Protocol for a Multimethod Evaluation of AI-Based Colorectal Cancer Risk Prediction in an Emulated Primary Care Electronic Health Record Environment: Trust, Usability, and Diagnostic Decision-Making
Diese Multimethodenstudie evaluiert, wie Allgemeinmediziner KI-basierte Risikovorhersagen für kolorektale Karzinome innerhalb einer emulierten elektronischen Patientenakte interpretieren und nutzen, indem sie quantitative Bewertungen der diagnostischen Entscheidungsfindung mit qualitativen Interviews zu Vertrauen und Usability kombiniert, mit dem Ziel, zukünftige prospektive Studien in der routinemäßigen Primärversorgung zu informieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der stillen, oft chaotischen Welt einer Hausarztpraxis gehört es zu den schwierigsten Aufgaben, eine bestimmte Art von Krankheit zu erkennen, bevor sie fortgeschritten ist. Darmkrebs, eine Erkrankung des Dickdarms, wird im Frühstadium häufig übersehen, da seine frühen Warnzeichen vage sein oder leicht mit weniger ernsten Verdauungsbeschwerden verwechselt werden können. Während Ärzte sich auf ihre Ausbildung und die in den Patientenakten verfügbaren Informationen verlassen, machen das schiere Datenvolumen und die subtile Natur der Symptome die Früherkennung zu einer beständigen Herausforderung. Um hierbei zu helfen, haben Forscher begonnen, Computerprogramme zu entwickeln, die künstliche Intelligenz nutzen, um medizinische Unterlagen zu durchforsten und nach Mustern zu suchen, die auf eine Gefahr hindeuten könnten, lange bevor eine offizielle Diagnose gestellt wird. Diese Werkzeuge versprechen, als ein zweites Paar Augen zu fungieren, das Risiken hervorhebt, die ein Mensch vielleicht übersehen würde. Ein Computerprogramm ist jedoch nur so gut, wie sehr ein Arzt ihm vertraut und es versteht. Wenn ein Werkzeug verwirrend ist oder der Arzt nicht weiß, wie er dessen Vorschläge zu interpretieren hat, wird es die Patientenversorgung nicht verbessern, egal wie intelligent der Algorithmus auch ist.
Diese Studie setzte genau daran an, zu testen, wie Hausärzte mit einem solchen Werkzeug in einem sicheren, kontrollierten Umfeld interagieren. Die Forscher erstellten eine simulierte Version einer elektronischen Patientenakte aus der Primärversorgung, einem digitalen System, in dem Ärzte normalerweise Patientennotizen und Testergebnisse speichern. Sie sammelten historische Aufzeichnungen echter Patienten, bei denen Darmkrebs diagnostiziert worden war, wobei alle Namen und persönlichen Details entfernt wurden, um deren Privatsphäre zu schützen. Zehn Ärzte, eine Mischung aus erfahrenen Spezialisten und solchen in der Ausbildung, wurden eingeladen, zwischen vierzig und sechzig dieser anonymisierten Fälle zu prüfen. Die Ärzte arbeiteten die Akten durch, als würden sie die Patienten zum ersten Mal sehen, aber sie wurden nicht darüber informiert, dass jede einzelne Person in der Studie bereits mit Krebs diagnostiziert worden war. Dieser Aufbau ermöglichte es den Forschern zu sehen, was die Ärzte vermuten und entscheiden würden, basierend ausschließlich auf den präsentierten Informationen.
Das Experiment war darauf ausgelegt zu sehen, ob das Zeigen eines computergenerierten Risiko-Scores die Meinung der Ärzte änderte. Für einige der Fälle sahen die Ärzte nur die standardmäßige Krankengeschichte, einschließlich Symptomen, Laborergebnissen und vergangenen Besuchen. Für andere Fälle wurden dieselben Aufzeichnungen angezeigt, jedoch mit einem zusätzlichen Merkmal: einem Prozentsatz, der das vom Computer berechnete Risiko für Darmkrebs angab, zusammen mit einer Liste der spezifischen Faktoren, die zu diesem Wert führten. Die Ärzte wurden gebeten anzugeben, ob sie Krebs vermuteten, wie stark dieser Verdacht war und was sie als Nächstes tun würden, wie etwa das Anordnen eines Tests oder die Überweisung an einen Spezialisten. Sie mussten auch erklären, welche Symptome oder Befunde in der Akte zu ihrem Schluss führten. Nach der Durchsicht der Fälle nahm jeder Arzt ein privates Interview wahr, um über seine Erfahrungen zu sprechen und seine Gedanken darüber zu teilen, ob die Computerprognosen nützlich, vertrauenswürdig oder verwirrend erschienen.
Die Studie maß nicht, ob Patienten geheilt wurden oder ob das Werkzeug Leben rettete, da in dieser Phase keine echten Patienten beteiligt waren. Stattdessen lag der Fokus vollständig auf dem menschlichen Element des Prozesses. Die Forscher wollten wissen, ob das Werkzeug der künstlichen Intelligenz das Denken der Ärzte beeinflusste, ob es ihnen half, die Krankheit genauer zu erkennen oder ob es sie dazu brachte, ihr eigenes Urteil infrage zu stellen. Durch den Vergleich der Entscheidungen der Ärzte mit und ohne die Hilfe des Computers konnte das Team identifizieren, wie das Werkzeug in den klinischen Denkprozess passt. Die Interviews boten einen tieferen Einblick in die Empfindungen der Ärzte und zeigten auf, ob sie die Risiko-Scores leicht verständlich fanden und ob sie glaubten, das Werkzeug sei zuverlässig genug, um sich in einer echten Klinik darauf zu verlassen.
Zum Zeitpunkt der Berichterstattung der Studie hatten alle zehn teilnehmenden Ärzte ihre Prüfungen und Interviews abgeschlossen, und die Analyse ihrer Antworten war im Gange. Die Forscher stellten fest, dass die simulierte Umgebung gut funktionierte und es ermöglichte, das Werkzeug zu testen, ohne die Patientensicherheit zu gefährden. Sie fanden, dass der Prozess, die Ärzte Fälle prüfen zu lassen und sie unmittelbar danach über ihre Gedanken diskutieren zu lassen, praktikabel und handhabbar war. Die Studie ist kein endgültiges Urteil darüber, ob diese Computerwerkzeuge in jeder Klinik eingesetzt werden sollten, sondern vielmehr ein entscheidender Schritt, um zu verstehen, wie sie funktionieren, bevor sie in der realen Welt getestet werden. Die hier gewonnenen Erkenntnisse werden den Forschern helfen, das Design des Werkzeugs zu verfeinern und eine größere, zukünftige Studie zu planen, bei der das System in tatsächlichen Primärversorgungs-Umgebungen mit echten Patienten getestet wird. Das ultimative Ziel ist es, sicherzustellen, dass eine solche Technologie, wenn sie eingeführt wird, die Ärzte effektiv unterstützt, indem sie hilft, Darmkrebs früher und genauer zu entdecken, während sie gleichzeitig nahtlos in die geschäftige Realität eines Arzttages passt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.