临床准确性和适当性。
次要目标：
I. 评估患者对AI工具帮助性、与其他信息来源的一致性及其与肿瘤护理团队沟通影响的看法。
II. 评估提供者对工具实用性、对沟通和患者教育质量影响的看法。
III. 比较患者在使用AI教育工具即时访问与延迟访问之间的体验和看法。
探索性目标：
I. 评估患者与护理团队在使用和不使用AI工具情况下，就诊期间沟通的变化。
II. 了解患者与乳腺癌诊断和治疗相关的关切和教育需求。
方案：前5名参与者将被分配至导入阶段。之后，接下来的30名参与者将被随机分配至干预组或等待名单对照组。等待名单对照组的参与者将在3个月后交叉至干预组。整个研究过程中进行问卷调查和提供者评估，导入期间监测依从性和安全性。每名参与者的研究时间约为6个月。
研究类型
介入性
注册 (估计的)
35
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。
学习联系方式
- 姓名：Ivy Ow
- 电话号码：877-827-3222
- 邮箱：Ivy.Wong@ucsf.edu
学习地点
-
-
California
-
San Francisco、California、美国、94143
- 招聘中
- University of California, San Francisco
-
接触：
-
接触：
- Ivy Ow
- 电话号码：877-827-3222
- 邮箱：Ivy.Wong@ucsf.edu
-
首席研究员：
- Michelle Melisko, MD
-
-
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
- 成人
- 年长者
接受健康志愿者
不
描述
纳入标准：
- 18岁及以上的女性或男性。
患者必须符合以下任一条件：
- 患有IV期乳腺癌，面临治疗方案变更，且预计至少每三个月进行一次随访，或
- 在过去6个月内被诊断为I-III期乳腺癌。
- 具备基本的计算机操作能力，且家中可定期访问互联网。
- 能够理解研究程序，并在整个研究期间遵守这些程序。
- 个人或法定监护人/代表能够理解书面知情同意书，并愿意签署。
排除标准：
- 存在任何与研究相关程序或评估的禁忌症。
- 存在认知障碍，可能影响工具使用或调查完成。
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：交叉作业
- 屏蔽：无（打开标签）
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：安全性导入阶段
参与者将获得为期3个月的OpenEvidence CareConnect访问权限，这是一个检索增强生成（RAG）大型语言模型（LLM）工具，可提供一般健康信息和乳腺癌相关信息。
|
参与者将完成调查以评估他们使用OpenEvidence CareConnect RAG LLM工具的体验。
检索增强生成（RAG）大型语言模型（LLM）工具
提供者将完成一项调查，以评估OpenEvidence CareConnect RAG LLM工具的有用性及其患者教育沟通的质量。
|
|
实验性的：干预性（即时访问）
参与者将立即获得长达3个月的OpenEvidence CareConnect使用权限，并完成关于该工具使用的调查。
随后，参与者将接受为期3个月的额外随访。
|
参与者将完成调查以评估他们使用OpenEvidence CareConnect RAG LLM工具的体验。
检索增强生成（RAG）大型语言模型（LLM）工具
提供者将完成一项调查，以评估OpenEvidence CareConnect RAG LLM工具的有用性及其患者教育沟通的质量。
|
|
实验性的：对照（延迟访问）
参与者将在入组90天后获得为期3个月的OpenEvidence CareConnect访问权限
|
参与者将完成调查以评估他们使用OpenEvidence CareConnect RAG LLM工具的体验。
检索增强生成（RAG）大型语言模型（LLM）工具
提供者将完成一项调查，以评估OpenEvidence CareConnect RAG LLM工具的有用性及其患者教育沟通的质量。
|
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 |
|---|---|---|
|
安全与风险评估平均得分（导入和提供者）
大体时间：长达90个月
|
安全与风险评估基于服务提供者的回应，采用5点李克特量表来评估安全隐患。
|
长达90个月
|
|
提供者对AI患者教育工具调查评估的平均得分（提供者）
大体时间：最长 180 天
|
AI患者教育工具调查基于提供者使用5点李克特量表（范围从1（强烈不同意）到5（强烈同意））的回应，评估OpenEvidence CareConnect工具的临床准确性和适用性。
|
最长 180 天
|
|
评估答案准确性与内容适当性的平均分（提供者）
大体时间：长达180天
|
提供者将使用3点量表评估参与者的问题、回答准确性以及在OpenEvidence中提供的内容。
|
长达180天
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
AI工具体验调查平均分（参与者）
大体时间：最多 180 天
|
AI工具体验调查是一项包含40个问题的评估工具，旨在评估参与者对可用性、实用性、临床整合以及支持共享决策的认知。
每个项目均采用5点李克特量表进行评分，范围从1（强烈不同意）到5（强烈同意）。
|
最多 180 天
|
|
医学信息体验调查平均得分（参与者）
大体时间：最长可达 180 天
|
医学信息体验调查是一项包含13个问题的工具，用于评估参与者如何获取和参与医学信息。
问题采用5点李克特量表进行测量。
|
最长可达 180 天
|
|
患者AI工具体验调查评分平均变化（参与者）
大体时间：长达180天
|
“人工智能工具体验调查”是一份包含40个问题的工具，用于评估参与者对可用性、实用性、临床整合以及支持共同决策的感知。
每个项目均采用5点李克特量表评分，范围从1（非常不同意）到5（非常同意）。
将报告即时访问组与延迟访问组之间调查回应的比较。
|
长达180天
|
|
医学信息体验调查（参与者）评分平均变化
大体时间：最长180天
|
《医疗信息体验调查》是一个包含13个问题的工具，用于评估参与者如何获取和参与医疗信息。
问题采用5点李克特量表进行测量。
将报告即时访问组和延迟访问组之间调查回答的比较。
|
最长180天
|
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。
调查人员
- 首席研究员：Michelle Melisko, MD、University of California, San Francisco
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7月14日
初级完成 (估计的)
2027年1月31日
研究完成 (估计的)
2027年1月31日
研究注册日期
首次提交
2026年3月30日
首先提交符合 QC 标准的
2026年3月30日
首次发布 (实际的)
2026年4月6日
研究记录更新
最后更新发布 (实际的)
2026年8月6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
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.