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
Deze multimethodestudie evalueert hoe huisartsen AI-gebaseerde risicovoorspellingen voor colorectale kanker interpreteren en gebruiken binnen een geëmuleerde elektronische patiëntendossieromgeving door kwantitatieve beoordelingen van diagnostische besluitvorming te combineren met kwalitatieve interviews over vertrouwen en bruikbaarheid, met als doel toekomstige prospectieve trials in de reguliere eerstelijnszorg te informeren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de stille, vaak chaotische wereld van een huisartsenpraktijk is een van de moeilijkste taken het opsporen van een specifiek type ziekte voordat deze gevorderd is. Colorectale kanker, een ziekte die de dikke darm aantast, wordt in de vroege stadia vaak gemist omdat de vroege waarschuwingssignalen vaag kunnen zijn of gemakkelijk kunnen worden verward met minder ernstige spijsverteringsproblemen. Hoewel artsen vertrouwen op hun training en de beschikbare informatie in patiëntendossiers, maken de enorme hoeveelheid gegevens en de subtiele aard van symptomen vroege detectie tot een hardnekkige uitdaging. Om te helpen, zijn onderzoekers begonnen met het ontwikkelen van computerprogramma's die kunstmatige intelligentie gebruiken om door medische dossiers te ploeteren, op zoek naar patronen die gevaar kunnen signaleren lang voordat er officieel een diagnose wordt gesteld. Deze hulpmiddelen beloven te fungeren als een tweede paar ogen, waarbij ze risico's uitlichten die een mens over het hoofd zou kunnen zien. Een computerprogramma is echter slechts zo goed als de mate waarin een arts het vertrouwt en begrijpt. Als een hulpmiddel verwarrend is of als de arts niet weet hoe hij de suggesties moet interpreteren, zal het de patiëntenzorg niet verbeteren, ongeacht hoe slim het algoritme is.
Deze studie zette zich af om precies te testen hoe huisartsen met een dergelijk hulpmiddel omgaan in een veilige, gecontroleerde omgeving. De onderzoekers creëerden een gesimuleerde versie van een elektronisch patiëntendossier van een huisartsenpraktijk, een digitaal systeem waar artsen normaal gesproken patiëntnotities en testresultaten opslaan. Ze verzamelden historische gegevens van echte patiënten die waren gediagnosticeerd met colorectale kanker, waarbij alle namen en persoonlijke details werden verwijderd om hun privacy te beschermen. Tien artsen, een mix van ervaren specialisten en zij die nog in opleiding zijn, werden uitgenodigd om tussen de veertig en zestig van deze gede-identificeerde gevallen te beoordelen. De artsen werkten door de dossiers alsof ze de patiënten voor het eerst zagen, maar ze werden niet verteld dat elk individu in de studie al de diagnose kanker had gekregen. Deze opzet stelde de onderzoekers in staat om te zien wat de artsen zouden vermoeden en besluiten te doen op basis uitsluitend van de gepresenteerde informatie.
Het experiment was ontworpen om te zien of het tonen van een door de computer gegenereerde risicoscore de mening van de artsen veranderde. Voor sommige van de gevallen zagen de artsen alleen de standaard medische geschiedenis, inclusief symptomen, laboratoriumresultaten en eerdere bezoeken. Voor andere gevallen werden dezelfde dossiers getoond, maar met een toegevoegde functie: een percentage dat het door de computer berekende risico op colorectale kanker aangeeft, samen met een lijst van de specifieke factoren die tot dat getal hebben geleid. De artsen werd gevraagd aan te geven of zij kanker vermoedden, hoe sterk dat vermoeden was, en wat zij vervolgens zouden doen, zoals het aanvragen van een test of het doorverwijzen van de patiënt naar een specialist. Ze moesten ook uitleggen welke symptomen of bevindingen in het dossier tot hun conclusie hadden geleid. Na het beoordelen van de gevallen nam elke arts deel aan een privé-interview om hun ervaring te bespreken, waarbij zij hun gedachten deelden over de vraag of de computervoorspellingen nuttig, betrouwbaar of verwarrend aanvoelden.
De studie mat niet of patiënten genezen werden of of het hulpmiddel levens redde, omdat er in deze fase geen echte patiënten bij betrokken waren. In plaats daarvan lag de focus volledig op het menselijke aspect van het proces. De onderzoekers wilden weten of de kunstmatige intelligentie-tool het redeneren van de artsen beïnvloedde, of het hen hielp de ziekte nauwkeuriger op te sporen, of dat het hen deed twijfelen aan hun eigen oordeel. Door de beslissingen van de artsen te vergelijken wanneer zij de hulp van de computer hadden versus wanneer zij die niet hadden, kon het team identificeren hoe het hulpmiddel past in de flow van klinisch denken. De interviews boden een dieper kijkje in de gevoelens van de artsen, waarbij werd onthuld of zij de risicoscores gemakkelijk te begrijpen vonden en of zij geloofden dat het hulpmiddel betrouwbaar genoeg was om in een echte kliniek op te vertrouwen.
Op het moment dat de studie werd gerapporteerd, hadden alle tien de deelnemende artsen hun beoordelingen en interviews voltooid, en was de analyse van hun antwoorden in gang gezet. De onderzoekers merkten op dat de gesimuleerde omgeving goed werkte, waardoor ze het hulpmiddel konden testen zonder de patiëntveiligheid in gevaar te brengen. Ze vonden dat het proces van het laten beoordelen van gevallen door artsen en het direct daarna bespreken van hun gedachten praktisch en beheersbaar was. De studie is geen definitief oordeel over de vraag of deze computertools in elke kliniek gebruikt moeten worden, maar is eerder een cruciale stap in het begrijpen van hoe ze werken voordat ze in de echte wereld worden getest. De inzichten die hier zijn verkregen, zullen de onderzoekers helpen bij het verfijnen van het ontwerp van het hulpmiddel en bij het plannen van een grotere, toekomstige trial waarbij het systeem wordt getest in werkelijke eerstelijnszorgsettings met echte patiënten. Het uiteindelijke doel is om ervoor te zorgen dat wanneer dergelijke technologie wordt geïntroduceerd, deze artsen effectief ondersteunt, hen helpt om colorectale kanker eerder en nauwkeuriger te ontdekken, terwijl het naadloos past in de drukke realiteit van de dag van een arts.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.