用人工智能改进内分支超声波的知情同意模型

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 患者沟通 患者沟通

背景情况:

• 知情同意 (IC) 对于患者对医疗程序的理解至关重要,包括内支气管超声波 (EBUS).
• 人工智能 (AI) 提供了增强传统IC过程的潜在解决方案.
• 本研究调查了AI在改进IC文件和评估AI生成的视频同意中的作用.

研究的目的:

• 与传统文件相比,评估人工智能生成的知情同意 (IC) 文件的有效性.
• 探索人工智能生成的视频同意 (AIV-IC) 的可行性和患者接受,作为口头IC的替代品.
• 确定AI是否可以提高清晰度,解释好处,并讨论IC中的并发症.

主要方法:

• 使用生成性AI模型开发一个人工智能生成的IC (AI-IC).
• 第一阶段:参与者通过利克尔特比例问卷对AI-IC和传统IC (H-IC) 文本进行了比较.
• 第二阶段:患者通过问卷评估AI-IC (文本) 和AIV-IC (视频) 格式.

主要成果:

• 在语言清晰度,益处解释和解决并发症方面,AI-IC文本比H-IC得分更高.
• 大多数人更喜欢AI-IC,因为它提到了替代程序.
• 患者对AI-IC和AIV-IC都表示高度满意,AIV-IC被接受作为口头IC的替代品.

结论:

• 人工智能生成的材料提高了EBUS程序的IC可访问性.
• 人工智能辅助和基于视频的同意工具显示出临床整合的潜力.
• 人类监督对于人工智能驱动的同意流程至关重要.